Tres grups de l’UJI contribueixen a l’anàlisi de dades per a oferir informació científica en la gestió pública de la crisi pel coronavirus

30/06/2020 | SCP
Compartir

Compartir

Facebook
X
Linkedin
Whatsapp
Gmail
Imprimir

Els grups d’investigació Geotec, Anàlisi de Formes 2D i 3D, Aprenentatge Estadístic en Intel·ligència Artificial, Esterologia i GIANT de la Universitat Jaume I de Castelló participen juntament amb altres deu grups de sis entitats de la Comunitat Valenciana en el projecte «Ciències de dades contra la COVID-19» (CD4COVID), un treball col·laboratiu que es desenvolupa de forma voluntària i altruista des del començant de la crisi causada per la pandèmia.

El projecte CD4COVID ha obtingut recentment finançament del fons Supera COVID-19 que Banco Santander va llançar a l'abril, juntament amb CRUE Universidades Españolas i el Consell Superior d’Investigacions Científiques (CSIC). El fons, dotat amb 8,5 milions d’euros pel finançament de programes, projectes i mesures de suport, té com a objectiu minimitzar l’impacte de la crisi generada per la pandèmia i se centra en tres línies d’actuació: investigació, projectes d’impacte social i enfortiment de la capacitat tecnològica de les universitats espanyoles.

La investigació «Ciències de dades contra la COVID-19» aglutina la participació de la societat civil (a través d’una enquesta ciutadana), experts i expertes de l’entorn acadèmic-investigador i l’administració pública, amb l’objectiu d’aportar informació perquè els responsables de la gestió pública de la crisi puguen prendre decisions informades i basades en evidències científiques obtingudes de l’anàlisi de dades.

La iniciativa, vinculada a l’Estratègia Valenciana en Intel·ligència Artificial mitjançant el comissionat de la presidència que ocupa la investigadora Nuria Oliver, està formada per més d’una vintena d’experts i expertes d’universitats i centres d’investigació de la Comunitat Valenciana i un investigador de Microsoft que usen els recursos de les seues pròpies institucions. El projecte inclou tres grans àrees de treball: modelatge de la mobilitat humana; models epidemiològics computacionals i ciències de dades per a la presa de decisions públiques.

Està en marxa des de l’inici de la crisi al març i la seua previsió és que siga operatiu fins a principis de 2021, quan tot fa pensar que es disposarà d’una vacuna i ja no serà tan necessari seguir monitorant l’epidèmia. Diàriament, la comissionada de la Generalitat Valenciana, Nuria Oliver, elabora un informe amb les prediccions del dia, amb anàlisi addicionals segons les prioritats que es comparteix amb els membres del Consell. A més de la informació obtinguda (bases de dades, mapes o informes) en les tres àrees de treball, l’equip té previst implementar un portal web per a difondre tota a informació que puga mostrar-se en obert.

Els grups d’investigació que formen part del grup de treball són Human(ity) Centric Artificial Intelligence de la Fundació Ellis d’Alacant; Geotec (liderat per Joaquín Huerta), Anàlisi de Formes 2D i 3D, Aprenentatge Estadístic en Intel·ligència Artificial, Estereologia (amb Marina Martínez García) i GIANT (amb Emilio Sansano) de la Universitat Jaume I de Castelló; MVRlab: Laboratori d’Investigació en Visió Mòbil i Lucentia de la Universitat d’Alacant; ESI International Chair on Real Time Control for Simulation de la Universitat Cardenal Herrera-CEU; Unitat Mixta CIPF-FIsabio d’Imatge Biomèdica del Centre d’Investigació Príncep Felip-FISABIO; Centre d’Investigació Operativa, Valencia Bayesian Research Group i DataScientistUMH de la Universitat Miguel Hernández; i Institut Universitari de Matemàtica Pura i Aplicada, Valencian Research Institute for Artificial Intelligence (VRAIN) de la Universitat Politècnica de València.

Àrees de treball

La primera àrea, modelatge de la mobilitat humana, concentra l’anàlisi de dades agregades i anonimitzades extretes a partir de la xarxa de telefonia mòbil i compartides per l’Institut Nacional d’Estadística (INE) que té un acord amb Telefónica, Vodafone i Orange. A partir de les dades d’unes cinc mil persones, s’analitza la mobilitat real de la ciutadania des del començament de l’epidèmia, s'obté informació sobre com han funcionat les mesures de contenció i s'han identificat comunitats i fluxos de persones per a predir millor la propagació de la COVID-19 si se'n produeixen brots.

La segona àrea de treball s’ocupa de la creació de models epidemiològics computacionals que permeten predir el nombre de persones infectades i recuperades al llarg de temps, així com realitzar simulacions sobre com progressaria la pandèmia sota diferents escenaris de mobilitat. Es treballa amb dos tipus de models: metapoblacionals tipus SEIR i individuals d’agents. El SEIR descriu l’evolució amb una classificació en quatre classes (persones susceptibles, exposades, infeccioses i recuperades) que canvia al llarg del temps i que s’ha adaptat als 24 departaments de salut de la Comunitat Valenciana.

L’anàlisi d’aquestes dades els permet inferir la prevalença real de la COVID-19 i descartar o no una possible situació d’«immunitat comunitària». A més a més, s’apliquen mètodes de machine learning per a predir situacions futures i explicar la importància de determinades variables (edat, llars intergeneracionals, prevalença de símptomes, etc.) per a determinar el risc present i futur dels departaments de salut i estudiar, per exemple, les necessitats de llocs a l’UCI.

Per últim, la tercera àrea, ciències de dades per a la presa de decisions públiques, s’encarrega d’elaborar models predictius diaris del nombre de persones afectades, hospitalitzades, casos actius, UCI i persones que han faltat. A més, incorpora les dades obtingudes mitjançant una enquesta ciutadana (amb 200.000 respostes) que se centra en cinc aspectes: comportament social durant el confinament; resiliència respecte a les mesures de confinament; impacte econòmic i laboral; estat de salut física i estat d’ànim i ús de la tecnologia. També s’elabora un mapa de prioritat o risc per a cadascun dels 24 departaments de salut que prediu la probabilitat d’ocupar llits de persones malaltes crítiques durant els següents cinc o vuit dies.

Tres grups de l’UJI contribueixen a l’anàlisi de dades per a oferir informació científica en la gestió pública de la crisi pel coronavirus
Recurs d'imatge estudi-GEOTEC-IA index

Projecte d'intel·ligència artificial contra la COVID-19

L’objectiu d’aquest projecte és analitzar i anticipar-se a les mesures que s’estan instaurant per a frenar la pandèmia del coronavirus.

Recurs d'imatge estudi-CV-COVID-19 index

Efectes positius del confinament

La disminució de la distància diària recorreguda en la Comunitat Valenciana se situa entre el 52% i el 59%, enfront del 51% de mitjana estatal, segons mostra l'estudi de telefonia mòbil de la Generalitat.

Informació proporcionada per: Servei de Comunicació i Publicacions