La inteligencia artificial podría anticipar la transmisión de futuras infecciones de animales a humanos

Investigadores de la Universidad del Sur de Florida crearon una metodología para localizar puntos críticos y en riesgo de enfermedades emergentes tanto a escala global como local

Guardar
Los investigadores examinaron tres sistemas huésped-patógeno: malaria aviar, aves con el virus del Nilo Occidental y murciélagos con coronavirus (Getty)
Los investigadores examinaron tres sistemas huésped-patógeno: malaria aviar, aves con el virus del Nilo Occidental y murciélagos con coronavirus (Getty)

La frecuencia con la que las enfermedades emergentes de la vida silvestre infectan a los humanos ha aumentado constantemente durante las últimas tres décadas. Los agentes patógenos, como dejaron en evidencia la pandemia de coronavirus y el reciente brote de viruela símica, han aumentado la necesidad de herramientas para pronosticar cuándo y dónde es probable que surjan brotes de enfermedades.

El trabajo fue realizado por Ángel Luis Robles Fernández de la Universidad Veracruzana en México, actual estudiante de doctorado en Arizona State University, como autor principal, acompañado de Diego Alarcón, del Departamento de Biología Integrativa de la Universidad del Sur de Florida y Andrés Lira-Noriega de la Red de Estudios Moleculares Avanzados, Instituto de Ecología AC de Xalapa, México.

El estudio ayudó a desarrollar una metodología destinada a estimar y anticipar la transmisión de una especie de vida silvestre a otra o a humanos, y determinar quién está en riesgo de infección, según un estudio publicado en Proceedings of the National Academy of Sciences.

La metodología consiste en un enfoque de aprendizaje automático que identifica la influencia de variables, como la ubicación y el clima, en patógenos conocidos. Usando solo pequeñas cantidades de información, el sistema puede identificar puntos críticos de la comunidad en riesgo de infección tanto a escala global como local.

“Nuestro objetivo principal es desarrollar esta herramienta para medidas preventivas - explicó el coinvestigador principal Diego Santiago-Alarcón, profesor asistente de biología integrativa de la USF-. Es difícil tener una metodología multipropósito que pueda usarse para predecir infecciones en todos los diversos sistemas de parásitos, pero con esta investigación, contribuimos a lograr ese objetivo”.

La metodología consiste en un enfoque de aprendizaje automático que identifica la influencia de variables, como la ubicación y el clima, en patógenos conocidos (iStock)
La metodología consiste en un enfoque de aprendizaje automático que identifica la influencia de variables, como la ubicación y el clima, en patógenos conocidos (iStock)

Con la colaboración de investigadores de la Universidad Veracruzana y el Instituto de Ecología, ubicados en México, Santiago-Alarcón examinó tres sistemas huésped-patógeno: malaria aviar, aves con el virus del Nilo Occidental y murciélagos con coronavirus, para probar la confiabilidad y precisión del modelos generados por la metodología. El equipo descubrió que para los tres sistemas, la especie infectada con mayor frecuencia no era necesariamente la más susceptible a la enfermedad.

Para identificar mejor a los huéspedes con mayor riesgo de infección, fue importante identificar factores relevantes, como el clima y las relaciones evolutivas. Mediante la integración de variables geográficas, ambientales y de desarrollo evolutivo, los investigadores localizaron especies huésped que no habían sido registradas previamente como infectadas por el parásito en estudio, lo que proporcionó una forma de identificar especies susceptibles y, finalmente, mitigar el riesgo de patógenos.

“Confiamos en que la metodología es exitosa y se puede aplicar ampliamente a muchos sistemas huésped-patógeno -completó Santiago-Alarcón-. Ahora entramos en una fase de mejora y perfeccionamiento”.

“La humanidad, y de hecho la biodiversidad en general, están experimentando cada vez más desafíos de enfermedades infecciosas como resultado de nuestra incursión y destrucción del orden natural", dijeron los investigadores (Getty)
“La humanidad, y de hecho la biodiversidad en general, están experimentando cada vez más desafíos de enfermedades infecciosas como resultado de nuestra incursión y destrucción del orden natural", dijeron los investigadores (Getty)

Los resultados demuestran que la metodología es capaz de proporcionar predicciones globales fiables para los sistemas huésped-patógeno estudiados, incluso cuando se utiliza una pequeña cantidad de información. Este nuevo enfoque ayudará a dirigir la vigilancia de enfermedades infecciosas y los esfuerzos de campo, proporcionando una estrategia rentable para determinar mejor dónde invertir los recursos limitados de enfermedades.

Predecir qué tipo de patógeno producirá la próxima infección médica o veterinaria es un desafío necesario. A medida que aumenta la tasa de impacto humano en los entornos naturales, nuevas enfermedades emergentes aparecerán en el escenario.

La humanidad, y de hecho la biodiversidad en general, están experimentando cada vez más desafíos de enfermedades infecciosas como resultado de nuestra incursión y destrucción del orden natural en todo el mundo a través de situaciones como la deforestación, el comercio global y el cambio climático -explicó Andrés Lira-Noriega, investigador en el Instituto de Ecología de la misma universidad-. Esto impone la necesidad de contar con herramientas como la que estamos publicando para ayudarnos a predecir dónde pueden ocurrir o surgir nuevas amenazas en términos de nuevos patógenos y sus reservorios”.

El equipo planea continuar con su investigación para probar más a fondo la metodología en sistemas huésped-patógeno adicionales y ampliar el estudio de la transmisión de enfermedades para predecir futuros brotes con el objetivo de hacer que la herramienta sea fácilmente accesible a través de una aplicación abierta a la comunidad científica para fines de este año.

SEGUIR LEYENDO:

Guardar