Eva, l'algoritme que va permetre a Grècia detectar el doble de visitants amb Covid

Un sistema basat en la intel·ligència artificial per triar a qui fer les proves de Covid va permetre a Grècia identificar, l'estiu del 2020, gairebé el doble de visitants amb el SARS-CoV-2 per cada test que amb el sistema habitual a la majoria de països.

El sistema, anomenat Eva, ha estat descrit per investigadors d'universitats de Grècia i dels Estats Units a la revista Nature.

Eva utilitza dades demogràfiques dels viatgers, com país i regió d'origen, edat i sexe, i millora contínuament amb els resultats dels tests que es realitzen, amb un mètode anomenat aprenentatge de reforç. D'aquesta manera, va ajustant quines característiques corresponen a viatgers que haurien de passar els tests, sense basar-se només en el país d'on procedeixen.

Poc eficients llistes de països

L'any passat, en plena pandèmia, els països van adoptar diferents estratègies per controlar l'accés de viatgers durant l'estiu. Bàsicament, hi havia quatre protocols.

Així, un estat podia permetre l'entrada indiscriminadament a viatgers de països inclosos en una llista blanca, demanar una PCR prèvia a viatgers de països de la llista grisa, exigir quarantena a l'arribada als viatgers de països d'una llista vermella i, finalment, prohibir els viatges no essencials de persones que venien de països en una llista negra.

La distinció ja és complexa I provoca diferències. Així, països que per a uns estan en la llista blanca per a d'altres estan a la grisa o a la vermella. I no sempre hi ha prou dades de tots els països.

A més, dintre d'un mateix país hi ha persones que tenen més probabilitats d'haver-se contagiat, per les raons que siguin --per exemple, pot provenir d'una regió amb més densitat de població o on algunes mesures de prevenció no siguin obligatòries o pot estar en edat de risc.

Per tant, una política basada només en l'origen comporta, d'una banda, deixar sense tests persones amb probabilitats de ser portadores del coronavirus i, de l'altra, no fer proves a individus que tenen més risc d'estat infectats.

Optimitzar els tests

Com que la capacitat per fer tests és limitada i les proves costen diners, cap optimitzar-les. Com explica Ziad Obermeyer, de la Universitat de Califòrnia a Berkeley, en un comentari que acompanya l'article, els tests amb resultat negatiu només produeixen costos, per a qui el fa i per al passatger, en forma de retard. En canvi, un resultat positiu, "genera enormes beneficis: prevenció de tots els casos de Covid-19 que un viatger infectat amb SARS-CoV-2 causaria". I afegeix aquest raonament:

"Per tant, decidir per decidir a qui fer el test, l'estratègia òptima de l'agent de fronteres és clara: predir quins viatgers tenen la probabilitat més alta de donar positiu i testar-los a ells."

I això és el que fa Eva, que amb molta més informació classifica els viatgers en diversos tipus, segons la necessitat de test que els atribueix. I com que es fan proves contínuament, el mateix sistema pot comprovar si cal corregir alguns dels seus plantejaments i donar més pes, per exemple, a viatgers d'una determinada regió de certa edat.

Per evitar que la manca de dades d'un país comporti que molts dels que en provenen no passin el test, el sistema també demana proves a alguns integrants d'aquests grups per ajustar l'algoritme.

Amb l'aprenentatge de reforç, per cada test es van detectar 1,85 vegades més passatgers infectats amb el SARS-CoV-2 que si les proves  s'haguessin fet de forma aleatòria. És a dir, amb el mètode completament a l'atzar s'haurien identificat només el 54% dels casos trobats amb Eva.

I comparat amb l'usual sistema basat només en dades epidemiològiques per països, Eva va identificar entre 1,25-1,45 més viatgers infectats però asimptomàtics.

Segons els autors, el sistema hauria evitat l'entrada d'un 6,7% més de viatgers amb el coronavirus que si s'hagués utilitzat la llista grisa de països en el pic de la temporada d'estiu.

El Ministeri de Protecció Civil va combinar les dades d'Eva amb els itineraris dels viatgers dintre de Grècia. Això permetia identificar àrees on hi podia haver un increment de persones amb risc i promoure més tests o implantar més mesures de prevenció en aquestes zones.

Els autors afirmen que Eva és el primer sistema d'aprenentatge de reforç que dona dades en temps real sobre la Covid i això permet detectar més visitants infectats asimptomàtics i prendre i modificar decisions de forma continuada.