El poder de los datos para combatir la pandemia

El 17 de noviembre de 2019 se detectó el primer caso de Covid-19, un paciente de 55 años de la provincia china de Hubei. Desde entonces, hemos vivido pendientes de los posibles síntomas de la enfermedad y de los datos: del número de diagnosticados, de la incidencia por cada 100.000 habitantes, de la trágica lista de fallecidos, del porcentaje de ocupación de camas UCI, de la presión hospitalaria, etc. Datos por todas partes, cada uno de ellos con una historia personal detrás. De la evolución de esos números dependía que pudiéramos recuperar la esperanza sin bajar la guardia sobre las medidas de protección frente al virus.

La tecnología ha ayudado a conseguir vacunas en un tiempo récord. Hemos hablado con Julio Estévez, vicepresidente global de Big Data, Analytics y Customer Management de Neoris, para conocer mejor cuál ha sido el papel del big data y machine learning en la gestión de la pandemia. “Ambas tecnologías, cuya esencia reside en el potencial de los datos, se han convertido en herramientas clave para conocer mejor cómo actúa el Covid-19: cómo se contagia, cómo afecta a la salud de las personas, etc. Por tanto, pueden ayudar a cualquier empresa e institución a anticiparse y llevar a la práctica las medidas adecuadas para frenar los contagios y la mortalidad entre los ciudadanos. Y es que los datos pueden desvelar, por ejemplo, qué tratamientos son los más efectivos frente a los contagios, así como cuáles son los avances que hay que llevar a cabo para desarrollar una vacuna lo antes posible”. Añade Estévez que gracias a la “enorme cantidad de información valiosa que nos proporcionan estas tecnologías”, podremos reaccionar más rápidamente, adelantarnos, predecir cualquier situación, y alertar así a los sistemas sanitarios de cualquier región para que puedan adoptar las medidas oportunas y paliar cualquier efecto.

Sin embargo, este experto lamenta el uso que se ha hecho de estas herramientas. “Desde mi punto de vista, no se ha sabido aprovechar el potencial que tienen estas tecnologías. Basta con fijarse en las cifras alcanzadas durante la segunda ola de Covid-19, y que han sido incluso peores que las que vimos en la primera. Y todo ello a pesar de que, a diferencia de la primera etapa, contábamos con la información y el tiempo suficientes para entender mejor la evolución del virus, estar más prevenidos y que sus efectos hubieran sido mucho más leves. Es cierto que hay intereses políticos, económicos y de salud que complican enormemente las cosas, pero se podría haber hecho algo más para evitar los datos que se han producido en los últimos meses. Espero que hayamos aprendido la lección, y hagamos un uso más intensivo de estas tecnologías y de los datos que proporcionan para que vivamos la tercera ola que se prevé con más tranquilidad”.

Neoris está especializada en el data storytelling, que puede traducirse como contar la realidad o historia que hay detrás de los datos, algo que, sobre todo ahora, es fundamental. Con esas herramientas están ayudando a varias organizaciones a abordar la crisis sanitaria. Un ejemplo de ello es lo que están haciendo con la cementera Cemex. “Hemos realizado dos proyectos diferentes. El primero estuvo enfocado en entender y cuidar la salud de sus empleados en los más de 150 países en los que opera. La segunda iniciativa consiste en un cuadro de mando basado en modelos de machine learning y en la metodología de data storytelling, que le permite recopila datos y presentarlos de forma ordenada para predecir y visualizar el impacto del Covid-19 en sus operaciones, y en las diferentes regiones en las que está presente la compañía. Esos datos proceden de diferentes fuentes internacionales y nacionales, o son datos sanitarios proporcionados por los ministerios de salud de cada gobierno, o información sobre la capacidad hospitalaria de las ciudades donde Cemex tiene presencia, o datos internos de diferentes sistemas y áreas de la compañía. Una vez recopilada la información, nuestra herramienta se encarga de su procesamiento y de su clasificación, permitiendo a Cemex gestionar la extensión y el impacto del Covid-19, y tomar decisiones estratégicas para salvaguardar tanto la salud de sus empleados como sus actividades, no sólo siendo capaz de reaccionar con rapidez, sino de prevenir y adelantarse a posibles contratiempos”.

Preguntamos a Julio Estévez si resulta muy complicado implementar este tipo de tecnologías para frenar la pandemia. “Está al alcance de todos y, como comentaba antes, su potencial reside en la enorme cantidad de información que proporciona, ya que permite hacer predicciones”. Y nos pone en situación: “Imaginemos, por ejemplo, situaciones que incrementan el contacto social, como pudiera ser un fin de semana, periodos de vacaciones o un puente. Los datos pueden predecir claramente que en estas circunstancias la incidencia del Covid-19 podría ser peor. Con esta información se podrían tomar las medidas necesarias para adelantarnos y evitar ese empeoramiento de la situación. En esta segunda ola vimos que Madrid fue la Comunidad que experimentó la primera incidencia, pero ésta se extendió al resto de comunidades. Si se hubiese aprovechado la información que proporciona la tecnología, se podrían haber tomado mejores decisiones para evitar la creciente extensión de la incidencia a otras regiones”.

Ligado también a los datos, el vicepresidente global de Big Data, Analytics y Customer Management de Neoris nos explica que han desarrollado una aplicación -Neoris HealthCheck- que ayuda a las empresas a realizar una trazabilidad de todo su personal, analizando el estado de salud de sus colaboradores, y anticipándose a posibles situaciones de contagio. “Esta solución permite, entre otras cosas, realizar una evaluación inteligente de las instalaciones, parámetros de selección de la fuerza de trabajo imprescindible, y monitoreo en tiempo real de la salud de los empleados.

Además, al utilizar tecnologías de reconocimiento facial, permite detectar el uso de mascarillas o garantizar el cumplimiento del distanciamiento social. En definitiva, cualquier organización puede identificar, en tiempo real, situaciones de riesgo a nivel sanitario o laboral, y tomar decisiones inmediatas para proteger a sus usuarios”.