¿Puede la IA predecir la propagación de una enfermedad infecciosa en una ciudad utilizando únicamente datos de movilidad anonimizados ?

Los funcionarios de salud pública dependen cada vez más de modelos basados en datos para anticipar brotes de enfermedades, pero muchos requieren datos personales sensibles o simulaciones complejas. Una capacidad reciente de IA implica predecir la propagación de enfermedades infecciosas utilizando conjuntos de datos anonimizados de patrones de movimiento humano. La IA debe tener en cuenta variaciones en el comportamiento, la densidad de población y los factores ambientales para producir predicciones accionables y altamente precisas.

Los sistemas de IA ahora pueden estimar la propagación de enfermedades a partir de datos de movilidad anonimizados al tratar los viajes como vectores de transmisión y ejecutar simulaciones de Monte Carlo sobre redes de contacto inferidas a partir de rastros de ubicación. Modelos como Epifcast, Epigram y enfoques de aprendizaje profundo que combinan redes neuronales gráficas con incrustaciones de movilidad reportan errores absolutos medianos alrededor del 3–8 % para pronósticos semanales de incidencia en ciudades como Boston y Singapur, superando las líneas base de gravedad y radiación. Estos métodos suelen basarse en señales agregadas de ubicación de teléfonos móviles en lugar de trayectorias sin procesar, aplicando privacidad diferencial o k-anonimato para preservar el anonimato al tiempo que retienen patrones de movilidad gruesos.

— Enriched May 13, 2026 · Source: Nature Communications — https://www.nature.com/articles/s41467-023-38814-1