• Os proxectos do CITIC da UDC implementan enxeñaría de datos para avaliación e predición poboacional personalizada da evolución da enfermidade (CEDCOVID); e o uso da predición da estrutura de proteínas de SARS-CoV-2 con técnicas de IA

• Financiados pola Axencia Galega de Innovación nos dous últimos anos, poñen de manifesto a efectividade de diferentes solucións TIC, como a estatística ou sistemas web, na mellora da xestión sanitaria da enfermidade e mesmo na procura de novos fármacos

A Coruña, 13 de decembro de 2022.- O CITIC da UDC vén de presentar os resultados de dous proxectos de investigación con base na Intelixencia Artificial (IA) para loitar contra o impacto na saúde da COVID-19. Trátase do programa sobre Ciencia e enxeñaría de datos para avaliación, predición poboacional e personalizada da evolución da enfermidade (CEDCOVID), dirixido por Ricardo Cao Abad e Manuel F. González Penedo; e do que estuda  a predición da estrutura de proteínas de SARS-CoV-2 con técnicas de IA, liderado por José Santos Reyes. Financiados pola Axencia Galega de Innovación con 336.895 euros con cargo a fondos FEDER e co apoio da Vicepresidencia Primeira e Consellería de Economía, Industria e Innovación, poñen en valor a funcionalidade das Tecnoloxías da Información e da Comunicación (TIC) ao servizo da mellora integral da saúde.

Matemáticas ao servizo da xestión sanitaria

As liñas de investigación do proxecto Ciencia e Enxeñaría de datos para a avaliación, predición poboacional e personalizada da evolución da enfermidade COVID-19 (CEDCOVID, IN845D2020/26) abordaron diversos obxectivos, entre os que se destacan:

Analizouse a duración do tempo de hospitalización, así como o tempo de estancia en UCI de algo máis de 10.000 pacientes galegos de COVID-19  ao inicio da pandemia, e a influencia da idade, o sexo e algunhas outras variables clínicas en ditos tempos. Como consecuencia, construíuse un modelo que permite predicir a conxestión hospitalaria e en UCI do sistema sanitario galego para as diferentes áreas sanitarias.

Realizouse a implementación dun sistema web de visualización avanzada de datos e do seu proceso de extracción, transformación e carga. Creáronse modelos de aprendizaxe automática para predicir se os pacientes diagnosticados con COVID precisan diferentes niveles de asistencia hospitalaria (ingreso hospitalario en planta ou ingreso na unidade de coidados intensivos) durante o curso da súa enfermidade, utilizando só datos demográficos e clínicos. Estudiouse ademais a eficacia das intervencións non farmacolóxicas en nove campos de actividade para diminuír a transmisión do SARS-CoV-2 en España no período setembro de 2020 -maio de 2021.

Analizouse tamén o impacto da vacinación sobre a incidencia da COVID-19 en España. Para iso, formuláronse modelos estatísticos para explicar o número de pacientes hospitalizados en función da incidencia acumulada de COVID-19 e a porcentaxe de poboación vacinada.

Púxose en marcha unha infraestrutura de Internet das Cousas na que se reciben datos de sensores ambientais, sensores industriais e de sistemas fotovoltaicos. No transcurso do proxecto leváronse a cabo tarefas de análise descritiva e visualización dos datos correspondentes aos niveles de CO₂ nas aulas durante as ABAU 2021 e 2022. Realizáronse simulacións virtuais para contornos de especial interese (como residencias, supermercados, locais de ocio ou hostalería) co obxectivo de cuantificar a probabilidade de contaxio.

Desenvolveuse un modelo para a estimación das frecuencias das variantes de virus SARS-CoV-2 presentes en mostras de augas residuais a partir das frecuencias de mutacións de interese.

Busca de novos fármacos grazas ao coñecemento tridimensional das proteínas

O obxectivo do proxecto Predición da estrutura de proteínas de SARS-CoV-2 con técnicas de IA foi utilizar diferentes métodos de intelixencia artificial para predicir a estrutura dos diferentes compoñentes proteicos de SARS-CoV-2. A importancia do coñecemento da estrutura tridimensional dunha proteína provén do feito de que a estrutura determina a súa función e a súa interacción con outros compoñentes moleculares. 

Por iso, centrouse o esforzo en compoñentes proteicos cuxa estrutura non foi determinada con métodos de laboratorio estandarizados. Nestas proteínas é necesaria a predición por computador, para predicir cal é a posición espacial de cada átomo e de cada aminoácido da proteína concreta, como é o caso de proteínas “non estruturais” que interveñen no proceso de replicación do virus. 

Co proxecto do CITIC mellorouse a resolución atómica en diferentes compoñentes proteicos nos que se dispón dun modelo inicial estrutural. O obxectivo foi prover a maior resolución e fiabilidade posibles nas estruturas tridimensionais das proteínas, para o seu uso na procura computacional mediante busca de posibles medicamentos.