Revista Internacional de

Investigación Ambiental y
Salud Pública

Comunicación

Cómo Big Data e Inteligencia Artificial pueden ayudar a gestionar

mejor la pandemia de COVID-19

Nicola Luigi Bragazzi 1,2, * , Haijiang Dai 1 , Giovanni Damiani 3,4,5 Masoud Behzadifar 6 6 ,
Mariano Martini 2 y Jianhong Wu 1, *

1 Laboratorio de Matemáticas Industriales y Aplicadas (LIAM), Departamento de Matemáticas y Estadística,

Universidad de York, Toronto, ONM3J 1P3, Canadá; [email protected]

2 Escuela de Postgrado de Salud Pública, Departamento de Ciencias de la Salud (DISSAL), Universidad de Génova,

16132 Génova, Italia; [email protected]

3 Departamento de Dermatología, Universidad Case Western Reserve, Cleveland, OH 44195, Estados Unidos;

[email protected]
4 4 Dermatología clínica, IRCCS Istituto Ortopedico Galeazzi, 20161 Milán, Italia
5 5 Departamento de Ciencias Biomédicas, Quirúrgicas y Dentales, Universidad de Milán, 20122 Milán, Italia
6 6 Centro de Investigación de Determinantes Sociales de la Salud, Universidad de Ciencias Médicas de Lorestan,

Khorramabad 6813833946, Irán; [email protected]

** Correspondencia: [email protected] (NLB); [email protected] (JW)

Recibido: 10 de marzo de 2020; Aceptado: 30 de abril de 2020; Publicado: 2 de mayo de 2020

Resumen: El SARS-CoV2 es un nuevo coronavirus, responsable de la pandemia de COVID-19 declarada por la Organización Mundial
de la Salud. Gracias a los últimos avances en el campo de las técnicas moleculares y computacionales y las tecnologías de la
información y la comunicación (TIC), la inteligencia artificial (AI) y Big Data pueden ayudar a manejar la enorme cantidad de datos sin
precedentes derivados de la vigilancia de la salud pública, en tiempo real monitoreo de brotes epidémicos, predicción / predicción de
tendencias, preparación y actualización periódicas de situaciones por parte de instituciones y organismos gubernamentales, e
información sobre la utilización de instalaciones de salud. La presente revisión está dirigida a una visión general de las posibles
aplicaciones de IA y Big Data en el mundo global ff ort para manejar la pandemia.

Palabras clave: brote viral; salud pública; epidemiología; inteligencia artificial; Big Data

1. El brote de COVID-19 actualmente en curso

A partir del conocimiento disponible actualmente, a fines de diciembre de 2019, se observaron varios casos debido a un virus
emergente responsable de una neumonía de causa desconocida y síntomas respiratorios en un grupo de pacientes, algunos de los cuales
habían visitado un mercado húmedo, a saber, el "Huanan Seafood Wholesale Market "en la ciudad de Wuhan, provincia de Hubei, ubicada
en la parte sur de la República Popular de China [ 1 ]

El nuevo virus se denominó inicialmente como "coronavirus novedoso 2019" (2019-nCoV) y, posteriormente, como "coronavirus del síndrome

respiratorio agudo severo tipo 2" (SARS-CoV-2). Se aisló por primera vez el 7 de enero de 2020. Desde entonces, el virus se ha extendido por todo

el mundo, llegando al 25 de abril de 2020 a 210 países e infectando a más de 3,000,000 de pacientes en todo el mundo, causando 200,000 muertes.

Los pacientes infectados por el virus pueden ser asintomáticos o sintomáticos, con síntomas clínicos leves (como fiebre, dolor de
garganta y tos) a severos (como neumonía, insuficiencia respiratoria y, en última instancia, la muerte) [ 2 ] El trastorno transmisible causado
por el SARS-CoV-2 se denomina "enfermedad por coronavirus" (COVID-19) [ 3 ]

Desde una perspectiva molecular, el SARS-CoV-2 es un virus de ARN de sentido positivo envuelto, de cadena sencilla y representa
el octavo coronavirus que puede transmitirse de humano a humano [ 4 4 ]

En t. J. Environ. Res. Salud pública 2020 17, 3176; doi: 10.3390 / ijerph17093176 www.mdpi.com/journal/ijerph
En t. J. Environ. Res. Salud pública 2020 17, 3176 2 de 8

Los murciélagos, que son reservorios de varios virus zoonóticos, incluidos los virus Hendra y Nipah, se han indicado como supuestos
reservorios clave de coronavirus en China [ 5 5 ] Desde un punto de vista genómico, el SARS-CoV-2 comparte aproximadamente el 50% y
el 79% de su secuencia genética con el MERS-CoV y el SARS-CoV, respectivamente. Además, el SARS-CoV-2 comparte una estructura
de dominio de unión al receptor con el SARS-CoV [ 6 6 ]

Gracias a los últimos avances en el campo de las técnicas computacionales y las tecnologías de información y comunicación (TIC), la
inteligencia artificial (AI) y Big Data pueden ayudar a manejar la enorme cantidad de datos sin precedentes derivados de la vigilancia de la salud
pública, el monitoreo de brotes epidémicos en tiempo real , predicción / predicción de tendencias, preparación y actualización periódicas de
situaciones por parte de instituciones y organismos gubernamentales, e información sobre la utilización de recursos de salud [ 7 7 ]

Big Data ha sido definido de manera clásica por tres V: (i) velocidad (en términos de la velocidad sin precedentes de adquisición,
procesamiento y manipulación de datos; en este sentido, Big Data también se conoce como "datos rápidos"); (ii) volumen (en términos de
la gran cantidad de información disponible); y (iii) variedad (en términos del número de di ff Fuentes y canales diferentes que pueden
producir y liberar Big Data) [ 8 , 9 ]
Existen varios tipos de Big Data, basados ​en sus fuentes: (i) Big Data molecular (obtenido mediante técnicas de laboratorio húmedo
y enfoques basados ​en OMICS, como genómica y especialidades postgenómicas, incluidas la proteómica y la interactómica) ; (ii) Big Data
basado en imágenes (como radiología o el enfoque de minería de datos masivo para extraer información clínicamente significativa y de
alta dimensión de las imágenes); (iii) Big Data basado en sensores (sensores portátiles); y (iv) Big Data digital y computacional (con una
increíble riqueza de datos producidos por Internet, teléfonos inteligentes y otros dispositivos móviles) [ 10 - 13 ]

En la parte restante de este documento, veremos algunas de las principales aplicaciones posibles de AI y Big Data para la gestión
de COVID-19.

2. Aplicaciones a corto plazo de la inteligencia artificial y Big Data: una rápida y E ff Alerta de pandemia activa

Big Data puede permitir el monitoreo del brote de la enfermedad en tiempo real. Con respecto a epidemias y brotes de pandemias anteriores,

COVID-19 no tiene precedentes en el sentido de que los conjuntos de datos de acceso abierto que contienen un número diario de nuevas infecciones

desglosadas por país y, en algunos casos, incluso ciudades, están ampliamente disponibles. Combinado con la información que tenemos sobre el

movimiento de personas, representa el conjunto de datos perfecto para combinar el modelado matemático y la IA.

Blue Dot, una empresa emergente con sede en Toronto que utiliza un sistema de vigilancia mejorado por IA, parece haber sido el
primero en detectar el brote epidémico, varias horas después de su insurgencia en el primer epicentro de Wuhan, muy por delante de las
autoridades chinas. y otras instituciones y agencias internacionales [ 14 ]

Las técnicas computacionales nos permiten visualizar en tiempo real la propagación del virus, como la aplicación diseñada en la
Universidad John Hopkins, EE. UU. Además, el Big Data social, recopilado de las redes sociales y otras corrientes de datos no
convencionales relacionadas, nos permite reconstruir la historia epidemiológica temprana del brote. Por ejemplo, Sun y colegas [ 15 ] realizó
un estudio observacional a nivel poblacional, monitoreando sitios web relacionados con la salud, redes sociales e informes de noticias,
entre el 13 de enero y el 31 de enero de 2020, en China continental. Los autores concluyeron que los conjuntos de datos no clásicos
pueden ayudar a los investigadores a comprender la propagación de un brote, en términos de alfabetización en salud, conductas de
búsqueda de atención médica y utilización de recursos de salud. Especialmente en las primeras etapas del brote, los conjuntos de datos y
los flujos de datos no clásicos pueden informar el diseño y la implementación de e ff medidas activas de salud pública.

Del mismo modo, Qin y compañeros de trabajo [ dieciséis ] explotó Big Data para predecir el número de casos nuevos de COVID-19, ya sea

sospechosos o confirmados. Con más detalle, los autores utilizaron una serie rezagada de "Índices de búsqueda en redes sociales" (SMSI) para

varias palabras clave, incluidos los síntomas clínicos de COVID-19 (como tos seca, fiebre, angustia en el pecho y neumonía). Los autores

descubrieron que, al emplear técnicas como

En t. J. Environ. Res. Salud pública 2020 17, 3176 3 de 8

método de selección de subconjunto, los nuevos casos sospechosos y confirmados de COVID-19 podrían detectarse con 6-9 y 10 días de antelación,

respectivamente.

Yang y colegas [ 17 ] utilizaron datos de migración de la población para poblar una transmisión dinámica, modelo compartimental
"Susceptible-Exposed-Infectious-Removed" (SEIR), combinado con un enfoque de IA, entrenado en los datos del SARS, para predecir la
curva pandémica COVID-19. Los autores demostraron que un retraso de cinco días en la implementación de las estrictas medidas de salud
pública adoptadas por las autoridades chinas habría resultado en un aumento de la epidemia en tres veces. Aflojar / levantar la
intervención de bloqueo causaría un segundo pico en la provincia de Hubei a mediados de marzo hasta finales de abril.

Con respecto a otro coronavirus, Song y compañeros de trabajo [ 18 años ] investigó en línea di ff uso de información, propagación del
miedo y riesgo percibido de contraer la infección MERS durante el brote de MERS en Corea del Sur en mayo-junio de 2015. Se descubrió
que el zumbido que transmitía sentimientos negativos era más frecuente en los foros de discusión en línea, Twitter y cafés en línea que
sitios de noticias y blogs. El zumbido de las noticias, pero no el rumor, se correlacionó con emociones positivas y la mención de tomar
alimentos que aumentan la inmunidad.

Sin embargo, un aspecto particular al que las autoridades de salud pública deben prestar atención es otra V de las tres V de Big
Data: V de veracidad, es decir, la precisión y confiabilidad de los datos recopilados. El procesamiento y modelado de Big Data debería
incorporar tal incertidumbre y tratarla, asegurando la solidez de los hallazgos. Hasta la fecha, este sigue siendo un desafío abierto.

3. Aplicaciones a corto plazo de inteligencia artificial y Big Data: seguimiento y diagnóstico de casos de COVID-19

Tener una prueba diagnóstica confiable, sensible y específica es de suma importancia en la prevención y el control de los trastornos
infecciosos. Los investigadores han logrado establecer un kit molecular capaz de capturar de forma rápida y precisa el diagnóstico
adecuado y distinguir entre COVID-19 y SARS-CoV. El diagnóstico salival parece ser muy prometedor en e ff Detección efectiva del virus.
Junto con los ensayos y pruebas moleculares, la amplificación de ácido nucleico multiplex con éter o la TC de tórax de alta resolución
basada en microarrays es fundamental para controlar el curso de la enfermedad y su evolución en términos de gravedad y respuesta al
tratamiento. Actualmente, la investigación en curso también está tratando de identificar predictores radiológicos tempranos de pronóstico,
lo que sería extremadamente útil para estratificar a los pacientes con COVID-19 y en su manejo clínico [ 7 7 , 14 , 19 ]

La IA puede facilitar el diagnóstico de los casos de COVID-19. Por ejemplo, Infervision es una empresa emergente que emplea plataformas de imágenes

médicas de aprendizaje profundo para facilitar el diagnóstico rápido de casos de COVID-19 mediante el reconocimiento de características pulmonares específicas [ 7

7 , 14 ]

Además, la tecnología block-chain es un sistema descentralizado único de grabación, verificación y aprobación de datos y la realización
de una serie de transacciones. Se caracteriza por un alto nivel de seguridad y permite la prestación de servicios de atención médica centrados
en el paciente, una mejor vigilancia de la salud pública, la gestión de brotes y un tratamiento rápido y rápido. ff proceso de toma de decisiones
efectivo [ 20 - 22 ] Se ha propuesto un sistema de autocomprobación y seguimiento de cadena de bloques de bajo costo y acoplado a IA para
gestionar las pandemias de COVID-19, en entornos desarrollados (para evitar la sobrecarga y la tensión de la capacidad de salud pública y la
infraestructura de salud / laboratorio) y en el desarrollo, contextos de recursos limitados [ 20 ]

4. Aplicaciones a mediano plazo de la inteligencia artificial y Big Data: identificación de un posible tratamiento
farmacológico

Actualmente, no o ffi Existen opciones terapéuticas aprobadas oficialmente para el tratamiento de COVID-19. Los médicos deben
proporcionar a los pacientes un tratamiento de apoyo y evaluar su estado nutricional antes de administrar cualquier medicamento.

Debido a la situación de emergencia, dado que llevaría mucho tiempo y recursos desarrollar terapias específicas ad hoc, los
científicos están explorando tres enfoques principales: (i) la viabilidad de utilizar medicamentos antivirales de amplio espectro ya
existentes, (ii) la posibilidad de modificarlos / adaptarlos,
En t. J. Environ. Res. Salud pública 2020 17, 3176 4 de 8

teniendo en cuenta las características bioquímicas y biofísicas del nuevo virus, y (iii) explotando los productos farmacéuticos disponibles
(pertenecientes a la medicina tradicional china o occidental) para otros fines terapéuticos (reposicionamiento o reutilización de
medicamentos) [ 2 ]
Estas estrategias están dirigidas a atacar el virus (i) interfiriendo directamente con él, o (ii) bloqueando / inhibiendo sus procesos y
eventos biológicos relacionados (como la entrada y replicación viral), o atacando el sistema inmune humano, por (iii) realzándolo [ 2 ] Los
avances en los campos genómico y postgenómico permiten analizar rápidamente las secuencias del genoma, buscando similitudes con
otros genomas y descubriendo posibles objetivos farmacológicos.

Los fármacos candidatos contra COVID-19 incluyen inhibidores de neuraminidasa como Oseltamivir y Peramivir, inhibidores de la
proteasa antirretroviral como Ritonavir / Lopinavir, análogos de nucleótidos como Remdesivir, inhibidores de nucleósidos como Ribavirina,
inhibidores de fusión mediados por hemaglutinina in fl uenza y inhibidores de fusión U-malaria como Arovol / Unevial Cloroquina, entre
otros.
La mayoría de los pacientes con COVID-19 están siendo tratados con Oseltamivir, a pesar de algunas revisiones Cochrane recientes
que cuestionan su e ff efectividad en el manejo de la fl uenza. Se ha demostrado que el oseltamivir produce pequeñas e clínicamente
relevantes ff ects, con una notable aparición del lado e ff ects. Los datos sobre Peramivir son aún más limitados, con pocos ensayos clínicos
aleatorizados (ECA) disponibles, lo que dificulta una comparación entre los dos inhibidores de la neuraminidasa. Además, los ensayos in
vitro no han demostrado la inhibición de la citopática. ff efectos del SARS-CoV [ 2 ], demostrando, por el contrario, la e ffi cacy de algunos
interferones disponibles comercialmente. Sin embargo, hasta la fecha, estos se han utilizado menos para el tratamiento clínico de pacientes
con COVID-19.

El uso de ribavirina, un profármaco de trifosfato de ribavirina y un inhibidor competitivo de la enzima inosina monofosfato
deshidrogenasa, que es crucial para la biosíntesis de la síntesis de guanosina y ácidos nucleicos, no está respaldado por datos celulares ni
clínicos, con varios estudios que informan, en cambio, los resultados contrastantes y las toxicidades clínicamente relevantes que pueden
resultar en la interrupción de la terapia [ 2 ] Para Arbidol, existen datos limitados [ 2 ] y generalmente no se recomienda su uso en el tratamiento
de infecciones respiratorias agudas graves. En pacientes con SARS, Lopinavir / Ritonavir, además de ejercer actividades antivirales in vitro,
ha contribuido a ahorrar dosis de esteroides, reduciendo hospitalizaciones e infecciones nosocomiales, resultando en una disminución de la
carga viral y un aumento en el recuento de linfocitos periféricos [ 2 ]

Pocos pacientes están siendo tratados con gancivlovir, un análogo de aciclovir e inhibidor de la familia del virus del herpes, incluido
el citomegalovirus (CMV). El ganciclovir está aprobado para el tratamiento de complicaciones derivadas de la infección por CMV asociada
al SIDA, pero los ensayos in vitro no han mostrado ninguna inhibición de la citopática. ff efectos del SARS-CoV [ 2 ]

Además, algunos médicos administran corticosteroides, cuya evidencia en términos de resultados clínicos y complicaciones /
prevención de muerte es moderada según las revisiones Cochrane. En una revisión sistemática del tratamiento e ff Efectos de los fármacos
candidatos contra el SARS-CoV, 25 de 29 estudios evaluaron mencionar esteroides, su uso no fue concluyente, y cuatro de ellos
mostraron un daño potencial para la salud de los pacientes [ 23 ] Del mismo modo, la e ff La efectividad de los antibióticos en el tratamiento
de la neumonía viral parece ser limitada [ 2 ]

En conclusión, una e ff Todavía falta tratamiento efectivo para COVID-19.

La IA puede ayudar a identificar rápidamente posibles terapias y vacunas candidatas. Por ejemplo, una colaboración entre una
start-up de IA, BenevolentAI, y una institución universitaria, el Imperial College de Londres, Reino Unido, ha llevado al descubrimiento de
que el baricitinib, un producto biológico utilizado para el tratamiento de la artritis reumatoide moderadamente activa en adultos, inhibidor de
las janus quinasas JAK1 y JAK2, puede ejercer e anti-viral ff ects [ 24 ], mientras que otra nueva empresa, Insilico Medicine, ubicada en Hong
Kong, informó haber encontrado seis nuevos medicamentos que pueden inhibir la replicación viral [ 14 ]

Con respecto a la medicina tradicional china, empleando análisis de farmacología de red, Zhang y coautores [ 25 ] analizó
sistemáticamente los compuestos naturales utilizados en el tratamiento chino, y descubrió que 13 de ellos ejercen un potencial
anti-COVID-19 e ff afecta la regulación de la replicación viral, la modulación de las vías inmunitarias e inflamatorias y la cascada de hipoxia.
En t. J. Environ. Res. Salud pública 2020 17, 3176 5 de 8

5. Aplicaciones a mediano plazo de la inteligencia artificial y Big Data: facilitar la implementación de

intervenciones de salud pública

Durante un brote, los recursos son limitados y se pueden consumir rápidamente. Como tal, para evitar el desperdicio de recursos y
asignar mejor los disponibles, el gobierno chino ha complementado los métodos clásicos de recolección de datos con sistemas
computacionales sofisticados y técnicas avanzadas que han ayudado a identificar sujetos en riesgo.

Una nueva empresa, Megvii, ha anunciado el desarrollo de una detección sofisticada de cuerpo y rostro y detección dual a través de
cámaras infrarrojas y luz visible, como escáneres térmicos para detectar rápidamente sujetos que transitan en un lugar lleno de gente e
identificar fiebre y alta temperatura, potencialmente relacionados con COVID -19.

Ant Financial Services Group, anteriormente conocido como Alipay, del grupo Alibaba, ha diseñado aplicaciones basadas en IA,
basadas en parámetros como el estado de salud autoinformado, el historial de viajes y contactos, que pueden identificar casos de
COVID-19. Este sistema se ha implementado en el condado de Shizhu, ubicado en Chongqing, en la parte suroeste de la República
Popular de China, para monitorear el flujo de personas durante las vacaciones del Año Nuevo Lunar chino, lo que ha favorecido la
propagación del virus. Basado en esta herramienta, ha sido posible informar la medida de cuarentena. Del mismo modo, en las provincias
de Zhejiang, Sichuan y Hainan, se han explotado análisis de datos avanzados para reconstruir las interacciones sociales y realizar el
seguimiento de contactos.

Srinivasa Rao y Vázquez [ 26 ] han descrito un marco basado en un algoritmo de IA que permitiría una identificación rápida de casos
infectados, realizando una evaluación de riesgos y una evaluación de acuerdo con los síntomas y signos relacionados con el nuevo
coronavirus. Esto se haría a través de una encuesta web o móvil. Además, dependiendo de las respuestas, el algoritmo puede enviar
alertas a clínicas o unidades móviles de salud, para visitas de salud y con fi rmación del caso.

6. Aplicaciones a largo plazo de la inteligencia artificial y Big Data: construcción de ciudades inteligentes, sanitarias y resilientes

En los últimos años, los fenómenos sociales profundos, incluida la globalización y la rápida urbanización, junto con la explosión
demográfica y los cambios demográficos, han modificado profundamente nuestros estilos de vida. Aproximadamente más de la mitad de la
humanidad vive en áreas urbanas y asentamientos, y se espera que esta cifra aumente significativamente hasta dos tercios de la población
mundial para 2050. En los países occidentales, mientras que, a principios del siglo XX, menos de la mitad de la población vivía en áreas
urbanas, este porcentaje se había duplicado a principios del nuevo siglo y se puede anticipar que seguirá aumentando en las próximas
décadas.

"Hacer que las ciudades y los asentamientos humanos sean inclusivos, seguros, resilientes y sostenibles", fue declarado ambiciosamente por

el undécimo Objetivo de Desarrollo Sostenible (ODS-11) de las Naciones Unidas, y ha sido rea ffi Emitido durante las Naciones Unidas 2016 Hábitat

III sobre vivienda y desarrollo urbano sostenible en Ecuador (la "Nueva Agenda Urbana"). Se está volviendo cada vez más imperativo. Los desafíos

ambientales (contaminación, eliminación de desechos, cambio climático) y de salud (enfermedades transmisibles, como las infecciones transmitidas

por alimentos o vectores) representan serias preocupaciones que pueden amenazar la habitabilidad y la calidad de vida de los ciudadanos [ 27 ]

Todo esto requiere un enfoque multidisciplinario para ser adecuado y ff abordado de manera efectiva por todos los interesados
​(diseñadores y planificadores urbanos, trabajadores en el campo de la salud pública), incorporando también a los ciudadanos en la planificación
de una gestión urbana sostenible y capacitándolos. Un enfoque de sistemas altamente integrados es de crucial importancia, ya que una ciudad
saludable es como un organismo vivo y dinámico. Los dispositivos inteligentes interconectados, los sensores portátiles y otras tecnologías
innovadoras como teléfonos inteligentes, telecomunicaciones, redes y GPS, permiten recopilar una increíble riqueza de datos en tiempo real
centrados en el usuario y orientados por la tecnología, lo que permite: (1) monitoreo de calidad, transparencia y rendición de cuentas, (2)
optimización de la asignación de recursos, (3) participación e inclusión ciudadana, y 4) resistencia y adaptación a eventos exógenos.
En t. J. Environ. Res. Salud pública 2020 17, 3176 6 de 8

En los últimos años, varias ciudades y comunidades en España, Nueva Zelanda, Estados Unidos, Reino Unido, Canadá y Emiratos
Árabes Unidos han lanzado iniciativas y desafíos con el objetivo de promover la investigación y la innovación en el campo.

Según una revisión sistemática reciente de la literatura, las ciudades inteligentes pueden permitir la vigilancia de toda la población,
contrarrestar el envejecimiento, promoviendo el envejecimiento activo, la socialización y estilos de vida saludables, incluir a personas
discapacitadas y marginadas, y proporcionar ff respuestas activas a emergencias y desastres tales como brotes [ 27 ]

Sin embargo, a pesar de la importancia de este tema, existe una escasez de modelos matemáticos, como lo afirman Grindrod y
colegas [ 28 ] El campo de la "matemática de las ciudades inteligentes" es particularmente desafiante en que modelar comunidades no es
una tarea trivial en términos de límites de la ciudad y su relación con los entornos circundantes. Capturando la dependencia temporal de
las interacciones entre los di ff Los diferentes componentes de una ciudad inteligente son bastante exigentes.

A raíz de los desastres, el riesgo de trastornos transmisibles es alto. El diseño y la implementación de políticas para la gestión
adecuada de desastres y emergencias deben ser integrales y de varios niveles, incorporando prevención, defensa, mitigación, preparación,
respuesta y recuperación. Políticas actuales su ff Por lo tanto, en lugar de ser multicriterio, más amplio y altamente integrado, previendo
eventos futuros basados ​en escenarios de evaluación de riesgos y planificación anticipada, se centran principalmente en la resistencia a
desastres y se basan en evaluaciones contingentes basadas en presiones administrativas y políticas. .

AI y Big Data pueden proporcionar a los responsables locales de toma de decisiones y políticas predicciones informadas y basadas en

evidencia. Allam y Jones [ 29 ] han investigado el brote de COVID-19 adoptando un punto de vista urbano, mostrando cómo las ciudades inteligentes y

las redes inteligentes pueden explotar protocolos estandarizados mejorados de alta calidad para el intercambio de datos durante emergencias, para

manejar mejor tales situaciones.

Sin embargo, di ff Al contrario de las secciones anteriores, esta sección sigue siendo altamente especulativa, con aplicaciones
actualmente experimentales.

7. Inteligencia artificial y Big Data para COVID-19: Conclusiones y perspectivas de futuro

Las posibles aplicaciones de AI y Big Data para la gestión de COVID-19 se resumen en la Tabla 1 .

Tabla 1. Posibles aplicaciones de Inteligencia Artificial y Big Data para la gestión del brote COVID-19 en curso.

Escala de tiempo Posible aplicación Ejemplo

La IA puede facilitar la recopilación de datos epidemiológicos en tiempo real, la evaluación

Identificación rápida de un continuo
de riesgos, los procesos de toma de decisiones y el diseño / implementación de
A corto plazo (semanas) brote
intervenciones de salud pública

Diagnóstico y pronóstico de
Reconocimiento de características diagnósticas y pronósticas específicas
Casos de COVID-19

Identificación de un potencial
Mediano plazo (meses) Identificar medicamentos ya existentes / descubrir nuevas moléculas
opción terapéutica

Mejorando las ciudades y favoreciendo el desarrollo

Diseñar nuevos protocolos estandarizados para compartir datos e información
A largo plazo (décadas) de una vida sana, inteligente,
durante emergencias
citas resistentes

AI y Big Data parecen tener un enorme potencial para la gestión de COVID-19 y otras emergencias, y se prevé que su papel
aumente en el futuro. AI y Big Data pueden usarse para rastrear la propagación del virus en tiempo real, y planificar y levantar las
intervenciones de salud pública en consecuencia, monitorear su e ff actividad, reutilizar compuestos antiguos y descubrir nuevos
medicamentos, así como identificar posibles candidatos a vacunas y mejorar la respuesta de las comunidades y territorios a la pandemia
en curso. Estos enfoques emergentes pueden explotarse junto con la vigilancia clásica: mientras que este último permite el análisis y la
interpretación de los datos, el primero descubre tendencias y patrones ocultos, que pueden usarse para construir modelos predictivos.
En t. J. Environ. Res. Salud pública 2020 17, 3176 7 de 8

Según lo mantenido por Hua y Shaw [ 30 ], a pesar de la demora inicial de las autoridades chinas en responder al brote, "una
combinación única de gobernanza sólida, regulación estricta, vigilancia comunitaria y participación ciudadana, y el uso racional de los
grandes datos y las tecnologías digitales" se encuentran entre los principales factores de El éxito de la República Popular de China en el e ff tipos
de COVID-19 que contienen. Se requiere más investigación para explorar cómo aplicar tecnologías tan sofisticadas preservando los
derechos humanos y la privacidad, mientras que, al mismo tiempo, garantiza altos estándares.

Contribuciones de autor: Conceptualización, NLB y JW; metodología, NLB; software, NLB; validación,
NLB y JW; análisis formal, NLB; investigación, NLB y JW; recursos, NLB y JW; curación de datos,
NLB; redacción: preparación del borrador original, NLB, HD y JW; redacción: revisión y edición, GD, MB y
MM; visualización, NLB; supervisión, JW; administración de proyectos, NLB y JW; adquisición de fondos, NLB y JW Todos los autores han leído y aceptado
la versión publicada del manuscrito.

Fondos: Esta investigación no recibió fondos externos. NLB cuenta con el respaldo parcial del programa de investigación rápida del Nuevo Coronavirus 2019 (COVID-19)
del Instituto Canadiense de Investigación en Salud (CIHR). La HD es parcialmente respaldada por el programa de investigación rápida del Nuevo Canadá Coronavirus
(COVID-19) del Instituto Canadiense de Investigación en Salud (CIHR).
JW cuenta con el apoyo parcial del Programa de Cátedra de Investigación de Canadá (número de subvención: 230720), del Consejo de Investigación de Ciencias Naturales
e Ingeniería de Canadá (número de subvención: 105588-2011) y el Coronavirus Novela del Instituto Canadiense de Investigación en Salud (CIHR) 2019 ( COVID-19)
programa de investigación rápida.

Conflictos de interés: Los autores declaran no tener ningún conflicto de intereses.

Referencias

1) Brüssow, H. El nuevo coronavirus: una instantánea del conocimiento actual. Microb. Biotecnología 2020 13,

607–612. [ CrossRef ]

2) Perrella, A .; Carannante, N .; Berretta, M .; Rinaldi, M .; Maturo, N .; Rinaldi, L.Novel Coronavirus 2019 (Sars-CoV2): ¿Una emergencia global que

necesita nuevos enfoques? EUR. Rev. Med. Pharmacol Sci. 2020 24,

2162-2164. [ PubMed ]

3) Kannan, S .; Shaik Syed Ali, P .; Sheeza, A .; Hemalatha, K. COVID-19 (Novela Coronavirus 2019) - tendencias recientes.

EUR. Rev. Med. Pharmacol Sci. 2020 24, 2006-2011. [ PubMed ]

4) Li, X .; Zai, J .; Zhao, Q .; Nie, Q .; Li, Y .; Foley, BT; Chaillon, A. Historia evolutiva, potencial huésped animal intermedio y análisis de especies

cruzadas de SARS-CoV-2. J. Med. Virol 2020. [ CrossRef ] [ PubMed ]

5) Yang, Y .; Peng, F .; Wang, R .; Guan, K .; Jiang, T .; Xu, G .; Sun, J .; Chang, C. Los coronavirus mortales: la pandemia del SARS de 2003 y la

nueva epidemia de coronavirus de 2020 en China. J. Autoimmun. 2020. [ CrossRef ] [ PubMed ]

6) Ashour, HM; Elkhatib, WF; Rahman, MM; Elshabrawy, HA Información sobre el reciente y novedoso coronavirus 2019 (SARS-CoV-2) a la luz de

brotes pasados ​de coronavirus humano. Patógenos 2020 9, 186. [ CrossRef ] [ PubMed ]

7. Wong, ZSY; Zhou, J .; Zhang, Q. Inteligencia Artificial para enfermedades infecciosas Big Data Analytics. Infectar. Dis.

Salud 2019, 24, 44-48. [ CrossRef ]

8) Bragazzi, NL; Damiani, G .; Martini, M. De la Reumatología 1.0 a la Reumatología 4.0 y más allá: las contribuciones de Big Data al campo de la

reumatología. Mediterr. J. Rheumatol. 2019, 30, 3–6. [ CrossRef ]

9) Dini, G .; Bragazzi, NL; Montecucco, A .; Toletone, A .; Debarbieri, N .; Durando, P. Big Data en medicina del trabajo: la convergencia de las ciencias de

la economía, la investigación participativa y la salud electrónica. Medicina. Lav. 2019, 110,

102-114.

10. Bragazzi, NL; Guglielmi, O .; Garbarino, S. SleepOMICS: Cómo Big Data puede revolucionar la ciencia del sueño.

En t. J. Environ. Res. Salud pública 2019, dieciséis, 291. [ CrossRef ]

11. Gianfredi, V .; Bragazzi, NL; Nucci, D .; Martini, M .; Rosselli, R .; Minelli, L .; Moretti, M. Aprovechando Big Data para los trastornos transmisibles

tropicales y subtropicales: implicaciones de una revisión sistemática de la literatura. Frente. Salud pública 2018, 6, 90. [ CrossRef ] [ PubMed ]

12. Bragazzi, NL; Gianfredi, V .; Villarini, M .; Rosselli, R .; Nasr, A .; Hussein, A .; Martini, M .; Behzadifar, M. Las vacunas cumplen con Big Data: estado del

arte y perspectivas de futuro. Desde la clásica 3Is ("Aislar-Inactivar-Inyectar") Vaccinology 1.0 a Vaccinology 3.0, Vaccinomics and Beyond: A

Historical Overview. Frente. Salud pública 2018, 6, 62. [ CrossRef ] [ PubMed ]

En t. J. Environ. Res. Salud pública 2020 17, 3176 8 de 8

13. Bragazzi, NL; Dini, G .; Toletone, A .; Brigo, F .; Durando, P. Aprovechando Big Data para explorar el interés relacionado con las enfermedades

ocupacionales a nivel de la comunidad científica, la cobertura de los medios y los nuevos flujos de datos: el ejemplo de la silicosis como estudio piloto. Más

uno 2016, 11, e0166051. [ CrossRef ] [ PubMed ]

14. McCall, B. COVID-19 e inteligencia artificial: proteger a los trabajadores de la salud y frenar la propagación.

Lancet Digit. Salud 2020 2, e166 – e167. [ CrossRef ]

15. Sun, K .; Chen, J .; Viboud, C.Análisis epidemiológico temprano del brote de la enfermedad por coronavirus 2019 basado en datos de crowdsourcing: un

estudio observacional a nivel de población. Lancet Digit. Salud 2020. [ CrossRef ]

16. Qin, L .; Sun, Q .; Wang, Y .; Wu, KF; Chen, M .; Shia, BC; Wu, SY Predicción del número de casos de nuevos coronavirus 2019 (COVID-19) usando el

índice de búsqueda de redes sociales. En t. J. Environ. Res. Salud pública 2020 17,

2365. [ CrossRef ]

17. Yang, Z .; Zeng, Z .; Wang, K .; Wong, SS; Liang, W .; Zanin, M .; Liu, P .; Cao, X .; Gao, Z .; Mai, Z .; et al. Predicción modificada de SEIR y AI de la

tendencia de epidemias de COVID-19 en China bajo intervenciones de salud pública. J. Thorac. Dis. 2020 12, 165-174. [ CrossRef ]

18. Song, J .; Song, TM; Seo, DC; Jin, DL; Kim, JS Análisis de Big Data social de la información difundida y el riesgo de infección percibido durante el brote

del síndrome respiratorio de Medio Oriente 2015 en Corea del Sur.

Cyberpsychol Behav Soc. Netw. 2017, 20, 22-29. [ CrossRef ]

19. Ai, T .; Yang, Z .; Hou, H .; Zhan, C .; Chen, C .; Lv, W .; Tao, Q .; Sun, Z .; Xia, L. Correlación de la TC de tórax y las pruebas de RT-PCR en la enfermedad

por coronavirus 2019 (COVID-19) en China: un informe de 1014 casos. Radiología 2020.

[ CrossRef ]

20. Mashamba-Thompson, TP; Crayton, ED Blockchain y tecnología de inteligencia artificial para la autoevaluación de la nueva enfermedad por

coronavirus-19. Diagnósticos 2020 10, 198. [ CrossRef ]

21. Bhattacharya, S .; Singh, A .; Hossain, MM Fortalecimiento de la vigilancia de la salud pública a través de la tecnología blockchain. OBJETIVOS Salud

Pública 2019, 6, 326–333. [ CrossRef ] [ PubMed ]

22. Chattu, VK; Nanda, A .; Chattu, SK; Kadri, SM; Knight, AW El papel emergente de las aplicaciones de la tecnología Blockchain en los sistemas de

vigilancia de enfermedades de rutina para fortalecer la seguridad sanitaria mundial. Cogn Big Data. Comput 2019, 3, 25. [ CrossRef ]

23. Stockman, LJ; Bellamy, R .; Garner, P. SARS: Revisión sistemática del tratamiento e ff ects. PLoS Med. 2006, 3, e343.

[ CrossRef ] [ PubMed ]

24. Richardson, P .; Gri ffi n, I .; Tucker, C .; Smith, D .; Oechsle, O .; Phelan, A .; Stebbing, J. Baricitinib como tratamiento potencial para la enfermedad

respiratoria aguda 2019-nCoV. Lanceta 2020 395, e30 – e31. [ CrossRef ]

25. Zhang, DH; Wu, KL; Zhang, X .; Deng, SQ; Peng, B. Detección in silico de hierbas medicinales chinas con el potencial de inhibir directamente el nuevo

coronavirus 2019. J. Integr. Medicina. 2020 18, 152-158. [ CrossRef ] [ PubMed ]

26. Pacheco Rocha, N .; Dias, A .; Santinha, G .; Rodrigues, M .; Queir ó s, A .; Rodrigues, C. Ciudades inteligentes y salud: una revisión sistemática. Tecnologías

2019, 7, 58. [ CrossRef ]

27. Rao, ASRS; Vázquez, JA La identificación de COVID-19 puede ser más rápida a través del marco de Inteligencia Artificial utilizando una Encuesta basada en

teléfonos móviles en las poblaciones cuando las ciudades / pueblos están en cuarentena.

Infectar. Control Hosp. Epidemiol 2020. [ CrossRef ]

28. Grindrod, P .; Higham, DJ; MacKay, Oportunidades RS en la interfaz de Matemáticas / Ciudades Futuras. arXiv

2014, arXiv: 1409.1831. Disponible en linea: https://arxiv.org/pdf/1409.1831.pdf (consultado el 10 de marzo de 2020).

29. Allam, Z .; Jones, DS Sobre el brote de coronavirus (COVID-19) y la red Smart City: estándares universales de intercambio de datos junto con

inteligencia artificial (IA) para beneficiar el monitoreo y la gestión de la salud urbana. Cuidado de la salud 2020 8, 46. ​[ CrossRef ]

30. Hua, J .; Shaw, R. Corona Virus (COVID-19) "Infodemia" y problemas emergentes a través de una lente de datos: el caso de China. En t. J. Environ.

Res. Salud pública 2020 17, 2309. [ CrossRef ]

© © 2020 por los autores. Licenciatario MDPI, Basilea, Suiza. Este artículo es un artículo de acceso abierto distribuido bajo

los términos y condiciones de la licencia Creative Commons Attribution (CC BY)

(http://creativecommons.org/licenses/by/4.0/).