• Los proyectos del CITIC de la UDC implementan ingeniería de datos para evaluación y predicción poblacional personalizada de la evolución de la enfermedad (CEDCOVID); y el uso de la predicción de la estructura de proteínas de SARS-CoV-2 con técnicas de IA

• Financiados por la Agencia Gallega de Innovación en los dos últimos años, ponen de manifiesto a efectividad de diferentes soluciones TIC, como la estadística o sistemas web, en la mejora de la gestión sanitaria de la enfermedad y mismo en la búsqueda de nuevos fármacos

A Coruña, 13 de diciembre de 2022.- El CITIC de la UDC ha presentado hoy los resultados de dos proyectos de investigación con base en la Inteligencia Artificial (IA) para luchar contra lo impacto en la salud de la COVID-19. Se trata del programa sobre Ciencia e ingeniería de datos para evaluación, predicción poblacional y personalizada de la evolución de la enfermedad (CEDCOVID), dirigido por Ricardo Cao Abad y Manuel F. González Penedo; y del que estudia la predicción de la estructura de proteínas de SARS-CoV-2 con técnicas de IA, liderado por José Santos Reyes. Financiados por la Agencia Gallega de Innovación con 336.895 euros con cargo a fondos FEDER y con el apoyo de la Vicepresidencia Primera y Consellería de Economía, Industria e Innovación, ponen en valor la funcionalidad de las Tecnologías de la Información y de la Comunicación (TIC) al servicio de la mejora integral de la salud.

Matemáticas al servicio de la gestión sanitaria

Las líneas de investigación del proyecto Ciencia e Ingeniería de datos para la evaluación, predicción poblacional y personalizada de la evolución de la enfermedad COVID-19 (CEDCOVID, IN845D2020/26) abordaron diversos objetivos, entre los que se destacan:

Se analizó la duración del tiempo de hospitalización, así como el tiempo de estancia en UCI de algo más de 10.000 pacientes gallegos de COVID-19 al inicio de la pandemia, y la influencia de la edad, el sexo y algunas otras variables clínicas en dichos tiempos. Como consecuencia, se construyó un modelo que permite predecir la congestión hospitalaria y en UCI del sistema sanitario gallego para las diferentes áreas sanitarias.

Se realizó la implementación de un sistema web de visualización avanzada de datos y de su proceso de extracción, transformación y carga. Se crearon modelos de aprendizaje automática para predecir si los pacientes diagnosticados con COVID necesitan diferentes niveles de asistencia hospitalaria (ingreso hospitalario en planta o ingreso en la unidad de cuidados intensivos) durante el curso de su enfermedad, utilizando solo datos demográficos y clínicos. Se estudió además la eficacia de las intervenciones no farmacológicas en nueve campos de actividad para disminuir la transmisión del SARS-CoV-2 en España en el período septiembre de 2020 -mayo de 2021.

Se analizó también el impacto de la vacunación sobre la incidencia de la COVID-19 en España. Para ello, se formularon modelos estadísticos para explicar el número de pacientes hospitalizados en función de la incidencia acumulada de COVID-19 y el porcentaje de población vacunada.

Se puso en marcha una infraestructura de Internet de las Cosas en la que se reciben datos de sensores ambientales, sensores industriales y de sistemas fotovoltaicos. En el transcurso del proyecto se llevaron a cabo tareas de análisis descriptiva y visualización de los datos correspondientes a los niveles de CO2 en las aulas durante las ABAU 2021 y 2022. Se realizaron simulaciones virtuales para entornos de especial interés (como residencias, supermercados, locales de ocio o hostelería) con el objetivo de cuantificar la probabilidad de contagio.

Se desarrolló un modelo para la estimación de las frecuencias de las variantes de virus SARS-CoV-2 presentes en muestras de aguas residuales a partir de las frecuencias de mutaciones de interés.

Búsqueda de nuevos fármacos gracias al conocimiento tridimensional de las proteínas

El objetivo del proyecto Predicción de la estructura de proteínas de SARS-CoV-2 con técnicas de IA fue utilizar diferentes métodos de inteligencia artificial para predecir la estructura de los diferentes componentes proteicos de SARS-CoV-2. La importancia del conocimiento de la estructura tridimensional de una proteína proviene del hecho de que la estructura determina su función y su interacción con otros componentes moleculares. 

Por eso, se centró el esfuerzo en componentes proteicos cuya estructura no fue determinada con métodos de laboratorio estandarizados. En estas proteínas es necesaria la predicción por ordenador, para predecir cuál es la posición espacial de cada átomo y de cada aminoácido de la proteína concreta, como es el caso de proteínas “no estructurales” que intervienen en el proceso de replicación del virus. 

Con el proyecto del CITIC se mejoró la resolución atómica en diferentes componentes proteicos en los que se dispone de un modelo inicial estructural. El objetivo fue a proveer la mayor resolución y fiabilidad posibles en las estructuras tridimensionais de las proteínas, para su uso en la búsqueda computacional mediante busca de posibles medicamentos.