Simulación y análisis de datos del brote de COVID-19 mediante técnicas estadísticas avanzadas e Inteligencia Artificial

BIOMEDICINA

Simulación y análisis de datos del brote de COVID-19 mediante técnicas estadísticas avanzadas e Inteligencia Artificial

Organismo financiador

FONDO SÉNECA COVI+D-19 REGIÓN DE MURCIA

Duración del proyecto

01/09/2020

31/12/2021

Presupuesto

15.000€

Investigador principal

Rubén López Nicolás

Universidad de Murcia

Contacto

Universidad u organismo
investigador

Equipo investigador

rubenln@um.es

868889647

Universidad de Murcia - UMU / IMIB

RUBÉN LÓPEZ NICOLÁS

JOSÉ FRANCISCO LUCAS ROBLES

ANTONIO VALERO DÍAZ

JOSÉ TOMÁS PALMA MÉNDEZ

FERNANDO JIMÉNEZ BARRIONUEVO

Resumen del proyecto

El proyecto propone una simulación de brotes de COVID-19 con un enfoque más computacional que matemático. Se propone emplear modelos computacionales, combinando técnicas estadísticas y de Inteligencia Artificial (IA), para modelar las opciones de transmisión del virus durante las interacciones de individuos en general. La complicación del modelado nos hará comenzar con las opciones de simulación más simples para progresar en complejidad, según factores ambientales, parámetros de interacción entre individuos, variaciones de comportamiento y de probabilidad de infección.

Área de conocimiento

Biomedicina

Palabras clave

Modelos predictivos

Estadísticas avanzadas

Inteligencia Artificial

Campo de especialización

Sub-área: Herramientas diagnósticas, pronosticas y terapéuticas

Código NABS: Protección y mejora de la salud humana

Sub-código NABS: Prevención, vigilancia y control de las enfermedades transmisibles

Impacto esperado del proyecto

Los resultados estarían centrados en la identificación de intervenciones que disminuyan la tensión sobre los mecanismos y recursos de respuesta que ofrece la Salud Pública a la epidemia, así como los efectos de las intervenciones propuestas. Los resultados estarían en la línea de actuar sobre el «aplanamiento de la curva» y «reducción de la curva». De modo adicional, se podría prever el comportamiento del virus en caso de un rebrote de la infección.
La información obtenida puede servir para la evaluación y planificación de la respuesta de Salud Pública a esta enfermedad, mediante la elaboración de informes o de herramientas de apoyo para la toma de decisiones.
La simulación de los cálculos y la integración en los mismos de técnicas de Inteligencia Artificial (IA), con la fuente de datos adecuada, podría ser una buena oportunidad para aprender de los errores y aprovechar los aciertos en cuanto a la aplicación de modelos híbridos (de IA y matemáticos) de riesgo para simular un brote epidémico. Además, el establecimiento de una metodología puede ser aplicable a otros virus como modelo de evaluación de riesgo.

BIOMEDICINA