Pruebas fronterizas eficientes y específicas de COVID-19 a través del aprendizaje de refuerzo

Área de la Ciencia:

• Inteligencia artificial
• Salud pública
• Epidemiología

Sus antecedentes:

• Los países utilizaron controles fronterizos ad hoc durante la pandemia de COVID-19, incluidas las cuarentenas y las restricciones de entrada basadas en las métricas epidemiológicas a nivel de población.
• Los protocolos existentes a menudo se basaban en métricas generales como casos, muertes o tasas de positividad de las pruebas, que pueden no reflejar con precisión los riesgos específicos del viajero.

Objetivo del estudio:

• Diseñar y evaluar un sistema de aprendizaje de refuerzo (Eva) para la detección de COVID-19 en tiempo real de los viajeros internacionales.
• Evaluar la efectividad de Eva en la identificación de viajeros infectados por SARS-CoV-2 asintomáticos e informar sobre las políticas fronterizas.
• Para comparar el rendimiento de Eva con las pruebas aleatorias y las políticas basadas únicamente en métricas epidemiológicas.

Principales métodos:

• Desarrollo y despliegue de Eva, un sistema de aprendizaje por refuerzo, a través de las fronteras griegas en el verano de 2020.
• Eva utilizó la demografía de los viajeros y los datos de pruebas históricas para asignar recursos limitados de pruebas.
• Comparación del rendimiento con escenarios contrafactuales modelados, incluida la vigilancia aleatoria y las políticas de pruebas basadas en métricas.

Principales resultados:

• Eva identificó 1,85 veces más viajeros infectados asintomáticos que las pruebas de vigilancia aleatoria, con tasas más altas durante los viajes pico.
• Eva detectó entre 1,25 y 1,45 veces más viajeros infectados que las políticas basadas únicamente en métricas epidemiológicas.
• Las métricas epidemiológicas a nivel de población mostraron un valor predictivo limitado y variaciones significativas específicas de cada país para la prevalencia de viajeros en 2020.

Conclusiones:

• Los sistemas de aprendizaje por refuerzo como Eva pueden mejorar significativamente la detección de viajeros infectados en comparación con los métodos tradicionales.
• Los datos en tiempo real y la asignación de recursos impulsada por la IA ofrecen un enfoque más efectivo para la seguridad sanitaria en las fronteras que las políticas independientes de los países.
• El estudio destaca preocupaciones con respecto a la dependencia de las métricas epidemiológicas a nivel de población para las políticas de viajes internacionales.