El verdadero discípulo es el que supera al maestro. – Aristóteles.
En unos meses cumpliré 25 años como docente de la UJA, un largo periodo de tiempo durante el que han pasado cientos de estudiantes por mis clases, en diferentes asignaturas de varias titulaciones, másteres y doctorado. Y, sin lugar a dudas, la mayoría de ellos me han superado, y me alegro de veras.
Como ejemplo, Cristina a la que, por mi amistad con su padre, conocí mucho antes de ser mi alumna. Brillante y con ese puntito especial que tienen las personas excepcionales, el otro día hizo el siguiente comentario en las redes sociales a raíz de otra publicación en este blog:
En nuestro grupo de investigación tenemos experiencia en desarrollar herramientas diagnósticas, mediante el uso de abordajes matemáticos y computacionales, como lo han sido un sistema de detección precoz de esclerosis múltiple y otro de receptividad endometrial, ambos a partir de datos biomédicos. El machine learning o “aprendizaje máquina”, forma parte de los procedimientos de análisis que utilizamos. Se basa en el uso de algoritmos de inteligencia artificial que “aprenden” a partir de conjuntos de datos; es decir, son capaces de identificar patrones muy complejos en las variables de estudio (por ejemplo, relación entre la expresión de miles de genes y el desarrollo de enfermedades) que son difíciles de encontrar por otros medios.
En relación al coronavirus SARS-CoV-2, aún no se disponen de datos clínicos y moleculares suficientes como para aplicar estas técnicas y demostrar su posible utilidad, al menos para mi conocimiento. Sin embargo, aprovechando que ayer el Instituto de Salud Carlos III publicó los datos diarios de casos detectados, hospitalizados, en UCI y fallecidos, desde el 20 de febrero al 25 de marzo, y aun con las limitaciones de su análisis con este tipo de algoritmos, hemos realizado un breve estudio de predicción de fallecidos por CoVID-19 a un día. Es decir, si pueden ser útiles para predecir los fallecidos el 26 de marzo sabiendo los fallecidos hasta el 25 de marzo.
Utilizando la aplicación Forecast, en el software Weka, que incluye el algoritmo tipo red neuronal (de machine learning) MultilayerPerceptron, hemos obtenido la predicción a un día del número de pacientes en UCI y de fallecidos, resultados que pueden apreciarse en la gráfica siguiente. El número de fallecidos que se predice es de 762, con un error absoluto medio de 6 personas. Si lo comparamos con 769, que es el número de fallecidos en las últimas 24 horas (ver aquí o aquí), observamos que estos procedimientos pueden ser de utilidad, siempre con las limitaciones propias del número y tipo de datos, y de los modelos.
Gracias, Cristina, por tu acertada propuesta de análisis y te animo a que incluyas las herramientas de machine learning entre las otras muchas computacionales que ya sé que dominas.
Y, desde aquí, hacemos público nuestro más sentido pésame a todas las personas que han perdido a un ser querido en estas terribles y dolorosas circunstancias. Lo lamentamos de veras y haremos todo lo posible por seguir transformando la ciencia en valor social.
