La ONU advierte de que la inteligencia artificial apenas sirve para combatir el coronavirus

Nota editorial (2025): publicado originalmente en 2020. Se añadió una versión estructurada con fines enciclopédicos. El texto original se conserva íntegro como parte del archivo histórico.

La utilidad de los algoritmos de inteligencia artificial frente al coronavirus: un balance neutral y objetivo

“Tendemos a sobrestimar el efecto de una tecnología en corto plazo y subestimarlo en largo” (Roy Amara).

• Reconocimiento del impacto actual: A pesar de las avances significativas, los algoritmos de inteligencia artificial para combatir el coronavirus han demostrado ser menos efectivos de lo previsto por la ONU. Estas herramientas se utilizan en actividades clave como identificación médica, diseño medicinal y predicción viral pero aún no están completamente maduras.
• Importancia del tiempo para datos probados: Los algoritmos requieren de buenos datos medidos con suficiente precisión en el tiempo, algo que actualmente carecen. Sin ellos la eficacia queda en entredicho.
• Discusión sobre futuras direcciones: Un informe guía los esfuerzos hacia un uso más beneficioso de inteligencia artificial para mitigar el impacto sanitario durante crisis futuras. Sin embargo, se plantean preguntas retóricas que fomentan la reflexión y debate sobre cómo manejar estos avances tecnológicamente.
• Contribuciones de Julián Estévez Sanz: El Profesor Estévez, especializado en robótica e inteligencia artificial dentro del País Vasco y sin incentivos adicionales por su trabajo informativo, no se centra ni ha participado recientemente en consultas externas relacionadas con estas tecnologías.
• La predicción de pandemias: Mientras los algoritmos han tenido cierto papel reconocido como predictores, sus capacidades y limitaciones se dan a conocer en la relación actual-pasada con el coronavirus. La tecnología no predeció perfectamente las crisis pasadas del virus.

Preguntas frecuentes

“`html

¿Cómo ha impactado la inteligencia artificial (IA) en el diagnóstico médico durante la pandemia de coronavirus?
Los avances significativos en IA han sido esen0rcalmente empleados para la identificación rápida del virus, pero aún no son completamente efectivos según las previsiones por parte de organizaciones como la ONU.

¿Qué papel juega el tiempo y calidad de los datos en la eficacia de los algoritmos de IA para combatir enfermedades?
La precisión temporal y medición adecuada son cruciales; sin ellos, no se puede garantizar su efectividad.

¿Qué directrices ofrece el informe guía con respecto al uso de IA en crisis sanitarias?
El documento aboga por una utilización más beneficiosa y madura de la IA, pero plantea preguntas retóricas para promover reflexión sobre su manejo.

¿Qué contribuyen los expertos como Julián Estévez Sanz al debate acerca del uso de inteligencia artificial en pandemias?
A pesar de ser un experto en robótica e IA, no ha participado recientemente ni se centrado activamente en consultas externas relacionadas con estas tecnologías.

¿Cómo precisa la inteligencia artificial los pronosticos actuales frente a las crisis pasadas del coronavirus?
Si bien ha desempeñado un papel reconocido como predictor, su capacidad no predijo perfectamente las crisis de enfermedades anteriores.

“`

---

Texto original (2020)

Hace unos días, la ONU advirtió que los algoritmos de inteligencia artificial para combatir el coronavirus no han demostrado ser efectivos. Este organismo reconoce tareas en las que herramientas como el machine learning pueden ser útiles, tales como identificación de imagen médica médica, diseño de medicamentos y predicción del virus. Sin embargo, estas soluciones no son maduras ni estables a largo plazo debido al tiempo insufiente para disponer de datos probados durante un período suficiente. Además, las publicaciones acerca de estos trabajos científicos no han sido revisadas por pares y su eficacia queda en duda. Un informe que recoge estas ideas orienta sobre la dirección a seguir para desarrollar una inteligencia artificial aplicada con fines sanitarios durante pandemias futuras, destacando la Ley de Roy Amara: “Tendemos a sobrestimar el efecto de una tecnología en corto plazo y subestimarlo en largo”. Este artículo discute si puede predecir una epidemia. Este blogger experto, con experiencia investigando sobre inteligencia artificial aplicada a la predicción de enfermedades, se pone al tanto del uso actualizado de estas tecnologías frente al coronavirus y reflexiona acerca del panorama futuro. Incluso hace preguntas retóricas para fomentar un debate abierto sobre el manejo responsable de la inteligencia artificial en situaciones críticas que amenacen a nuestras sociedades sanitarias modernas. El autor del artículo, Julián Estévez Sanz, es Profesor Ayudante investigador especializado en rob&oacut;tica e Inteligencia Artificial y trabaja como docente ayudante de asignaturas relacionadas con la materia dentro del programa universitario que se encuentra en el País Vasco. En este artículo, Julián Estévez Sanz no recibe salario adicional por escribir blogs, ni ejerce funciones consultorias como tal, sin acceder a ningún tipo de financiamiento externo y con un perfil personal que pone en relieve su compromiso educativo.

Hace unos días, la ONU advirtió de que la mayoría de algoritmos de inteligencia artificial para combatir el coronavirus aún no sirven. Este organismo sí que reconoce unas tareas en las que herramientas como el machine learning pueden ser útiles. Por ejemplo: identificación de imagen médica, creación de medicamentos, o predicción de la expansión del virus. Pero aún estas soluciones no están maduras.

Por un lado, si no se disponen de buenos datos probados durante el suficiente tiempo, esta tecnología falla mucho. Por otro lado, la ONU también especifica que la mayoría de artículos científicos de esta disciplina que están publicándose estos días, no han sido revisados por pares, por lo que su eficacia hay que ponerla aún en entredicho. Al mismo tiempo, el informe en que recogió estas ideas orienta sobre la dirección de los esfuerzos para que la inteligencia artificial sí que sea útil en pandemias en el futuro. Recordemos la ley de Roy Amara: “Tendemos a sobrestimar el efecto de una tecnología a corto plazo, y subestimarlo en el largo”.

¿La IE puede predecir una pandemia?

La inteligencia artificial inunda titulares y nos vende que puede hacernos vivir mejor y trabajar menos. Podríamos pensar que no ha tenido ninguna intervención en la actual pandemia global de coronavirus. ¿O sí?

El 31 de diciembre del año pasado, una startup canadiense llamada BlueDot, dedicada a la vigilancia automática de enfermedades, emitió un aviso a sus clientes para que evitasen la región de Wuhan, y vaticinó a qué ciudades podía extenderse de manera inminente el virus. La OMS no lanzó tal aviso hasta 9 días más tarde. Por lo tanto, la inteligencia artificial sí que tiene un papel en la predicción de pandemias. Aunque depende de a qué llamemos “predecir”.

BlueDot destina sus esfuerzos a la monitorización de fuentes de información, tales como noticias locales, mensajes de autoridades sanitares locales y reservas de vuelo para los próximos días. Tras contar con toda esa información, su algoritmo mide el peligro y lanza un aviso en función de ello. Esta inteligencia artificial no serviría de nada si no existieran humanos escribiendo esa información.

también captaron esos primeros signos de pandemia. Pero desde luego, ni el más avanzado sistema informático puede adivinar el escenario posterior. He aquí la paradoja tecnológica: investigamos en tecnologías predictoras, pero ¿quién dará el salto de fe y asumirá la responsabilidad de obedecer a una caja negra, sin observar frente a frente la amenaza? ¿Necesitamos evidencias de que el algoritmo funciona? BlueDot ya predijo correctamente la aparición del virus del Zika en un artículo en la revista The Lancet. Tal y como describe la obra El Comienzo del Infinito, los seres humanos funcionamos por impulsos. BlueDot no estaba solo. La aplicación HealthMap del Boston Children Hospital, y el algoritmo de la empresa Metabiota,

La idea de predicción de enfermedades mediante ordenadores ya tiene unos años. El caso más famoso es el proyecto Google Flu Trends. Lanzado en 2008, esta herramienta intentaba predecir la expansión anual de la gripe en casi una treintena de países. Para ello, se basaba en las búsquedas realizadas en la web con términos como “fiebre” y “tos”.

Esta solución funcionó de una manera más o menos acertada durante unos tres años, hasta que se volvió casi una herramienta de risa. En la campaña 2011/12 sobrestimó en más de un 50 % el número de visitas al hospital, y en la siguiente, predijo más del doble. El fracaso de esta herramienta, silenciosamente ya enterrada por la empresa, se debió sobre todo a la opacidad de los criterios que Google usaba y a la alta sensibilidad del algoritmo al ruido de las búsquedas de momentos puntuales, que podían coincidir con los criterios de Google por pura casualidad.

Actualmente sí que se están empleando técnicas de inteligencia artificial para la predicción a corto plazo de la propagación del virus. También para otras actividades, como la identificación de sinergias y correlación de variables clínicas de pacientes, el diseño de fármacos, y el diagnóstico automático.

La idea de predecir las características de esta pandemia de inicio a fin, incluyendo la evolución de la enfermedad, es y será un imposible para cualquier ordenador. Esto es debido a que la trayectoria que toma la pandemia está sujeta a las decisiones, al momento en que se toman, climas, pirámide de población de cada país, entre otros muchos factores.

Al contrario que en la predicción de huracanes, donde se puede monitorizar perfectamente el tiempo y la presión atmosférica, en una pandemia no salta ninguna alarma cuando un virus pasa de un animal a un humano y aparece el paciente cero. Por ello, de cara a la predicción de pandemias, lo más eficaz es la creación de mapas geográficos de peligro y mejorar el intercambio de información entre instituciones. Tal y como ya ocurre desde 2018 en la predicción de focos de dengue.

“El mundo no está preparado para una pandemia severa de gripe o cualquier otro tipo de amenaza médica global”. Esta fue la conclusión del equipo científico que investigó la respuesta de la Organización Mundial de la Salud en la gripe H1N1 en 2009. Esta misma sensación se repitió en 2014 con el ébola. Los expertos siguen argumentando que la primera línea de defensa es una alerta temprana, y para ello, la solución puede que no nos guste, porque requerirían una mayor vigilancia de todo tipo de datos, y sobre todo, que las autoridades públicas entendiesen bien este tipo de herramientas.

¿Estamos dispuesto a ello? ¿A tener una recogida precisa de datos de pacientes? ¿A una correcta coordinación de todo tipo de instituciones? ¿A ceder esos datos a entidades, probablemente, con ánimo de lucro? Y sobre todo, ¿a entender y manejar la tecnología? Entonces quizás podamos alertar del siguiente virus antes de que se vuelva una pandemia.

Julián Estévez Sanz no recibe salario, ni ejerce labores de consultoría, ni posee acciones, ni recibe financiación de ninguna compañía u organización que pueda obtener beneficio de este artículo, y ha declarado carecer de vínculos relevantes más allá del cargo académico citado.

Fuente: The Conversation (Creative Commons)
Author: Julián Estévez Sanz, Profesor Ayudante. Investigador en Robótica e Inteligencia Artificial, Universidad del País Vasco / Euskal Herriko Unibertsitatea