Machine learning para recuperar la inmunidad colectiva

Paloma Recuero de los Santos    25 mayo, 2020

Hoy, científicos de todo el mundo trabajan para intentar encontrar una vacuna contra el COVID19. Lo curioso es ver cómo resurgen otras enfermedades para las que hace años que disponemos de ellas. Veamos cómo el machine learning puede ayudar en esta lucha.

La vacuna contra el sarampión, que cada año provocaba la muerte de 2,6 millones de niños menores de 5 años, se encontró en 1963. La enfermedad fue controlada durante décadas, gracias a las campañas de vacunación masiva, pero hoy, está resurgiendo.

Enfermedades que “vuelven”

En 2018, hubo 140.000 muertes por sarampión en todo el mundo debidas a la pérdida de la “inmunidad de rebaño” en muchos países. Esta inmunidad colectiva protege a las personas que no pueden recibir la vacuna por sufrir ciertas patologías o ser demasiado jóvenes.

Pero, para que esta inmunidad colectiva funcione, el 95% de población debe recibir dos dosis de la vacuna. La OMS denuncia que, en 34 de los 53 países europeos, esta inmunidad se ha perdido por caídas en las tasas de vacunación de las dosis de recuerdo.

Motivaciones religiosas, teorías conspirativas y pseudocientíficas propagadas por famosos, bulos impermeables a fundadas argumentaciones de la comunidad científica… estos son los motivos que llevan rechazar las vacunas.

Estas bienintencionadas familias que rechazan las vacunas, pueden exponer a sus vecinos y comunidades al riesgo de enfermedades graves y muerte. Por eso, es importante identificarlas, y tratar de hacerles entender la importancia de vacunar a sus hijos.

Machine Learning para predecir el abandono del plan de vacunación

La Universidad de Chicago puso en marcha un proyecto que utilizaba algoritmos de machine learning para predecir la probabilidad de que los niños sean vacunados al acabar el primer año escolar.

Trabajaron con registros sanitarios electrónicos de 48.000 niños croatas de primer curso de educación infantil, correspondientes al periodo 2011-2018. Tras comparar distintos modelos de aprendizaje, optaron por el de regresión logística LASSO, reduciendo las variables a 25.

Este modelo, elegido por su mejor precision e Interpretabilidad, identificó a las familias que habían dejado de recibir vacunas con una precisión del 72%, permitiendo así crear un “Sistema de monitorización y alerta temprana”.

Gracias a este sistema, el personal médico de atención primaria puede intervenir eficazmente con las familias que dudan en vacunar a sus hijos, contrarrestando con información contrastada la recibida por otras fuentes y ayudando así a mejorar las tasas de vacunación.

Conclusión

Como vemos, lo importante no es sólo encontrar las vacunas, sino vacunarnos contra la desinformación. Para esto, como para tantas otras cosas, lo más importante es el sentido común. Pero el aprendizaje automático también nos puede echar una mano.

Para mantenerte al día con LUCA visita nuestra página web suscríbete a LUCA Data Speaks o síguenos en TwitterLinkedIn YouTube.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *