Entender los mecanismos de transmisión del SARS-CoV-2 ha sido, desde sus inicios, una tarea compleja para la comunidad científica mundial, sobre todo cuando sabemos que los virus tienden a las mutaciones y que ahora existe una nueva variante.

Con el fin de contribuir a dicha labor, identificar la velocidad y líneas de propagación del virus, así como analizar los impactos en los niveles de contagio, hospitalización y defunciones en México, el equipo de la Unidad de Modelación de Flujos Ambientales, Biológicos e Industriales (Unidad Mofabi), de la División de Ingeniería Mecánica e Industrial (DIMEI), con sede en el Centro de Ingeniería Avanzada, de la Facultad de Ingeniería (FI) UNAM, llevó a cabo un proyecto de algoritmos de Inteligencia Artificial (IA) para predecir la evolución de la Covid-19.

El grupo de investigación coordinado por el doctor Rubén Ávila Rodríguez e integrado por el ingeniero Raymundo González Balderas y los estudiantes de Ingeniería Mecánica, Enrique Hernández García, Eduardo López Bravo y José Gilberto Montiel Galindo, intenta entender la evolución de la pandemia en México mediante la predicción de los casos de contagio y decesos diarios gracias a algoritmos de IA alimentados con la base de datos abiertos de la Secretaría de Salud del Gobierno de México. Además, generaron una base de datos a partir de una encuesta a los estudiantes de la FI para analizar su exposición al virus.

La reapertura económica y la transición hacia una "nueva normalidad" dieron paso a cuestionar de qué manera crecerían los contagios y decesos a nivel mundial, de ahí que varios institutos y universidades comenzaran a emplear la IA para predecir los escenarios posibles. Una de las primeras plataformas fue Covid19-Projections, creada por el científico de datos independiente, Youyang Gu, en marzo de 2020, cuyo modelo de proyecciones para más de 70 países, incluido México, se convirtió en uno de los más importantes para el Centro de Control de Enfermedades de Estados Unidos debido a su mínimo margen de error, además sirvió de inspiración para otros estudios.

Las universidades de Maryland y Carnegie Mellon, por ejemplo, impulsaron en conjunto con Facebook el proyecto Covid-19 Symptom Survey, que consistió en aplicar una encuesta mundial a través de esa plataforma con la finalidad de conocer el impacto de la pandemia en sus usuarios sin necesidad de recopilar datos personales.

Ambas iniciativas fueron el precedente para que la Unidad Mofabi —unidad con 40 años de experiencia en la solución numérica de ecuaciones de la mecánica de fluidos— buscará contribuir en la predicción de contagios y decesos por Covid-19 empleando sus propios algoritmos de IA.

Desde el inicio de la pandemia, los estudiantes de ingeniería aplicaron su conocimiento en IA para el estudio de la mecánica de fluidos, así como la predicción de contagios y decesos. Se especializaron en la disciplina de la IA llamada Machine Learning (Aprendizaje Automático), en la cual "los algoritmos se entrenan para encontrar patrones y características en cantidades masivas de datos con el fin de ayudar en la toma decisiones y hacer predicciones", y emplearon un modelo de red neuronal artificial.

A partir de los datos abiertos del programa Centinela de la Secretaría de Salud, lograron hacer una predicción de siete días en los contagios y decesos a nivel nacional, con un error medio absoluto de 35 casos a principios de noviembre de 2020. Sin embargo, observaron que para identificar con claridad algunos factores determinantes en el aumento de casos de Covid-19 es necesario contar con más datos que amplíen la robustez del algoritmo y así lograr proyecciones en un lapso mayor.

Como actividad adicional a la investigación, la Unidad Mofabi aplicó una encuesta a estudiantes de la FI con el apoyo de la Secretaría de Servicios Académicos, y tienen la visión de extender el estudio a toda la comunidad universitaria de la UNAM y, posteriormente, a los habitantes de la Ciudad de México y el resto del país.

Unidos Contra la Covid-19 consistió en 30 preguntas que fueron respondidas por 3263 estudiantes (aproximadamente el 28 por ciento del total de alumnos inscritos) entre el 26 de noviembre y el 9 de diciembre de 2020 a través de Google Forms, sin necesidad de proporcionar datos personales que pudieran identificarlos.

Del total de participantes, el 63.7 por ciento fueron varones y el 35.8 por ciento mujeres; alrededor del 64 por ciento reside en la CDMX, el 25.2 por ciento en el Edomex y el restante 10 por ciento en otro estado. Los resultados arrojaron que el 99.4 por ciento usó correctamente el cubrebocas, el 96.8 por ciento tiene el hábito de lavarse las manos después de haber estado en un lugar público y realizan la mayor parte de sus actividades en casa, con excepción de actividades cotidianas como la compra de alimentos, medicinas y el uso de transporte. Este panorama es alentador porque los estudiantes de la FI están acatando las medidas sanitarias impulsadas por la Secretaría de Salud.

La encuesta se elaboró con un algoritmo de Aprendizaje No Supervisado (K-Medias) para encontrar patrones en los datos y, como parte de la interpretación, se observó que los estudiantes que han enfermado por Covid-19 han reducido drásticamente las visitas y encuentros con personas que no viven con ellos. Se hizo la distinción en exposición al virus en cotidiana y voluntaria, y dentro de la segunda predominó pasar el tiempo con alguien que no vive con el encuestado (65.8 por ciento), mientras que la asistencia a fiestas, bares y antros fue baja (9.7 por ciento).

En cuanto al desarrollo de las interfaces gráficas, el especialista Raymundo González Balderas, egresado de la FI, explicó que, tomando de base el modelo para la CFE, la interfaz tendría la capacidad de mostrar alerta de riesgo de contagio con información obtenida de encuestas y datos del gobierno, y con predicciones hechas mediante IA. Con ello, se podría saber con precisión las horas, días y lugares de mayor riesgo de contagio, información que serviría a la población en la toma de decisiones para la organización de sus actividades en el exterior y su movilidad.

El grupo de investigación, con apoyo de la ingeniera Nelly Peña Belmont, coordinadora del Área de Cómputo de la DIMEI, plantea la posibilidad de aplicar una encuesta breve de manera periódica a más sectores de la población para identificar los mecanismos de propagación del virus.

El doctor Rubén Ávila Rodríguez confía en que los algoritmos, bases de datos e interfaces producto de este proyecto de investigación servirán como herramientas en la toma de decisiones a nivel gubernamental, incluso en las estrategias y protocolos de vacunación.

Comprender la pandemia, recalca, es una tarea interdisciplinaria que necesita de la colaboración de varios expertos interesados en entender su evolución y generar acciones que disminuyan realmente los contagios, así como persuadir a más personas para que se comprometan a acatar las medidas sanitarias, tomando como ejemplo el descrito por los estudiantes universitarios.

Conoce más sobre los proyectos y actividades de la Unidad Mofabi (@unidadmofabi) en sus redes sociales Facebook, Twitter e Instagram.