Medellín resiste a la COVID-19 con la ciencia de datos
El diseño de mapas que incluyen la distribución de actividades económicas y las zonas de mayor movilidad convierten a la capital antioqueña en un ejemplo en la toma de decisiones perspicaces.
Estos mapas se cruzan además con aquellos que representan los horarios laborales y los medios de transporte para procurar el mínimo contacto entre personas y la afluencia controlada de ciudadanos en las calles, garantizando reaperturas económicas ingeniosas y procurando minimizar el riesgo.
Así lo demostró el profesor Jairo Espinosa, de la Universidad Nacional de Colombia (UNAL) Sede Medellín durante el conversatorio “La ciencia de datos ilumina el camino de ciudades resilientes para combatir la COVID-19. Casos de estudio de Pune (India) y Medellín (Colombia)”, en el cual recordó que la emergencia sanitaria ha evolucionado tan rápido que le ha impedido a entidades e instituciones reaccionar de la mejor manera.
“La COVID-19 es el reto más grande para la generación que la está viviendo, es una buena forma de pensar acerca de las soluciones” manifestó el docente.
En su concepto, se trata de “un enemigo suicida que opera bajo el radar, puede detener las principales rutas de suministros, invade las tropas propias del individuo y lo convierte en parte del ejército enemigo, mantiene el sistema de salud ocupado e incluso lo colapsa”.
En su intervención, el profesor Espinosa enunció que la información en tiempo real no sería suficiente y se necesitan datos más robustos que permitan la predicción, con el fin de resolver el reto, y pese a que los números parecen aún estar en contra, la capital antioqueña ha demostrado adaptarse rápidamente.
Trabajo en red
El académico presentó una red de trabajo a la que pertenecen el Metro de Medellín, la Secretaría de Movilidad, la Alcaldía de Medellín, Área Metropolitana del Valle de Aburrá, el DANE, la AWS y las universidades Nacional Sede Medellín, Pontificia Bolivariana, de Antioquia, EAFIT y EIA.
“La defensa inicial contra el virus son las tácticas de monitoreo y predicción que deben venir de diferentes direcciones, como el monitoreo de la estimación y predicción de casos y sus locaciones; modelos sociales y económicos realizados por las instituciones mencionadas; la logística en UCI y hospitales y los casos y los sectores más vulnerables”, agregó.
Por su parte, el profesor Mahesh Harhare, mágister en Ingeniería Civil y otro de los invitados a este conversatorio, organizado por el Comité de Datos del Consejo Internacional de Ciencia (Codata), trajo a colación cómo la ciudad india de Pune ha respondido a la expansión del nuevo coronavirus haciendo recomendaciones sobre la planeación urbana y el redesarrollo de algunas áreas que permitan un mejor acceso a las residencias y servicios de la urbe.
Monitoreos, clave
Aunque inicialmente en Medellín no había información registrada, por la necesidad se han recopilado muchos datos por medio de la plataforma “Medellín me cuida”, que operó principalmente para compañías y familias registrando información demográfica clave.
Tras ese primer paso, iniciaron los demás monitoreos y hoy se usan, por ejemplo, mapas de vulnerabilidad y se cruzan con mapas de propagación para alertar las zonas más necesitadas.
Otros mapas permiten conocer la ubicación de los centros de negocio y comercio, la movilidad típica en la ciudad, incluyendo medios privados de transporte y red de transporte, su capacidad y dinámica.
Incluso se ha hecho monitoreo sobre la ocupación de los buses durante los recorridos, lo que, cruzando con horarios laborales y el número de pasajeros registrados, evidencia qué actividades económicas pueden estar causando las aglomeraciones en el transporte.
La información en tiempo real, por otro lado, permite conocer la locación de los casos y calcular si eventualmente se alcanzará la tendencia y estabilidad, lo que permitirá realizar predicciones con base en el presente, pues las situaciones se equiparan la una con la otra.
Modelos predictivos
En la arquitectura de la toma de decisiones se encuentra en la punta la información estadística y de largo plazo que, desglosada, deriva en modelos de predicción, información en tiempo real, políticas públicas, alarmas e impactos pronosticados.
De esta manera, con la información base, sumada a la información en tiempo real, se van nutriendo las alarmas y los modelos predictivos para reaccionar o tomar decisiones con dos semanas de anticipación idealmente.
La información recopilada por las instituciones que operan en Medellín les ha permitido a las autoridades competentes desarrollar un modelo predictivo de cómo se esparciría la enfermedad, basado en la información demográfica y en las predicciones aportadas por otros modelos como el de movilidad entrante y saliente de las zonas en situación de alarma.
Así, también se han realizado predicciones de cuarentenas futuras y su relación con la capacidad de las UCI, por medio de información obtenida con el aporte de las instituciones involucradas en esta red.