I.Soluciones inteligentes para hacer frente a la pandemia: esto ha estado en demanda durante mucho tiempo y, a menudo, es sorprendentemente difícil de implementar en la práctica. Esto se debatió intensamente hace aproximadamente un año, cuando las instalaciones recreativas y los restaurantes se cerraron indiscriminadamente por «luz de bloqueo», aunque se disponía de relativamente poca información sobre el riesgo real de transmisión de la infección en estos lugares. Esta variante de bloqueo en realidad no condujo a una disminución de nuevas infecciones. Fue solo uno de los ejemplos durante la pandemia que dejó en claro cuánto puede contrarrestar la falta de datos empíricos con medidas diferenciadas y efectivas, y cuán complejo al mismo tiempo es el importante debate sobre la protección de datos personales en Europa.
Al principio, parece una idea obvia que, dada la situación de las infecciones en constante y muy dinámico cambio, debería utilizarse la inteligencia artificial (IA) para reaccionar lo más rápidamente posible a los desarrollos actuales de la pandemia. Lo que podría parecer en términos concretos se pudo ver el verano pasado de 2020 en las fronteras de Grecia. En ese momento, el país se enfrentaba a un dilema: por un lado dependía fuertemente de la entrada de turistas, por otro lado tenía que tratar de contener al mínimo posible el número de infecciones por SARS-CoV-2 introducidas. . Aunque hoy en día se pueden realizar muchas pruebas, las capacidades de prueba aún eran escasas en aquellos días. Solo hubo pruebas de PCR para poco menos del 20% de los que ingresaron al país. En esta situación, todos los demás países se basaron en una clasificación de países de entrada basada en datos epidemiológicos nacionales: incidencias, número de muertes, tasas positivas de pruebas. Dependiendo del desempeño del respectivo país de origen en términos de estas cifras clave, los viajeros podían ingresar sin obstáculos, tenían que presentar una prueba negativa, ser puestos en cuarentena o no podían ingresar.
En Grecia, sin embargo, las personas evitan someter a los viajeros a clasificaciones tan aproximadas solo sobre la base de datos que no siempre son fácilmente comparables a nivel internacional, especialmente porque se temía que el requisito de una prueba de PCR negativa disuadiera a algunos viajeros de visitar el país. Los científicos estadounidenses y griegos ahora describen en la revista Nature cómo se hicieron intentos alternativos en 40 cruces fronterizos para identificar a la mayor cantidad posible de viajeros infectados en la entrada mediante el uso eficiente de las capacidades de prueba existentes. Como resultado, se pidió a los viajeros que completaran un formulario al menos 24 horas antes de su llegada preguntando por su país y región de origen, edad y sexo.
Transparencia de motivaciones empíricas
Esta información, junto con los resultados de las pruebas que se realizan actualmente en las fronteras con la inteligencia artificial de Eva, se utilizaron inicialmente para dividir a los viajeros en grupos que presentaban el riesgo de infección más uniforme. Por ejemplo, se han diferenciado diferentes regiones dentro de un país con una tasa de infección muy heterogénea. Dentro de estos grupos, la IA luego determinó la necesidad actual de probar los viajeros coincidentes. Al mismo tiempo, Eva también identificó grupos cuya prevalencia parecía incierta debido a la falta de datos y dentro de los cuales se requerían más pruebas para reducir esta incertidumbre.
El resultado comparado con los cálculos del modelo: una prueba aleatoria de viajeros habría descubierto solo el 54,1 por ciento de los infectados con Eve en el verano de 2020, mientras que las pruebas basadas en cifras nacionales clave habrían detectado entre el 70 y el 80 por ciento. Los científicos explican el uso menos exitoso de los datos oficiales por un lado con el hecho de que el grupo de viajeros no es un subgrupo representativo de la población total respectiva. Por ejemplo, los turistas alemanes eran significativamente más jóvenes que el ciudadano alemán medio. Por otro lado, el conocido problema de la demora se menciona en las cifras clave oficiales. Se retrasó una media de nueve días con respecto a los resultados de la prueba límite.
Los científicos señalan particularmente que coordinaron su algoritmo con abogados, epidemiólogos y políticos desde el principio. Se puso gran énfasis en trabajar con la menor cantidad posible de datos personales. Por ejemplo, la ocupación respectiva habría proporcionado información significativa, que se omitió deliberadamente debido a preocupaciones sobre la ley de protección de datos. También era importante garantizar la total transparencia en todas las decisiones. Particularmente en las pruebas para reducir las incertidumbres, era importante presentar las razones empíricas de una manera fácilmente accesible.
Ahora, más de un año después, se acabó el problema de la disponibilidad limitada de pruebas. Sin embargo, todavía existe la necesidad de poder reaccionar rápidamente a la dinámica del proceso infeccioso. El estudio griego quizás pueda servir de inspiración para pensar en nuevas direcciones mientras se mantienen los estándares de protección de datos. Esto podría abrir la puerta al desafío de vivir con el virus de forma permanente.
