Author: Josue Nina-Cuchillo
La ciencia de datos ha contribuido en el desarrollo de estrategias para mitigar el impacto de la COVID-19. En este artículo se ha hecho una breve reseña sobre los avances que se están realizando en la recopilación, interpretación, modelado, predicción, visualización y comunicación de datos para frenar el avance de la pandemia.
Procedimiento e interpretación de los coprocultivos.pdf
Ciencia datos lucha COVID
1. Aporte de la ciencia de datos a la lucha contra la COVID-19
Autor: Josue Nina-Cuchillo
ORCID ID: 0000-0002-2217-9713
Correo: josueninacuchillo @gmail.com
Data Science Research Perú
26 de octubre de 2021
La ciencia de datos ha contribuido en el desarrollo de estrategias para mitigar
el impacto de la COVID-19. En este artículo se ha hecho una breve reseña sobre
los avances que se están realizando en la recopilación, interpretación,
modelado, predicción, visualización y comunicación de datos para frenar el
avance de la pandemia.
Luego de la época de la gripe española de 1918, la pandemia causada por la COVID-19 es
la mayor crisis de salud pública a la que se está enfrentando la humanidad. A julio del 2021,
más de 219 millones de personas de todo el mundo han sido infectadas por COVID-19 y más
de 4,55 millones de personas han fallecido [1]. Debido a ello, varias organizaciones alrededor
del planeta están trabajando en conjunto para agrupar datos de diferentes fuentes, con el
propósito de facilitar su acceso para enfrentar a la enfermedad. El acceso a estos datos es
vital para que los investigadores de la salud puedan adquirir las herramientas ideales para
desarrollar respuestas de mitigación efectivas y estrategias óptimas para la lucha contra la
pandemia [2].
Por ello, las tecnologías basadas en la ciencia de datos están contribuyendo a la ciencia
médica a lograr nuevos hitos en las áreas de imágenes médicas, genética y genómica, el
descubrimiento de fármacos, la asistencia al paciente y la medicina predictiva. El auge del
Big Data ha proporcionado a los investigadores y médicos sistemas con la capacidad de
almacenar y analizar grandes cantidades de datos. Y este avance, que se ha acelerado
durante la pandemia, complementa los métodos tradicionales de recopilación de información,
que suelen ser lentos, onerosos y confusos. Las nuevas herramientas tecnológicas, que
incluyen teléfonos móviles, redes sociales y búsquedas de Google, muestran información
actual, importante y detallada sobre la salud y el comportamiento de las personas [3].
Recopilar datos precisos y comprender las limitaciones de los datos que ya se han reunido
son partes esenciales para comprender el contexto de la pandemia. Con buenos datos, los
gobiernos e instituciones de salud pueden tomar mejores decisiones [4].
2. Asimismo, el uso de las técnicas de análisis de datos adecuadas, permite que los científicos
de datos puedan desarrollar un modelado de predicción de datos, para que ingenieros
químicos, biólogos y todo personal involucrado en la salud tomen respuestas adecuadas ante
la enfermedad. Por ejemplo, al explorar las correlaciones de diversos datos obtenidos sobre
el virus en cuanto a la transferencia de masa, transferencia de energía y termodinámica
básica, se pueden implementar modelados de procesos bioquímicos, diagnósticos sobre el
avance de la enfermedad en pacientes e impulsar la medicina predictiva [5]. Del mismo modo,
el análisis de datos se está usando exitosamente para monitorear los brotes de COVID-19 en
tiempo real, pronosticar y detectar tendencias de evolución de la pandemia, siendo esto muy
útil para organizaciones de salud y la sociedad en general [6].
Por otro lado, el diseño de la información está jugando un papel fundamental en el periodo
de pandemia. La visualización eficaz de datos ayuda a las personas a comprender, en
diferentes grados y aspectos, las causas e implicaciones involucradas al nuevo coronavirus
y fomenta la responsabilidad cívica a través del autocuidado y la práctica del distanciamiento
social [7]. Por este motivo, la ciencia de datos puede también crear fuentes de información
interactivas y continuamente actualizadas, que se basen en los datos más recientes, lo que
garantiza que todo el mundo se mantenga actualizado con las últimas cifras de contagios,
fallecimientos o de personas recuperadas [4]. La visualización de datos es una excelente
manera de transformar cantidades enormes de datos en bruto en información valiosa, que
puede ayudar a las personas a obtener información a partir de datos complejos [8]. Un
ejemplo de comunicación simple y efectiva es el hashtag. La transmisión de información
mediante este conjunto de caracteres junto a una almohadilla, se ha convertido en un medio
para expresar una opinión pública de entender y compartir e influye de manera importante en
las técnicas de respuesta ante la emergencia provocada por el coronavirus [9].
Como se aprecia, durante la pandemia de la COVID-19 se ha impulsado de alguna forma, el
desarrollo de la ciencia de datos. Bajo este panorama, los gobiernos y el sector salud deben
seguir incorporando rápidamente este recurso a su sistema de análisis y diagnóstico, no solo
de enfermedades infecciosas sino de cualquier otra [10]. De esta manera, las decisiones que
tomen los gobiernos en la búsqueda de contener la propagación de la enfermedad evitarán
el colapso del sistema sanitario y se proporcionará el mayor beneficio posible a la población.
3. Referencias
[1] Universidad Johns Hopkins, “Dashboard del Centro de Ciencia e
Ingeniería de Sistemas (CSSE),” Coronavirus resource center, 2021.
https://coronavirus.jhu.edu/map.html
[2] S. Prasanna y P. Rao, “A data science perspective of real-world COVID-
19 databases,” in Leveraging Artificial Intelligence in Global Epidemics, L.
Gruenwald, J. Sarika, and G. Sven, Eds. Elsevier Inc., 2021, pp. 133–163.
[3] D. Aromí y J. Cristia, “El big data en los tiempos del coronavirus,” BID:
Ideas que cuentan, 2020. https://cutt.ly/7E99WsG.
[4] S. Callaghan, “COVID-19 Is a Data Science Issue,” Patterns, vol. 1, no. 2,
pp. 8–10, 2020, doi: 10.1016/j.patter.2020.100022.
[5] L. Chiang, B. Lu y I. Castillo, “Big Data Analytics in Chemical Engineering,”
Annu. Rev. Chem. Biomol. Eng., vol. 8, pp. 63–85, Jun. 2017, doi:
10.1146/ANNUREV-CHEMBIOENG-060816-101555.
[6] N. Saxena, P. Gupta, R. Raman y A. S. Rathore, “Role of data science in
managing COVID-19 pandemic,” Indian Chem. Eng., vol. 62, no. 4, pp.
385–395, 2020, doi: 10.1080/00194506.2020.1855085.
[7] J. R. Giannella y L. Velho, “Data visualization in the time of coronavirus,”
Strateg. Des. Res. J., vol. 14, no. 1, pp. 275–288, 2021, doi:
10.4013/sdrj.2021.141.23.
[8] M. F. Pang et al., “Spatiotemporal visualization for the global COVID-19
surveillance by balloon chart,” Infect. Dis. Poverty, vol. 10, no. 1, pp. 1–9,
2021, doi: 10.1186/s40249-021-00800-z.
[9] Á. E. Páez y C. A. Solano, “Tendencias en la opinión pública en torno al
hashtag #Coronavirus,” Question, vol. 68, no. 3, pp. 488–515, 2021, doi:
10.24215/16696581e533.
[10] J. E. Márquez, “Inteligencia Artificial y Big Data como soluciones frente al
COVID-19,” Rev. Bioética y Derecho, no. 50, pp. 315–331, 2020, doi:
10.1344/rbd2020.50.31643.