¿Pueden los ‘rastros digitales’ de las búsquedas en Internet y las redes sociales predecir brotes de COVID-19?

Sus búsquedas en Google y cuentas de Twitter alertan a los vendedores sobre qué artículos le gustaría comprar. Pero, ¿podrían también servir como un sistema de alerta temprana cuando los niveles de COVID-19 estén a punto de despegar?

Un equipo de científicos, incluido el experto en aprendizaje automático de la Universidad del Noreste, Mauricio Santillana, dice que los «rastros digitales» de los usuarios de Internet pueden adoptarse para alertar a los funcionarios de salud pública sobre aumentos bruscos de COVID-19 a nivel de condado de una a seis semanas antes de un brote importante.

En un artículo publicado el miércoles 18 de enero en Avances de la cienciaSantillana y otros autores dicen que los datos digitales ayudarán a cerrar las brechas de información que dejan los métodos de vigilancia existentes.

El análisis de los flujos de datos permitirá a los formuladores de políticas tomar decisiones rápidas, como volver a emitir recomendaciones de uso de máscaras o aumentar las campañas de vacunación y refuerzo, dice Santillana, director del Grupo de Inteligencia de Máquinas para la Mejora de la Salud y el Medio Ambiente en Network Science. Instituto del Noreste.

«Lo que aspiramos a hacer es usar la misma información que Google o Amazon o cualquiera de estas grandes empresas usan para enviarle anuncios» para informar las decisiones de salud pública al principio de un brote, dice Santillana.

Las transmisiones digitales relacionadas con COVID-19 incluyen búsquedas en Internet de fiebre, búsquedas de médicos para tratamientos de COVID-19 y comentarios de usuarios de Twitter sobre estar demasiado enfermos para trabajar, entre otras cosas.

Los investigadores también utilizaron métodos de aprendizaje automático que tomaron información histórica de brotes en 97 condados de EE. UU. desde el 1 de enero de 2020 y 2022 y los combinaron para crear un único indicador predictivo.

“El objetivo no es necesariamente cuantificar cuántas infecciones hay, sino cuantificar cuándo ocurrirán aumentos bruscos de infecciones”, dice Santillana, quien participó en la investigación con científicos del Boston Children’s Hospital, la Escuela de Medicina de Harvard, la Universidad Estatal de Oklahoma y otras organizaciones. .

Los investigadores encontraron que la capacidad predictiva a nivel estatal y de condado era más o menos similar: el sistema de alerta temprana se implementó con una a seis semanas de anticipación a nivel de condado y de cuatro a seis semanas a nivel estatal.

El estudio dice que los datos digitales ayudarán a completar la información faltante vital para los Centros para el Control y la Prevención de Enfermedades, que, según dice, no han podido pronosticar de manera confiable «cambios rápidos en las tendencias de casos informados y hospitalizaciones».

«Cuando los pronósticos de los CDC sobre la COVID-19 se compartieron con el público, con mucha frecuencia se perdieron el momento en que comenzaban los brotes», dice Santillana. Él dice que cuando se contaron los números reales de casos, las oleadas ya estaban en marcha.

«El siguiente capítulo sería que los CDC dijeran: ‘Sabemos que esta es una forma alternativa y complementaria de anticipar brotes. La implementaremos internamente y la tendremos como una herramienta adicional en nuestra caja de herramientas», dice Santillana.

“Él dice que el estudio es parte de una nueva iniciativa de los CDC iniciada por el presidente Biden llamada Centro de Pronóstico y Análisis de Brotes dentro de los CDC”.

“Es dentro de ese esfuerzo que hicimos el trabajo en este documento”, publicado en una revista de acceso abierto de la Asociación Estadounidense para el Avance de la Ciencia, dice Santillana.

Dice que él y su equipo ya habían estado trabajando con los CDC durante tres o cuatro años para predecir la incidencia de la influenza y las hospitalizaciones por influenza, pero no estaba satisfecho con lo que consideraba la incapacidad de los CDC para incorporar nuevas fuentes de información basadas en Internet en sus sistemas de predicción».

«Cuando golpeó COVID, llamaron y dijeron: ‘Necesitamos todas las manos en la cubierta. Así que, por favor, hagan lo que puedan'».

«Pregunté si podían ser flexibles, porque mi equipo y yo estábamos interesados ​​en innovar en lugar de seguir implementando exactamente los mismos modelos», dice Santillana.

«El modelo no es perfecto», dice.

Los condados estudiados fueron solo una fracción de los 3,006 condados en los Estados Unidos, según el documento sobre el uso de rastros digitales para construir sistemas de alerta temprana prospectivos y en tiempo real a nivel de condado.

«Nuestros métodos basados ​​en búsquedas en Internet pueden tener dificultades para funcionar bien en áreas con bajas tasas de alfabetización y acceso limitado a recursos de Internet», dice el documento.

Los investigadores dicen que una posible solución para los condados con acceso deficiente a Internet o problemas de alfabetización puede ser utilizar sistemas de alerta temprana a nivel estatal para guiar las decisiones a nivel de condado en torno a los brotes.

«Cuando navegamos por Internet en nuestra computadora o teléfono, deja rastros», dice Santillana.

«Nos guste o no, la realidad es que la mayoría de las empresas utilizan esta información para aumentar sus ganancias o sus márgenes», dice.

«En cambio, queremos usar esa información para informar a los funcionarios públicos cuándo ocurrirá el próximo brote».