Una nueva herramienta de IA, PandemicLLM, desarrollada por las universidades Johns Hopkins y Duke, ofrece una precisión sin precedentes en la predicción de patrones de enfermedades infecciosas, transformando potencialmente las respuestas de salud pública a futuras pandemias.
Investigadores de las universidades Johns Hopkins y Duke han desarrollado una herramienta de inteligencia artificial de vanguardia que supera significativamente los modelos actuales a la hora de predecir la propagación de enfermedades infecciosas, un avance que podría transformar el modo en que los funcionarios de salud pública gestionan los brotes.
La herramienta, denominada PandemicLLM, aprovecha técnicas avanzadas de IA generativa, similares a las empleadas en ChatGPT, para mejorar la precisión de las predicciones. Su desarrollo surge tras los desafíos planteados por la pandemia de COVID-19.
“La COVID-19 aclaró el desafío de predecir la propagación de enfermedades debido a la interacción de factores complejos que cambiaban constantemente”, dijo la autora Lauren Gardner, experta en modelos de Johns Hopkins que creó el modelo utilizado globalmente. Tablero COVID-19, declaró en un comunicado de prensa. «Cuando las condiciones eran estables, los modelos funcionaban correctamente. Sin embargo, cuando surgían nuevas variantes o cambiaban las políticas, no podíamos predecir los resultados porque no contábamos con la capacidad de modelado necesaria para incluir información crítica. La nueva herramienta cubre esta deficiencia».
Publicado En la revista Nature Computational Science, la investigación presenta PandemicLLM como un modelo innovador en este campo. A diferencia de los métodos tradicionales, este modelo incorpora diversos flujos de datos, incluyendo datos espaciales a nivel estatal, datos de series temporales epidemiológicas, datos de políticas de salud pública y datos de vigilancia genómica.
Aplicación y pruebas pioneras
Los investigadores aplicaron PandemicLLM retroactivamente a los datos de la pandemia de COVID-19 en cada estado de EE. UU. durante 19 meses. La herramienta superó consistentemente el rendimiento de los modelos existentes, especialmente durante las fases volátiles del brote.
“Un desafío urgente en la predicción de enfermedades es tratar de descubrir qué impulsa los aumentos repentinos de infecciones y hospitalizaciones, e incorporar estos nuevos flujos de información al modelado”, agregó Gardner.
PandemicLLM procesa información como los picos recientes de contagios, la aparición de nuevas variantes y la implementación de medidas de salud pública, como el uso obligatorio de mascarillas. Esto le permite razonar en lugar de simplemente calcular, proporcionando pronósticos robustos y flexibles.
Implicaciones para el futuro
“Tradicionalmente, utilizamos el pasado para predecir el futuro”, añadió el autor Hao “Frank” Yang, profesor adjunto de Ingeniería Civil y de Sistemas de Johns Hopkins. “Pero esto no proporciona al modelo suficiente información para comprender y predecir lo que está sucediendo. En cambio, este marco utiliza nuevos tipos de información en tiempo real”.
Esta adaptabilidad significa que el modelo no se limita únicamente al COVID-19, sino que puede adaptarse para predecir otras enfermedades infecciosas, como la gripe aviar, la viruela del mono y el VSR.
El equipo también planea explorar cómo los modelos de lenguaje grandes (LLMs) pueden simular los procesos de toma de decisiones de salud individuales para informar mejor las políticas de salud pública.
“Sabemos por la COVID-19 que necesitamos mejores herramientas para poder fundamentar políticas más eficaces”, añadió Gardner. “Habrá otra pandemia, y este tipo de marcos serán cruciales para apoyar la respuesta de salud pública”.
Fuente: La Universidad Johns Hopkins