La crisis del coronavirus nos ha hecho aprender a un ritmo acelerado sobre epidemiología, virología, pandemias…, temas que hace unos meses no formaban parte de nuestra vida cotidiana. Hay herramientas, muy usadas en el mundo del big data, que se están popularizando y convirtiendo en algo de consulta cotidiana para la población de a pie. Es el caso del panel de control o dashboard de la Universidad Johns Hopkins de EEUU, que se ha mostrado muy útil para visualizar de manera directa la expansión del virus por el planeta. Este dashboard actualiza en tiempo real los datos relativos a los casos confirmados, los fallecidos y los recuperados, alimentándose de distintas fuentes de datos como el Centro de Control y Prevención de Enfermedades  de China, la OMS o incluso rastreando los mensajes de Twitter y servicios de noticias online.

El uso de las tecnologías big data para predecir la transmisión de enfermedades infecciosas no es algo nuevo. Los primeros en monitorizar este tipo de enfermedades a través de la información disponible en internet fueron los data scientists de Google, con el algoritmo Google Flu Trends, en 2008. El algoritmo analizaba el aumento de búsquedas por parte de los usuarios de términos relacionados con la gripe, como los síntomas o vacunas, de forma que podía predecir con un día de antelación dónde se iba a producir un brote. Sin embargo, cuando estalló la pandemia de gripe A en 2009, el pánico desatado en la población cambió su comportamiento de búsquedas en Google, lo que provocó que el algoritmo no fuera práctico a la hora de detectar contagios a gran escala y, finalmente, fuera retirado. 

En el caso de la crisis que estamos viviendo actualmente, el big data está demostrando ser especialmente útil para el control de la transmisión de la enfermedad. Uno de los casos destacables es el de Taiwán. Por su cercanía a China y el gran movimiento de ciudadanos entre ambos, se esperaba que fuera la segunda región más afectada del planeta. Sin embargo, a medida que el virus ha ido avanzando por otros países, Taiwán ha logrado mantener su número de contagios en números muy bajos. La estrategia de Taiwán ha sido contener la enfermedad haciendo uso de grandes cantidades de información. Integrando las bases de datos sanitarias nacionales con las de inmigración y aduanas, han monitorizado los viajes y síntomas de sus ciudadanos para compartir dicha información con los hospitales y emitir alertas en tiempo real de los posibles contagios. Además, recogiendo la información de los viajeros a través de aplicaciones y haciendo uso de tecnología móvil, han conseguido controlar las cuarentenas de forma efectiva. 

Otros países como China o Corea del Sur, también han hecho uso del big data para gestionar la crisis. El análisis detallado de la información ha permitido a Corea del Sur realizar de forma rápida y óptima el mayor número de test que se han hecho comparado con cualquier otra lugar, consiguiendo que los datos que provienen de este país sean los más fiables en cuanto a cómo son en realidad los patrones de transmisión. China, por su parte, ha perfeccionado las herramientas de reconocimiento facial con inteligencia artificial para que tengan en cuenta el uso de mascarilla y la temperatura corporal de las personas. Coronavirus y Big Data

Algunas técnicas usadas en estos dos países han levantado también un debate acerca de cómo se debe usar la información de la población en estados de alarma sanitaria. En Corea del Sur se han extendido aplicaciones como Corona 100m, que advierte a los usuarios cuando están a menos de 100 metros de un lugar donde ha estado alguna persona que ha dado positivo a la prueba del coronavirus. En China, se ha hecho obligatorio del uso de códigos QR a través de aplicaciones como AliPay Health Code, que codifica el estado de salud del usuario asignándole al código QR un color (rojo, amarillo y verde) en función del riesgo de infección. Los ciudadanos deben presentar sus códigos para trasladarse de un lugar a otro, lo que facilita al gobierno evaluar si se debe permitir el traslado u ordenar cuarentena. La polémica surge cuando se plantea hasta qué punto estas aplicaciones comparten información con el gobierno y dónde están los límites de privacidad de los ciudadanos, sobre todo en datos tan sensibles como los relacionados con la salud. La información es tan precisa que, por ejemplo, se sabe exactamente qué hizo y por dónde se movió el “paciente 31”, la persona que provocó el descontrol de la epidemia en Corea del Sur, que hasta ese momento había sido contenida.  Coronavirus y Big Data

Al margen de estas cuestiones éticas, es importante también ser cautos a la hora de tratar la información y difundirla. Están surgiendo por la red multitud de análisis y gráficos donde se intenta representar cómo evoluciona la transmisión y cuáles serán las predicciones futuras. En medio de la pandemia, hay que tener en cuenta que los datos no se están recogiendo de la misma forma en todos los países por lo que es necesario un análisis veraz y contrastado de las fuentes de información y de cómo se puede usar en un futuro. 

Más allá de todas estas consideraciones, una cosa es clara. La gran cantidad de información surgida de la pandemia del coronavirus ayudará a desarrollar algoritmos y herramientas más potentes y perfeccionadas que en un futuro serán capaces de mitigar los efectos de este tipo de desastres en la población. Coronavirus y Big Data

En Datahack trabajamos analizando datos para desarrollar e implementar algoritmos que nos ayuden a resolver problemas que afectan a la sociedad, como la predicción de vulnerabilidades en colectivos sensibles como las personas mayores o el uso de robots humanoides capaces de reconocer gestos y tonos de voz asociados a emociones para mejorar el tratamiento de personas con Alzheimer y enfermedades neurodegenerativas.

MÁSTER EXPERTO EN BIG DATA ANALYTICS

Gracias al Master en Big Data Analytics 100% Online tendrás amplios conocimientos sobre las herramientas y técnicas analíticas necesarias para la modelización de los principales retos de negocio, con el fin de mejorar la toma de decisiones a través de los datos y el conocimiento.