Notas

Según LaRazón.cl, un equipo de ingenieros chilenos desarrolló una tecnología capaz de predecir la cantidad de camas ocupadas en Unidades de Cuidados Intensivos (UCI) para anticipar la demanda durante los días más críticos de la pandemia. El modelo ha llegado a la semifinal de un premio que es referencia en soluciones tecnológicas innovadoras en el mundo.

“En Chile, la primera ola de COVID-19 manifestó un crecimiento muy abrupto a mediados de mayo [2020]. En la comunidad científica ya existía un par de modelos que permitían simular la progresión de la pandemia, pero se identificó que faltaban herramientas específicas para gestionar la disponibilidad de camas críticas”, cuenta a Sputnik el ingeniero Marcel Goic, de la Universidad de Chile, y uno de los autores del modelo predictivo.

Los investigadores Universidad de Chile, del Departamento de Ingeniería Industrial y del Instituto Sistemas Complejos de Ingeniería-ISCI se dedicaron, en la etapa más crítica de la pandemia de COVID-19, a crear un sistema de predicción de uso de camas UCI para que los centros hospitalarios del país pudieran adelantarse a los momentos de mayor ocupación cuando aumentan los contagios.

La iniciativa, que tuvo justamente como objetivo apoyar la gestión de camas críticas en los días más difíciles de la pandemia, además de favorecer la toma de medidas preventivas a nivel nacional, fue desarrollada en conjunto por los egresados de ingeniería Mirko Bozanic-Leal y Magdalena Badal, y los académicos Marcel Goic y Leonardo Basso, director del ISCI.

Efectivamente el acelerado aumento de contagios por COVID-19, producido en el mes de mayo de 2020, puso en peligro la capacidad de respuesta de la red hospitalaria chilena, debido a todos los nuevos casos que iban entrando en el sistema de salud.

Fue frente a esta potencial crisis sanitaria que se le solicitó con urgencia al ISCI la posibilidad de que generara una herramienta de predicción sobre la utilización de camas UCI, con un rango de pronóstico en el tiempo de una y dos semanas en las regiones con más altas tasas de contagio.

Para entonces el ISCI ya estaba trabajando en métodos analíticos relacionadas con la movilidad en cuarentena y participaba en la mesa de datos convocada por el Ministerio de Ciencia, por tanto, el equipo de investigadores del ISCI junto al de Ingeniería Industrial respondió con rapidez al requerimiento, entregando en menos de 48 horas el primer reporte.

Estos informes se entregaron durante varias semanas, de tal forma que cada dos días se pudiera emitir la información con una estimación del requerimiento de camas críticas para cada región del país. Esto se hizo en forma periódica hasta que disminuyó de manera significativa la utilización de camas UCI.

Este modelo predictivo hoy figura como uno de los trabajos semifinalistas del Innovative Applications in Analytics Award, impulsado por la Analitycs Society of INFORMS, Kinaxis y Adelphi University. La finalidad del premio es reconocer el uso creativo y único de la combinación de técnicas analíticas de alto impacto, que tengan una aplicación poco usual y que entreguen información relevante o de valor con su resultado.

Goic relata que llegaron a ser semifinalistas de la edición 2020 tras enviar un resumen de su trabajo junto con los resultados, y que “un comité de expertos evaluó que la aplicación era un buen ejemplo en cómo se puede usar el análisis de datos para generar apoyo oportuno a decisiones relevantes. Recientemente presentamos el resultado más extensamente para la evaluación de la próxima etapa”, aclara.

El académico considera que este reconocimiento, particularmente para dos jóvenes ingenieros, Mirko Bozanic-Leal y Magdalena Badal, permite afianzar el entusiasmo por el desarrollo de herramientas de análisis que permitan impactos tangibles.

“Desde un punto de vista más general, considero positivo que las comunidades científicas tengan estos reconocimientos porque permiten a todos sus miembros conocer mejor las aplicaciones que distintos investigadores están desarrollando en dominios muy diferentes”, opina.

Una de las distinciones que conlleva este premio es poder presentar la investigación en el INFORMS Annual Meeting, una de las conferencias más importante en Business Analytics & Operations Research que se realiza en Estados Unidos, y que por contingencia sanitaria se realizaría de manera virtual.

Distinción que se produce en momentos en que en Chile hay un 90% de las camas críticas están ocupadas, y que para el ingeniero:

“Al igual que en la ola anterior, los pronósticos del modelo permiten a las autoridades tener un mejor panorama de cuántas camas se requerirán en los próximos días permitiendo una mejor gestión de la capacidad”.

¿Cómo funciona el modelo de predicción?

El equipo de ingenieros, en su método para anticipar la demanda, se centró en que aún con información incompleta es posible usar herramientas avanzadas de análisis de datos para apoyar decisiones urgentes.

Instrumentos como Modelos Epidemiológicos, de Machine Learning (ML), es decir un programa de datos, que identifica patrones y toma decisiones, y Modelos Autoregresivos (AR), representación de un proceso aleatorio en el que la variable de interés depende de sus observaciones pasadas, fueron las herramientas usadas en este trabajo.

“Nosotros partimos usando las ideas de los modelos epidemiológicos estándares en que los pacientes van pasando por distintos estados, pero nos concentramos en las dinámicas del uso de las camas UCI. Esto implica centrarnos en los pacientes que generan síntomas (porque son los que pueden requerir camas), y analizamos en detalle las tasas de entrada a la UCI y la distribución de los tiempos en que los pacientes necesitarían esas camas”, explica Goic.

Sin embargo, el ingeniero señala que esta primera aproximación de la utilización de camas no era lo suficientemente flexible como para incorporar información de cómo se trataban los pacientes, o el hecho que podría haber retrasos en la forma en cómo la información se iba reportando, “por lo que combinamos estos modelos simples con otros de Machine Learning que capturaran estas dinámicas de corto plazo”, detalla.

Fue de esta forma en que desarrollaron una solución para generar pronósticos de la cantidad de camas de UCI que necesitaría cada región del país con un horizonte temporal concreto.

“El modelo está especializado en describir los requerimientos de camas críticas. En este sentido el resultado principal corresponde a una estimación de cuántas camas se necesitarán en los próximos 14 días en cada región”, detalla Goic.

Así se proporciona una simulación a corto plazo sobre la utilización de camas UCI a nivel regional, como también se captura diferentes componentes de la evolución del brote.

Al ser consultado sobre cuál fue su alcance a nivel nacional, Marcel Goic, advierte que las decisiones de uso de camas críticas son siempre una decisión médica en la que un modelo predictivo no puede actuar directamente. Sin embargo, la estimación de los requerimientos a dos semanas, permite a los servicios de salud gestionar la capacidad postergando prestaciones menos urgentes o reconvirtiendo salas pediátricas o de anestesia.

“Los pronósticos del modelo fueron bastante precisos con errores bordeando un 5% a 10%, que para procesos exponenciales es bastante razonable. En la primera ola, Santiago concentró gran parte de las hospitalizaciones y por tanto es dónde más visibilidad tuvieron nuestros pronósticos, aunque también algunas otras regiones que tuvieron altos niveles de contagios como Bio-Bio y Antofagasta”, especifica.

Toda esta información es de uso público y se utilizó activamente en la planificación de capacidad de este tipo camas, lo que mejoró sustancialmente los resultados entregados por otros modelos de pronóstico disponibles.