El estado de contingencia global ha llevado a que investigadores en diferentes campos intenten aportar desde sus conocimientos para prevenir, mitigar y detectar los efectos del COVID-19. En este artículo ponemos en conocimiento diferentes aplicaciones en el campo de la visión por computador y la inteligencia artificial para contrarrestar los efectos generados por el virus.
Desde que se generó la contingencia global debido al COVID-19, investigadores de diferentes ramas han intentado aportar con sus conocimientos para encontrar medidas de prevención, mitigación, detección y respuesta ante el virus con el fin de contrarrestar sus efectos. En los últimos días, se ha hablado de que las vacunas diseñadas por diferentes compañías y países entraron satisfactoriamente en la última fase de pruebas, lo que genera esperanza en la población global, no obstante, y como lo menciona el médico epidemiólogo Luis Jorge Hernández (Semana, 2020), las herramientas de prevención y mitigación (uso de tapabocas, distanciamiento social y lavado de manos) son fundamentales a la hora de contener el virus, incluso después de haber superado los picos y una vez llegada la vacuna, pueda ser suministrada a gran parte de la población y el virus ya no represente un riesgo mayor.
De acuerdo con la organización de las naciones unidas para la reducción de desastres, UNDRO (United Nations Disaster Relief Organization), la amenaza es la probabilidad de ocurrencia de una situación que puede llegar a ser peligrosa en cierto periodo de tiempo o lugar; la vulnerabilidad se define como el grado de pérdida para un individuo o grupo de individuos resultado de la ocurrencia del posible suceso y, finalmente, el riesgo, es el número de pérdidas esperado debido a este fenómeno (UNDRO, 1979). Teniendo en cuenta este panorama, adicionalmente al desarrollo de la vacuna y de los posibles tratamientos para contrarrestar los efectos físicos que conlleva el virus, es importante generar aplicaciones que permitan contener la amenaza, reducir la vulnerabilidad y, por lo tanto, disminuir el riesgo al que globalmente nos encontramos expuestos.
En el caso de la visión por computador y la inteligencia artificial, existen una gran cantidad de artículos investigativos, algunos sometidos a revisión por la comunidad científica, otros no, que han sido publicados con el fin de alivianar los problemas generados por la contingencia. Este artículo pone en conocimiento aplicaciones generadas tanto para la prevención y mitigación como para la detección y respuesta ante el virus en este campo de estudio.
Aplicaciones para la prevención y mitigación del Covid-19
Cuando se habla de la gestión de desastres, las etapas de prevención y mitigación se refieren a las medidas adoptadas para disminuir la amenaza, advertir la exposición al riesgo y evitar la aparición de nuevos riesgos para de esta forma reducir la vulnerabilidad de las personas (mincultura). En este sentido se destacan algunas aplicaciones que utilizan algoritmos de visión por computador y aprendizaje de máquina:
- Predicción de las probabilidades de contagio y de presentar síntomas asociados al virus: Estadísticamente es posible determinar el riesgo de contagio si se tiene en cuenta variables como la edad, las condiciones pre-existentes, hábitos de higiene, hábitos sociales, número de interacciones humanas, localización y clima, frecuencia de las interacciones y capacidad socioeconómica (Schmitt, 2020). Con estas variables es posible construir un indicador de vulnerabilidad por medio de algoritmos de aprendizaje de máquina teniendo en cuenta factores de riesgo como la edad y algunas comorbilidades presentes en las personas (DeCaprio, y otros, 2020).
- Análisis de imágenes térmicas: Uno de los efectos físicos causados por el virus en algunos pacientes es el aumento de temperatura generado por la fiebre, razón por la que mediante el uso de cámaras térmicas de alta resolución que capturan imágenes infrarrojas en espacios grandes como aeropuertos o centros comerciales son capaces de determinar la temperatura de los individuos (Premio, 2020). Esta tecnología es aún motivo de estudio, teniendo en cuenta que estas cámaras pueden llegar a dar una medida precisa de la temperatura de la piel, sin embargo, esta no es igual a la temperatura corporal (Roxby, 2020).
- Indicador de distancia entre las personas: Entre las medidas de prevención más eficaces para reducir el riesgo de transmisión del virus, se destaca el distanciamiento social de al menos 2 m entre las personas (Khandelwal, y otros). Ante esta situación, algunos estudios se han enfocado en utilizar los sistemas de CCTV para medir esta distancia y de este modo brindar seguridad a las personas especialmente en espacios cerrados (Khandelwal, y otros) (Yang, Yurtsever, Renganathan, Redmill, & Özgüner, 2020).
- Detección del uso correcto de tapabocas: De acuerdo con la evidencia actual este virus se transmite entre las personas a través de la vía respiratoria por medio de gotas de saliva, generadas cuando hablamos, tosemos o estornudamos, entre otras actividades. Ante este contexto, una de las medidas de protección recomendadas por la OMS es el uso del tapabocas en zonas públicas, por trabajadores de la salud y por personas mayores o con comorbilidades (Organization, 2020), sin olvidar las demás medidas de protección (no tocarse la cara, mantener la respectiva distancia, lavarse las manos constantemente, entre otros). Siguiendo estos lineamientos algunos estudios proponen la detección del uso de tapabocas por medio de algoritmos de aprendizaje profundo con el fin de detectar posibles amenazas en zonas públicas, transportes comunes, hospitales, industrias, etc., (Loey, Manogaran, Taha, & Khalifa, 2020) (Khandelwal, y otros).
Aplicaciones para la detección del Covid-19 y respuesta ante el riesgo
Este tipo de aplicaciones buscan detectar si una persona se encuentra contagiada, así como generar un posible campo de acción para contrarrestar sus efectos. Entre estas se encuentran:
- Análisis de imágenes tomográficas computarizadas (CT) y de rayos X: Las imágenes tomográficas utilizan rayos-X para examinar posibles anormalidades y constituye uno de los métodos utilizados para determinar si un paciente está contagiado de forma rápida, indolora y no invasiva. Varias investigaciones demuestran que es posible detectar la presencia de Coronavirus en CTs de los pulmones, diferenciarla de otro tipo de neumonía y obtener resultados similares a los obtenidos por radiólogos expertos (Li, y otros, 2020) (Chen, y otros, 2020) (Ulhaq, Khan, Gomes, & Paul, 2020).
- Apoyo en el entendimiento del virus: Desde el punto de vista molecular la inteligencia artificial se ha utilizado para ampliar los conocimientos respecto a las proteínas involucradas en la infección generada por el virus, por ejemplo, ayudando a predecir la distancia y distribución de ángulos de los aminoácidos que conforman las proteínas y de esta forma determinar la estructura de estas. Así mismo, existen algunos estudios que utilizan el aprendizaje de máquina para predecir la clasificación taxonómica de los virus basándose en su secuencia genómica (Bullock, Luccioni, Pham, Lam, & Luengo-Oroz).
Conclusiones
Es claro que la contingencia global generada desde finales del año pasado ha causado que los científicos del mundo unan esfuerzos en todos los frentes para prevenir, mitigar y detectar los efectos del virus. En el campo de la visión por computador se han creado diferentes aplicaciones en ese ámbito, que incluyen estudios para ayudar a mantener las medidas de prevención sugeridas por la Organización Mundial de la Salud a incluso detectar el virus y generar posibles soluciones. Estos avances servirán no sólo para enfrentar la situación actual sino también como experiencia para afrontar futuros riesgos de forma efectiva.
Maria Ximena Bastidas Rodríguez.
Bibliografía
Bullock, J., Luccioni, A., Pham, K. H., Lam, C. S., & Luengo-Oroz, M. (s.f.). Mapping the landscape of Artificial Intelligence applications against COVID-19. arxiv:2003.11336.
Chen, J., Wu, L., Zhang, J., Zhang, L., Gong, D., Zhao, Y., . . . Yu, H. (2020). Deep learning-based model for detecting 2019 novel coronavirus pneumonia on high-resolution computed tomography: a prospective study. https://www.medrxiv.org/content/10.1101/2020.02.25.20021568v2.
DeCaprio, D., Gartner, J., Burgess, C. J., Garcia, K., Kothari, S., & Sayed, S. (2020). Building a COVID-19 Vulnerability. https://arxiv.org/pdf/2003.07347.pdf.
Khandelwal, P., Khandelwal, A., Agarwal, S., Thomas, D., Xavier, N., & Raghuraman, A. (s.f.). Using Computer Vision to enhance Safety of Workforce in Manufacturing in a Post COVID World. arXiv:2005.05287.
Li, L., Qin, L., Xu, Z., Yin, Y., Wang, X., Kong, B., . . . Xia, J. (2020). Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT . Radiology.
Loey, M., Manogaran, G., Taha, M. H., & Khalifa, N. E. (2020). A hybrid deep transfer learning model with machine learning methods for face mask detection in the era of the COVID-19 pandemic. Measurement, 167.
mincultura. (s.f.). La gestión del riesgo de desastres. Bogotá: https://www.mincultura.gov.co/ministerio/viceministro/prevencion/Paginas/la-gestion-del-riesgo-de-desastres.aspx.
Olson, P. (2020). Facial Recognition’s Next Big Play: the. Wall Street Journal.
Organization, W. H. (2020). Advice on the use of masks in the context of COVID-19 . World Health Organization Interim guidance.
Premio, D. S. (2020). Thermal Detection: How Computer Vision Could Help Curve the Coronavirus Pandemic. https://www.computer.org/publications/tech-news/covid19-research/thermal-detection.
Roxby, P. (2020). Can thermal cameras help spot coronavirus? BBC news, https://www.bbc.com/news/health-52940951.
Schmitt, M. (2020). How to fight COVID-19 with machine learning. https://www.datarevenue.com/en-blog/machine-learning-covid-19.
Semana, R. (4 de Agosto de 2020). Primer pico de la pandemia en Bogotá: qué significa y cuándo vendrá el siguiente. Revista Semana.
Ulhaq, A., Khan, A., Gomes, D., & Paul, M. (2020). COMPUTER VISION FOR COVID-19 CONTROL: A SURVEY. arXiv:2004.09420.
UNDRO. (1979). Natural Disasters and Vulnerability Analysis.
Yang, D., Yurtsever, E., Renganathan, V., Redmill, K. A., & Özgüner, Ü. (2020). A Vision-based Social Distancing and Critical Density Detection System for COVID-19. arXiv:2007.03578.
