Lucha contra el Covid-19

La Universidad de la Coruña publica los resultados de sus proyectos de inteligencia artificial

Sanidad aboga por mantener la mascarilla obligatoria en el transporte público

Matemáticas al servicio de la gestión sanitaria

inteligencia artificial
Ricardo Cao, Salvador Naya, Manuel García Penedo y José Santos.

Fact checked

×

Este artículo de OkSalud ha sido verificado para garantizar la mayor precisión y veracidad posible: se incluyen, en su mayoría, estudios médicos, enlaces a medios acreditados en la temática y se menciona a instituciones académicas de investigación. Todo el contenido de OkSalud está revisado pero, si consideras que es dudoso, inexacto u obsoleto, puedes contactarnos para poder realizar las posibles modificaciones pertinentes.

El CITIC de la Universidad de la Coruña ha presentado los resultados de dos proyectos de investigación con base en la Inteligencia Artificial (IA) para luchar contra el impacto en la salud de la Covid-19. Se trata del programa sobre Ciencia e ingeniería de datos para evaluación, predicción poblacional y personalizada de la evolución de la enfermedad (CEDCOVID), dirigido por Ricardo Cao Abad y Manuel F. González Penedo; y del que estudia la predicción de la estructura de proteínas de SARS-CoV-2 con técnicas de IA, liderazgo por José Santos Reyes. Financiados por la Agencia Gallega de Innovación con 336.895 euros con cargo a fondos FEDER y con el apoyo de la Vicepresidencia Primera y Consellería de Economía, Industria e Innovación, ponen en valor a funcionalidad de las Tecnologías de la Información y de la Comunicación (TIC) al servicio de la mejora integral de la salud.

Matemáticas al servicio de la gestión sanitaria

Las líneas de investigación del proyecto Ciencia e Ingeniería de datos para la evaluación, predicción poblacional y personalizada de la evolución de la enfermedad Covid (CEDCOVID, IN845D2020/26) abordaron diversos objetivos, entre los que se destacan: Se analizó la duración del tiempo de hospitalización, así como el tiempo de estancia en UCI de algo más de 10.000 pacientes gallegos de Covid-19 al inicio de la pandemia, y la influencia de la edad, el sexo y algunas otras variables clínicas en dichos tiempos. Como consecuencia, se construyó un modelo que permite predecir la congestión hospitalaria y en UCI del sistema sanitario gallego para las diferentes árelas sanitarias.

Se realizó a implementación de un sistema web de visualización avanzada de datos y de su proceso de extracción, transformación y carga. Se crearon modelos de aprendizaje automático para predecir si los pacientes diagnosticados con Covid precisan diferentes niveles de asistencia hospitalaria (ingreso hospitalario en planta o ingreso en la unidad de cuidados intensivos) durante lo curso de su enfermedad, utilizando solo datos demográficos y clínicos. Se estudió además la eficacia de las intervenciones no farmacológicas en nueve campos de actividad para disminuir la transmisión del SARS-CoV-2 en España en el período septiembre de 2020 -mayo de 2021.

Se analizó también el impacto de la vacunación sobre el incidente de la Covid-19 en España. Para eso, se formularon modelos estadísticos para explicar el número de pacientes hospitalizados en función del incidente acumulado de Covid-19 y el porcentaje de población vacunada.

Se puso en marcha una infraestructura de Internet de las Cosas en la que se reciben datos de sensores ambientales, sensores industriales y de sistemas fotovoltaicos. En el transcurso del proyecto se llevaron a cabo tareas de análisis descriptivo y visualización de los datos correspondientes a los niveles de CO2 en las aulas durante las ABAU 2021 y 2022. Se realizaron simulaciones virtuales para contornos de especial interés (como residencias, supermercados, locales de ocio o hostelería) con el objetivo de cuantificar la probabilidad de contagio.

Se desarrolló un modelo para la estimación de las frecuencias de las  variantes de virus SARS- CoV-2 presentes en muestras de aguas residuales a partir de las frecuencias de mutaciones de interés.

Búsqueda de nuevos fármacos gracias al conocimiento tridimensional de las proteínas El objetivo del proyecto Predicción de la estructura de proteínas de SARS-CoV-2 con técnicas de IA fue a utilizar diferentes métodos de inteligencia artificial para predecir la estructura de los diferentes componentes proteicos de SARS-CoV-2. La importancia del conocimiento de la estructura tridimensional de una proteína provee del hecho de que la estructura determina su función y su interacción con otros componentes moleculares.

Por eso, se centró el esfuerzo en componentes proteicos cuya estructura no fue determinada con métodos de laboratorio estandarizados. En estas proteínas es necesaria la predicción por ordenador, para predecir cuál es la posición espacial de cada me lo ato y de cada aminoácido de la proteína concreta, como es el caso de proteínas “no estructurales” que intervienen en el proceso de replicación del virus.

Con el proyecto del CITIC se mejoró la resolución atómica en diferentes componentes proteicos en los que se dispone de un modelo inicial estructural. El objetivo fue a proveer la mayor resolución y fiabilidad posibles en las estructuras tridimensionales de las proteínas, para su uso en la búsqueda computacional mediante busca de posibles medicamentos.

Lo último en OkSalud

Últimas noticias