Senén Barro. Foto: CiTIUS.
Senén Barro. Foto: CiTIUS.

Senén Barro: “Hai ‘apps’ que poderían detectar o coronavirus polo son da tose”

O catedrático de Ciencias da Computación da Universidade de Santiago analiza a relevancia da intelixencia artificial na contención da pandemia

Tal e como salientou o presidente da Real Academia Galega de Ciencias, Juan Lema Rodicio, durante o seminario celebrado este martes sobre a crise do SARS-CoV-2, é a primeira vez que a intelixencia artificial poderá axudar a afrontar con máis e mellores ferramentas unha crise sanitaria global. Diso falou Senén Barro, catedrático de Ciencias da Computación da Universidade de Santiago e experto en intelixencia artificial.

“O mundo está cambiando en todo, e tamén nisto. Os sistemas de localización e seguimento de persoas van ter un papel moi relevante no seguimento da pandemia, e a intelixencia artificial (IA) pode usarse en toda a cadea de retos que temos por diante: desde a detección temperá do brote ata todas as consecuencias sanitarias, sociais e económicas. Pero isto debe basearse en algo fundamental: uns datos fiables, suficientes e que respecten a privacidade”, expuxo Barro.

Exemplos do uso da IA fronte á epidemia

Entre os exemplos do uso da IA para conter a epidemia e atender mellor aos afectados, Senén Barro lembrou o desenvolvemento de determinados patróns para detectar sinais da doenza en TAC ou en radiografías do tórax. E por outra banda, unha das ferramentas máis interesantes, a que desenvolve o enxeñeiro español David Atienza, que traballa en Suíza, para detectar a Covid-19 mediante a tose. “Hai ‘apps’, como esta en concreto que desenvolve Atienza, que poderían detectar a enfermidade a través do son da tose; estiman que unha vez recollan suficientes datos, poderían acadar un 70% de precisión“, resumiu Barro.

O experto galego resumiu tamén algúns dos métodos usados en países como Corea do Sur ou Singapur, mesmo utilizando a conectividade por Bluetooth. Ademais do seguimento en exteriores, Barro expuxo tamén a necesidade de realizar métodos de seguimento en espazos interiores. “Tendo en conta que hai xente, aínda cando non esteamos confinados, pasa boa parte do seu tempo en recintos pechados, hai que mellorar a precisión, unha exactitude que os sistemas de seguimento por satélite non teñen nestes espazos”. Para isto, Barro aludiu ao traballo de empresas galegas como Situm, que combina diferentes fontes de datos para mellorar a localización en interiores.

Con isto, explica Barro, “poderemos “xestionar o distanciamento en interiores, respectar distancias de seguridade, evitar confluencias en corredores, mapas de calor para planificar labores de limpeza e desinfección, etc”

Outros exemplos

“Existe unha empresa que analiza todo tipo de datos, información climatolóxica, busquedas en internet, movementos de persoas, procesamento da linguaxe natural”, explicou Barro, para engadir que procesando todos estes datos se pode axudar a frear a pandemia.

Os datos, a información, son claves nesta crise sanitaria internacional: “Compartir as secuencias do xenoma do virus permitiu o desenvolvemento de tests para a súa detección, e agora estase compartindo a estrutura das proteínas”, salientou para engadir que “co deep learning, a aprendizaxe profunda xa se poden detectar patoloxías pulmonares nos TAC”.

DEIXAR UNHA RESPOSTA

Please enter your comment!
POLÍTICA DE COMENTARIOS:

GCiencia non publicará comentarios ofensivos, que non sexan respectuosos ou que conteñan expresións discriminatorias, difamatorias ou contrarias á lexislación vixente.

GCiencia no publicará comentarios ofensivos, que no sean respetuosos o que contentan expresiones discriminatorias, difamatorias o contrarias a la ley existente.

Please enter your name here

Este sitio emprega Akismet para reducir o spam. Aprende como se procesan os datos dos teus comentarios.