Conoce cómo opera esta plataforma y el análisis de la evolución de la pandemia en México.                                                 

Científicos investigadores de la Universidad La Salle desarrollaron la Plataforma para el monitoreo y predicción del COVID-19 en México, a partir de la aplicación de algoritmos de Inteligencia Artificial, -redes neuronales artificiales y cómputo evolutivo. Esto permite analizar la información oficial publicada por la Secretaría de Salud y predecir cómo evolucionará la epidemia en el país.

A unos días de alcanzar el pico de contagios en México, la plataforma busca mantener informada a la población sobre la situación actual del COVID-19 en México. Este monitor da una predicción detallada del número de Casos Confirmados, número de Defunciones y número de Hospitalizados en el corto y mediano plazo, así como predecir cuándo se va alcanzar el máximo número de casos y el término de la pandemia en México.

Consulta la plataforma en: monitoreocovid.lasalle.mx

Esta información es de suma importancia para la toma de decisiones y planeación estratégica buscando mitigar el impacto económico y social de la pandemia por COVID-19 en México.

El desarrollo de la plataforma está a cargo del Dr. Roberto A. Vazquez, Profesor e Investigador de la Universidad La Salle México, especialista en Inteligencia Artificial y Minería de Datos, y Miembro del Sistema Nacional de Investigadores del CONCAYT.

El monitor muestra la información general en México sobre Casos Confirmados, Casos Sospechosos, Casos Negativos, así como Confirmados Activos, Defunciones y el total de Personas Estudiadas. De igual forma, se ha incorporado información sobre el número de Hospitalizados considerando casos confirmados, sospechosos, negativos.

¿Cómo la Inteligencia Artificial permite la proyección de la evolución de la pandemia?

La inteligencia artificial ha ganado popularidad en los últimos años debido a su aplicación en la solución de diversos problemas que actualmente aquejan a la sociedad. Desde aplicaciones relacionadas con problemas de seguridad, salud, educación, hasta la automatización de procesos, todo ello teniendo en común el análisis masivo de información para la toma de decisiones.

Dentro de las técnicas más utilizadas podemos mencionar a las Redes Neuronales Artificiales. Se han plicado ampliamente en problemas de reconocimiento de patrones y predicción de series de tiempo; estas se convierten en potenciales candidatas para predecir la evolución de la pandemia causada por el COVID-19.

Una estrategia para diseñar una Red Neuronal Artificial de forma óptima son los algoritmos de optimización basados en cómputo evolutivo. Esta combinación de estrategias se ha aplicado con éxito en problemas de reconocimiento de patrones. Los resultados sugieren que podrían ser un potencial candidato para aplicarse en problemas de predicción de series de tiempo.

El Grupo de Investigación en Sistemas Inteligentes Aplicados de la Universidad La Salle ha trabajado ampliamente en el desarrollo y aplicación de Redes Neuronales Artificiales y Cómputo Evolutivo en diversas problemáticas relacionadas con la salud.

Se han orientado y adaptado estas estrategias para desarrollar esta Plataforma de monitoreo y predicción de la evolución de COVID-19 en México utilizando una metodología que combina estrategias para diseño automático de redes neuronales artificiales utilizando cómputo evolutivo y principios básicos de predicción de series de tiempo y regresión. 

¿Cómo funciona la plataforma de monitoreo desarrollada por La Salle?

• Para predecir el número de casos confirmados, defunciones y decesos, se construyen y optimizan diferentes modelos. Estos son ajustados con los datos abiertos publicados por la Secretaría de Salud considerando el primer caso de COVID-19 en México.
• Una vez construidos los modelos, se seleccionan aquellos que otorgan el menor error de ajuste con respecto a los datos históricos.
• Posteriormente, los modelos seleccionados son estimulados con los datos históricos.
• Finalmente, para predecir el número potencial de casos confirmados, decesos y hospitalizados para los siguientes días, se calcula el valor promedio de la predicción para cada día, así como su error de estimación con diferentes niveles de confianza.

Por el momento se han incorporado a la Plataforma de monitoreo y predicción de la evolución de COVID-19 en México cinco modelos diferentes:

1. Redes Neuronales Artificiales. Diseñadas con cómputo evolutivo para la predicción a corto plazo utilizando como información de entrada el número de casos acumulados.
2. Modelo Gausiano. Optimizado con cómputo evolutivo para la predicción a largo plazo utilizando como información de entrada el número de casos por día.
3. Modelo Logarítmico Sigmoisal (LogSig). Optimizado con cómputo evolutivo para la predicción a largo plazo utilizando como información de entrada el número de casos acumulado.
4. Modelo Suspected-Infected-Recovered (SIR). Optimizado con cómputo evolutivo para la predicción a largo plazo utilizando como información de entrada el número de casos acumulado y número de decesos acumulado.
5. Modelo Suspected-Infected-Recovered Ponderado (SIR Ponderado). Optimizado con cómputo evolutivo para la predicción a largo plazo utilizando como información de entrada el número de casos acumulado y número de decesos acumulado.

Para La Salle, como una universidad orientada a la investigación y a la creación de conocimiento, es de vital importancia resolver problemáticas reales de la sociedad y que México necesita. Con proyectos como este, contribuimos a la información y toma de decisiones por el bienestar de las familias mexicanas.

Lee también:
Investigadores lasallistas estudian moléculas para inhibir el coronavirus