Ma. Anabell Covarrubias Díaz Couder
Coordinación de RIILSA
Lasallistas desarrollan plataforma de predicción de contagios por COVID-19
El Dr. Roberto A. Vázquez Espinoza de Los Monteros, Coordinador de Investigación de La Universidad La Salle México, nos compartió que se pone a disposición de la población mexicana la Plataforma para el monitoreo y pronóstico de la evolución del COVID-19 en México utilizando Inteligencia Artificial.
La plataforma busca mantener informada a la población sobre la situación actual del COVID-19 en México, considerando la información oficial publicada por la Secretaría de Salud. Este monitor muestra la información general en México sobre Casos Confirmados, Casos Sospechosos, Casos Negativos, así como Confirmados Activos, Defunciones y el total de Personas Estudiadas. De igual forma, se ha incorporado información sobre el número de Hospitalizados considerando Casos Confirmados, Casos Sospechosos, Casos Negativos.
Un elemento esencial de la Plataforma es el pronóstico sobre cómo va a evolucionar el COVID-19 en México. Para esto, científicos de la Universidad La Salle han desarrollado y aplicado algoritmos de Inteligencia Artificial para analizar la información oficial publicada por la Secretaría de Salud y predecir cómo evoluciona el número de Casos Confirmados, número de Defunciones y número de Hospitalizados en el corto y mediano plazo, así como para predecir cuándo se va alcanzar el máximo número de casos y el término de la pandemia en México. Esta información es de suma importancia para la toma de decisiones y planeación estratégica, buscando mitigar el impacto económico y social de la pandemia por COVID-19 en México.
La inteligencia artificial ha ganado popularidad en los últimos años debido a su aplicación en la solución de diversos problemas que actualmente aquejan a la sociedad: desde aplicaciones relacionadas con problemas de seguridad, salud, educación hasta la automatización de procesos; todo ello teniendo en común el análisis masivo de información para la toma de decisiones.
Dentro de las técnicas más utilizadas se pueden mencionar las Redes Neuronales Artificiales, las cuales se han aplicado ampliamente en problemas de reconocimiento de patrones y predicción de series de tiempo, por lo que se convierten en potenciales candidatas para predecir la evolución de la pandemia causada por el COVID-19.
Una estrategia para diseñar una Red Neuronal Artificial de forma óptima son los algoritmos de optimización basados en cómputo evolutivo. Esta combinación de estrategias se ha aplicado con éxito en problemas de reconocimiento de patrones y los resultados sugieren que podrían ser un potencial candidato para aplicarse en problemas de predicción de series de tiempo.
El Grupo de Investigación en Sistemas Inteligentes Aplicados de la Universidad La Salle ha trabajado ampliamente en el desarrollo y aplicación de Redes Neuronales Artificiales y Cómputo Evolutivo en diversas problemáticas relacionadas con la salud. En ese sentido, se han orientado y adaptado estas estrategias para desarrollar esta Plataforma de monitoreo y pronóstico de la evolución de COVID-19 en México, utilizando una metodología que combina estrategias para diseño automático de redes neuronales artificiales a través de un cómputo evolutivo y principios básicos de predicción de series de tiempo y regresión.
Para pronosticar el número de casos confirmados, defunciones y decesos, se construyen y optimizan diferentes modelos, los cuales son ajustados con los Datos Abierto publicados por la Secretaría de Salud considerando el primer caso de COVID-19 en México. Una vez construidos los modelos, se seleccionan aquellos que otorgan el menor error de ajuste con respecto a los datos históricos. Posteriormente, los modelos seleccionados son estimulados con los datos históricos. Finalmente, para pronosticar el número de casos confirmados, decesos y hospitalizados para los siguientes días, se calcula el valor promedio de la predicción para cada día, así como su error de estimación con diferentes niveles de confianza.
Por el momento se han incorporado a la Plataforma de monitoreo y pronóstico de la evolución de COVID-19 en México cinco modelos diferentes:
1. Redes Neuronales Artificiales diseñada con cómputo evolutivo para la predicción a corto plazo utilizando como información de entrada el número de casos acumulados.
2. Modelo Gausiano optimizado con cómputo evolutivo para la predicción a largo plazo utilizando como información de entrada el número de casos por día.
3. Modelo Logarítmico Sigmoidal (LogSig) optimizado con cómputo evolutivo para la predicción a largo plazo utilizando como información de entrada el número de casos acumulado.
4. Modelo Suspected-Infected-Recovered (SIR) optimizado con cómputo evolutivo para la predicción a largo plazo utilizando como información de entrada el número de casos acumulado y número de decesos acumulado.
5. Modelo Suspected-Infected-Recovered Ponderado (SIR Ponderado) optimizado con cómputo evolutivo para la predicción a largo plazo utilizando como información de entrada el número de casos acumulado y número de decesos acumulado.
Para más información, puede consultar en el siguiente enlace:
http://monitoreocovid.lasalle.mx
La plataforma busca mantener informada a la población sobre la situación actual del COVID-19 en México, considerando la información oficial publicada por la Secretaría de Salud. Este monitor muestra la información general en México sobre Casos Confirmados, Casos Sospechosos, Casos Negativos, así como Confirmados Activos, Defunciones y el total de Personas Estudiadas. De igual forma, se ha incorporado información sobre el número de Hospitalizados considerando Casos Confirmados, Casos Sospechosos, Casos Negativos.
Un elemento esencial de la Plataforma es el pronóstico sobre cómo va a evolucionar el COVID-19 en México. Para esto, científicos de la Universidad La Salle han desarrollado y aplicado algoritmos de Inteligencia Artificial para analizar la información oficial publicada por la Secretaría de Salud y predecir cómo evoluciona el número de Casos Confirmados, número de Defunciones y número de Hospitalizados en el corto y mediano plazo, así como para predecir cuándo se va alcanzar el máximo número de casos y el término de la pandemia en México. Esta información es de suma importancia para la toma de decisiones y planeación estratégica, buscando mitigar el impacto económico y social de la pandemia por COVID-19 en México.
La inteligencia artificial ha ganado popularidad en los últimos años debido a su aplicación en la solución de diversos problemas que actualmente aquejan a la sociedad: desde aplicaciones relacionadas con problemas de seguridad, salud, educación hasta la automatización de procesos; todo ello teniendo en común el análisis masivo de información para la toma de decisiones.
Dentro de las técnicas más utilizadas se pueden mencionar las Redes Neuronales Artificiales, las cuales se han aplicado ampliamente en problemas de reconocimiento de patrones y predicción de series de tiempo, por lo que se convierten en potenciales candidatas para predecir la evolución de la pandemia causada por el COVID-19.
Una estrategia para diseñar una Red Neuronal Artificial de forma óptima son los algoritmos de optimización basados en cómputo evolutivo. Esta combinación de estrategias se ha aplicado con éxito en problemas de reconocimiento de patrones y los resultados sugieren que podrían ser un potencial candidato para aplicarse en problemas de predicción de series de tiempo.
El Grupo de Investigación en Sistemas Inteligentes Aplicados de la Universidad La Salle ha trabajado ampliamente en el desarrollo y aplicación de Redes Neuronales Artificiales y Cómputo Evolutivo en diversas problemáticas relacionadas con la salud. En ese sentido, se han orientado y adaptado estas estrategias para desarrollar esta Plataforma de monitoreo y pronóstico de la evolución de COVID-19 en México, utilizando una metodología que combina estrategias para diseño automático de redes neuronales artificiales a través de un cómputo evolutivo y principios básicos de predicción de series de tiempo y regresión.
Para pronosticar el número de casos confirmados, defunciones y decesos, se construyen y optimizan diferentes modelos, los cuales son ajustados con los Datos Abierto publicados por la Secretaría de Salud considerando el primer caso de COVID-19 en México. Una vez construidos los modelos, se seleccionan aquellos que otorgan el menor error de ajuste con respecto a los datos históricos. Posteriormente, los modelos seleccionados son estimulados con los datos históricos. Finalmente, para pronosticar el número de casos confirmados, decesos y hospitalizados para los siguientes días, se calcula el valor promedio de la predicción para cada día, así como su error de estimación con diferentes niveles de confianza.
Por el momento se han incorporado a la Plataforma de monitoreo y pronóstico de la evolución de COVID-19 en México cinco modelos diferentes:
1. Redes Neuronales Artificiales diseñada con cómputo evolutivo para la predicción a corto plazo utilizando como información de entrada el número de casos acumulados.
2. Modelo Gausiano optimizado con cómputo evolutivo para la predicción a largo plazo utilizando como información de entrada el número de casos por día.
3. Modelo Logarítmico Sigmoidal (LogSig) optimizado con cómputo evolutivo para la predicción a largo plazo utilizando como información de entrada el número de casos acumulado.
4. Modelo Suspected-Infected-Recovered (SIR) optimizado con cómputo evolutivo para la predicción a largo plazo utilizando como información de entrada el número de casos acumulado y número de decesos acumulado.
5. Modelo Suspected-Infected-Recovered Ponderado (SIR Ponderado) optimizado con cómputo evolutivo para la predicción a largo plazo utilizando como información de entrada el número de casos acumulado y número de decesos acumulado.
Para más información, puede consultar en el siguiente enlace:
http://monitoreocovid.lasalle.mx