23
Jul
2019

Sistemas de Inteligencia Artificial para prevenir epidemias

Con el afán de eliminar la brecha existente entre el sistema público de salud y la innovación tecnológica, Rainier Mallol ha logrado crear una Inteligencia Artificial basada en big data capaz de predecir dónde surgirán los próximos brotes de enfermedades mortales. Descubre a continuación su trayectoria como innovador social.

Rainier, has creado AIME, una plataforma que utiliza la Inteligencia Artificial para predecir dónde surgirán los próximos brotes de dengue, Zika y Chikungunya. ¿De dónde surge la idea y cómo funciona?

Soy proveniente de la República Dominicana, nací y fui educado hasta mi carrera de grado, en Santo Domingo. La realidad de mi país es muy similar a otros de la región de Latinoamérica: los ciudadanos se encuentran en una amenaza constante tanto de gobiernos llenos de una corrupción infecciosa y ordinaria, como también de organizaciones privadas que monopolizan mercados y bloquean competencias. Este tipo de instituciones no democráticas resultan en una incertidumbre masiva en las clases sociales, despojándola de derechos que el estado obvia, y de un mercado desigualado.

Debido a esta situación, no sólo poseemos un enorme índice de desempleo, un sistema eléctrico malo y deficiente, gobernado por el sector privado, sistemas de transportes paupérrimos, y sobre todo, un sistema de salud sin fondos suficientes para albergar y proteger la salud de nuestras ciudades. Desde que era niño, fui no tanto afectado por la falta de este sistema de salud, pero crecí con infinitos casos e historias de familiares cercanos y amigos que caían víctimas de estas fallas. Unos iban a hospitales donde no había ni recursos médicos ni agua, otros contraían enfermedades infecciosas como dengue, y otros se iban al extranjero a recibir un trato médico apropiado.

Mi familia siempre inculcó en mí conocimientos médicos. Mi madre, quien fue que me crió a causa de un padre difunto, es dermatóloga. Crecí viendo diapositivas de casos médicos, de moretones, quemaduras, uñas hundidas y dermatitis seborreicas. Sin embargo, tiene valor señalar que, en República Dominicana, ser médico conlleva tener vocación: a diferencia de otros países, los médicos en mi país se ven gravemente afectados por nuestro sistema de salud, ya que reciben un sueldo nada equivalente a sus estudios, esfuerzos y trabajos. Razón por la cual, mi madre siempre me exhortó a no estudiar medicina, y así fue.

Realmente, no soy ajeno a la realidad de mi país. Me duele ver a otros dominicanos vivir en las condiciones que tenemos gracias a la avaricia de nuestros gobernantes y empresarios. Sufro al ver estadísticas de niños muriendo por enfermedades, y detesto las consecuencias ya incluso en nuestra cultura, de tantos años bajo gobernantes que no son líderes.

Justo dos meses antes de acabar mi carrera de grado en Ingeniería Telemática en la PUCMM, 4 otros estudiantes y yo creamos una empresa de consultoría de tecnología. Además de tener clientes para fines de lucro, también tuvimos clientes para fines de impacto social, donde aportábamos nuestro conocimiento a emprendedores sociales que no tenían habilidades tecnológicas. Nuestra idea era, en ese entonces, poder contribuir haciendo lo que mejor hacíamos: desarrollar tecnologías.

Con ese emprendimiento, con mi deseo de hacer un cambio social y con mis conocimientos en el área de la computación, apliqué a la NASA, específicamente a Singularity University (SU) en el 2014, para la clase del 2015.

En SU, que buscaba reunir 80 personas de alrededor del mundo para mostrarles tecnologías de punta junto a problemas sociales de gran envergadura, conocí a la persona que hoy en día es mi socio fundador, un médico y PhD en Salud Pública de Malasia llamado Dhesi Baha Raja.

En el primer día de clases Dhesi me preguntó sobre cual enfermedad es común en mi país, y le comenté que el Dengue (recién llegando a la NASA recibí noticias de una prima que lo contrajo), y me explicó las causas por la que el dengue aún existe hoy en día y en tantas naciones de LATAM y del Sureste Asiático: cuando los oficiales de Salud Pública no saben ni donde ni cuando ocurrirán el próximo brote de dengue, toman decisiones sin bases suficientes, invirtiendo recursos casi a ciegas, recursos que siempre son limitados.

Luego de conocer esta causa, casi inmediatamente le hice una pregunta que ha marcado todos los días siguientes de mi vida: ¿Qué tal si hacemos un sistema que pueda predecir los brotes dengue con meses de antelación? La razón por la que me interesé en el tema se debió a que por fin pude visualizar una manera clara en la que podría contribuir directamente a mi país, incluso el mundo. Por primera vez pude conceptualizar algo que actuaría e impactaría independientemente de la corrupción, de clases sociales y de problemas pasados.

¿Cómo funciona?

Creamos una “Inteligencia Artificial” (IA), usando Machine Learning o “Aprendizaje de Máquinas”, la cual identifica patrones y crea modelos matemáticos basados en data del pasado.
Este tipo de Inteligencia aprende justo como lo hacen los niños: a prueba, error y corrección. A diferencia de un humano, una IA no se ve afectada por fatiga mental, por cansancio, por factores biológicos o por sobrecarga de información. De esta misma forma, los IA son buenos para automatizar tareas monótonas, repetitivas, y no son capaces de hacer o aprender de cosas fuera de la data que sus creadores le proveen.

Con nuestra primera plataforma, decidimos crear una IA capaz de predecir los brotes de dengue, con la finalidad de asistir a oficiales y médicos del sector de salud pública, para que con esta herramienta puedan tomar decisiones con base y con tiempo.

El algoritmo es capaz de localizar en un radio de 400km las próximas ubicaciones donde habrá brotes, por lo que es una herramienta sumamente visual e intuitiva.
Para el desarrollo del algoritmo, en el prototipo inicial que realizamos mi socio y yo, incluimos más de 500 variables por caso o persona infectada, con una precisión de hasta 84% (de cada 100 predicciones, 84 se vuelven realidad). Luego, con la ayuda de un equipo que fuimos formando de manera de lo que fue necesario, mejoramos el algoritmo, y usa 276 variables y aprende por si sólo, actualmente con una precisión de hasta 88%.

A diferencia de un modelo estadístico, la IA nos permite utilizar de forma agnóstica un gran número de variables, sin complicar de gran forma el proceso de desarrollo.

Nuestro IA usa variables climáticas (como dirección del viento, temperaturas), socioeconómicas (como salario promedio, demografías, tipos de casas), geográficas (alturas, lagos) y epidemiológicas (sobre el mosquito y la enfermedad).

¿Qué algoritmos utiliza para alcanzar una eficiencia de un 88%?

Creamos un algoritmo propio, en las que en una parte del aprendizaje utiliza Redes Neuronales y en otras Redes Bayesian.

Habiendo dicho esto, algo sumamente nuevo en compañías y proyectos de IA es la forma en que nosotros recopilamos toda la data necesaria para las predicciones. Por ejemplo, necesitamos data climática como temperatura máxima, y datas socioeconómicas relacionadas a la demografía de una zona, por mencionar dos ejemplos de muchos.

El problema fundamental de cualquier proyecto de Ciencia de Datos (la rama de las Ciencias de la Computación de donde la IA proviene) es la accesibilidad de la data, y el continuo acceso a la misma. En otras palabras, podemos tener ideas grandiosas que pueden resolver un problema utilizando la IA, pero si no poseemos data para poder entrenar una IA, no podremos hacerlo.

Por esta razón, creamos un sub-sistema el cual llamamos REDINT (Remote Data Input Interface), el cual es un “bot” que por cada caso (un paciente que fue diagnosticado con Zika, por ejemplo) busca en fuentes externas como el Banco Mundial o Weather.com la data que necesitamos. Esta “búsquedas” se hacen a través de “API”, que son accesos que distintas fuentes dan para que terceros puedan consumir sus datos. De esta forma, por cada caso que llegue a nuestro sistema, el bot REDINT se encarga de obtener toda la data relevante.

Es importante mencionar, como obtenemos la data de los casos de la enfermedad, y es aquí donde tenemos que salir de lo tecnológico, e ir a la parte más humana: donde conversamos con Directivos, Ministros de Salud, Presidentes y Premieres, no sólo para implementar la tecnología y obtener acceso a una data que puede revolucionar como se trata la Salud Pública para sus constituyentes, pero también para cambiar la actitud de servidores públicos sobre la IA. De estas formas, nuestros modelos de Inteligencia Artificial obtienen la data que necesitan, haciendo predicciones y mejorando con cada una de ellas.

Es algo revolucionario y que puede salvar muchas vidas. ¿Cómo se mapean los virus?

Cada enfermedad es distinta. Inicialmente, nos enfocamos en enfermedades transmitidas por vectores (un mosquito es un vector, por ejemplo), y estas tienen un agente extra a diferencia de enfermedades como tuberculosis, que se transmite de humano a humano.

Es por esa razón fundamental que nuestro equipo consiste no sólo de ingenieros y científicos de data, pero también de médicos y especialistas en Salud Pública.

Para poder realmente hacer un cambio en nuestros sistemas de salud, es imprescindible conocerlos, y cuando hablamos de Salud Pública, es sumamente importante conocer las enfermedades, los agentes que la propagan, y la velocidad en que lo hacen, por mencionar algunos puntos de interés.

Gracias a esta inclusión, podemos proceder con seguridad y conocimiento, creando plataformas que sí se ajustan a las necesidades, pero con repercusiones positivas en otras áreas. Por ejemplo, cuando implementamos en Malasia, las autoridades de Salud habían obtenido unos fondos del gobierno federal para un proyecto que consistía en el mapeo de todos los casos de dengue de 3 años atrás, del 2014. Ya tenían 4 meses trabajando en el proyecto cuando nosotros llegamos, y con una herramienta de la plataforma pudieron mapear todos los casos en cuestión de minutos.

Cuando realmente conocen un sistema, los ingenieros pueden crear soluciones en múltiples aspectos del sistema, por lo que nuestro equipo conformado por médicos e ingenieros está sumamente armado con el conocimiento para identificar puntos de falla, y para solucionarlos.

¿Normalmente, cuánto puede ahorrar un sistema sanitario nacional con este sistema?

Actualmente estamos en el proceso de investigación para justamente determinar el porcentaje de ahorro correcto gracias a nuestras implementaciones, tanto en vidas salvadas, horas de trabajo no perdidas y en ahorro de dinero.

De forma empírica, dos meses luego de nuestra implementación en Malasia, los brotes de dengue fueron reducidos en un 52%, evitando así que niños y adultos sean infectados, que conlleva a menos muertes, menos horas de trabajo perdidas, y menos inversión a futuro.

Gobiernos han adoptado la tecnología a nivel nacional en sus programas de salud. ¿Puedes compartir algunos datos de casos de éxito y cuántas personas se benefician ya de la plataforma?

Hemos implementado la tecnología en el todo territorio nacional de Malasia, en el estado de Rio de Janeiro en Brasil, y en la capital de Las Filipinas, Manila.

Actualmente, se benefician más de 30 millones de personas a nivel anual, y es un número que tenemos proyectado duplicar en los próximos 9 meses.
Con reducciones de brotes en ocasiones de más del 50%, con personal del gobierno mucho más eficiente y productivo, y con comunidades más sanas, realmente estamos en regocijo que aquello que empezó con una pregunta, hoy esté creando un cambio real.

Eres una persona joven y emprendedora. ¿Cómo ha sido el camino desde República Dominicana para desarrollar tu investigación?

La realidad es que el camino ha sido arduo, con altibajos y difícil. La parte más ardua no es la técnica, ingenieril o científica, sino la parte en que tenemos que lidiar con burocracias del más alto nivel, con implementaciones que toman años para poder empezar.

Algo por lo que me siento muy afortunado, es que este emprendimiento me ha permitido conocer culturas sumamente distintas. Esto me ha permitido romper muchos estereotipos, confirmar rotundamente otros, y conocer el pasado que conllevo al presente de diversas naciones y regiones. En el primer cuarto del año puedo estar en negociaciones con inversionistas japoneses en Singapur, y en el subsiguiente dando una charla al Banco Interamericano de Desarrollo en Barranquilla.

En cada ciudad y país, viviendo la cultura local, comiendo los platos de su gastronomía, adaptándome a sus formas de trabajo, y, sobre todo, liderando mi proyecto, tratando de impactar positivamente la vida de millones de personas más.

¿Qué ha significado para ti ser premiado por el MIT como uno de las 35 Innovadores de Latinoamérica menores de 35 años?

Cuando eres una persona joven, y sobre todo de una región no reconocida en tecnología, existe doble discriminación. Personas no creen en ti primero porque tu cara luce muy joven, y segundo porque no saben cómo llegaste a donde estás. Planeamos que esto sucediera, ya que incluso he vivido la discriminación juvenil en mi propio país, pero de forma exponencial, mucho más acentuada.

Logros como el MIT Innovadores menores de 35, nos ayudan enormemente, ya que nuestros nombres y nuestra marca pasa a ser de algo poco conocido a algo que una marca sumamente valiosa respalda. En nuestras presentaciones, colocamos nuestros logros y reconocimientos al inicio, donde hemos concretado que realmente cambia la perspectiva de nuestros espectadores, y así la discriminación ante nuestra juventud u origen.

Incluso, es gracias a reconocimientos como el de MIT, Harvard, la Fundación Clinton, la ONU, la OEA y Forbes que personas confiaban en nosotros en momentos iniciales del emprendimiento.

¿En tu opinión, qué retos afrontan las nuevas tecnologías en el terreno de la innovación en salud y la medicina?

El reto fundamental, basado en mi experiencia, no es tecnológico, es humano.
En el área de la salud, es un fenómeno mundial encontrarse a médicos con una actitud bloqueadora frente a innovaciones fuera del ámbito de dispositivos médicos.

Esta actitud, la cual se debe manejar de manera apropiada, limita el avance científico, pruebas y pilotos de tecnologías, y desincentiva a aquellas personas que realmente quieren hacer un cambio.
Luego de que se mejore esta actitud, entonces otros retos saldrán a la luz, pero antes debemos reconocer que otros tienen la capacidad de hacer un cambio positivo, que, aunque no los hacen tan expertos, los hace agentes de cambio.

¿Cuáles son las metas y los próximos pasos de tu trabajo?

Actualmente, estamos en proceso de expandir nuestras habilidades, a diversificarnos a otros sectores para el bien social.
Tenemos pensado crear una nueva empresa, que sea padre de AIME y de otras que se enfoquen en cada uno de los Objetivos del Desarrollo Sostenible. Ya tenemos en I+D innovaciones en los campos de agricultura, seguridad ciudadana, y de manejo de Impacto (para ONG), con miras a futuro a soluciones relacionadas a energía, justicia y ciudades inteligentes.

Nuestra idea es llamar aquella compañía padre “AI4GOOD”, o “Inteligencia Artificial para el Bien [Social]”, y queremos que sea el “Google” de soluciones de impacto con tecnología.

Define en una frase la esencia de tu trabajo y tu investigación.

Nuestra aspiración es eliminar la gran brecha entre la Innovación Tecnológica y la Salud Pública.

Responder