Trabajo desarrollado por un equipo del Departamento de Ingeniería Industrial y del Instituto Sistemas Complejos de Ingeniería (ISCI) de la Universidad de Chile, permitió anticipar la demanda de camas UCI durante los días más críticos de la pandemia. La iniciativa, que permitió apoyar la toma de decisiones sanitarias a nivel nacional, es una de las propuestas destacadas en el Innovative Applications in Analytics Award, concurso que distingue el uso creativo y único de técnicas analíticas de alto impacto.
“COVID-19: Short-term forecasting of ICU beds in times of crisis” se titula la investigación publicada recientemente por un equipo del Departamento de Ingeniería Industrial y del Instituto Sistemas Complejos de Ingeniería (ISCI) en PLOS One, revista científica editada por la Public Library of Science. El trabajo, que presenta un modelo predictivo para la utilización de camas UCI, fue seleccionado como semifinalista en los Innovative Applications in Analytics.
Los egresados Mirko Bozanic-Leal y Magdalena Badal, junto a los académicos Marcel Goic y Leonardo Basso (director del ISCI), son los autores de este modelo desarrollado para apoyar la gestión de camas críticas en los días más difíciles de la pandemia.
A principios de mayo de 2020, la cantidad de infecciones por COVID-19 había aumentado dramáticamente en Chile, lo que, sin duda, y como fue en la experiencia de muchos países, amenazaba la capacidad de atender todos los nuevos casos entrantes. Para entonces el ISCI ya estaba trabajando en analíticas relacionadas con la movilidad en cuarentena y participaba en la mesa de datos convocada por el Ministerio de Ciencia. Ante lo crítico de la situación, se les solicitó con urgencia la posibilidad de generar predicciones de utilización de camas UCI con un horizonte de tiempo de una y dos semanas, en las regiones con más altas tasas de contagio.
A este requerimiento el equipo de investigadores de Ingeniería Industrial y del ISCI respondió con celeridad, entregando en menos de 48 horas el primer reporte. Por varias semanas, y hasta que disminuyó de manera significativa la utilización de camas UCI, se generaron reportes cada dos días con una estimación del requerimiento de camas para cada región del país.
¿Cómo funciona?
El artículo muestra el enfoque utilizado para anticipar la demanda, enfatizando que aún con información incompleta es posible usar herramientas avanzadas de análisis de datos para apoyar decisiones urgentes. Modelos epidemiológicos, de Machine Learning y autoregresivos se utilizaron en este trabajo,con el fin de proporcionar una simulación a corto plazo sobre la utilización de camas UCI a nivel regional, así como también capturar diferentes componentes de la evolución del brote. De esta forma, desarrollaron una solución para generar predicciones de la cantidad de camas de UCI que necesitaría cada región del país con un horizonte temporal de 14 días por delante.
Esta información fue de uso público y se utilizó activamente en la planificación de capacidad de estas camas, teniendo un margen de error de entre 4 y 9 por ciento, considerando un horizonte máximo de una a dos semanas, respectivamente, lo que mejoró los resultados entregados por otros modelos de pronóstico disponibles.
Reconocimiento
La investigación figura como uno de los trabajos semifinalistas del Innovative Applications in Analytics Award, impulsado por la Analitycs Society of INFORMS, Kinaxis y Adelphi University. La finalidad de este premio es reconocer el uso creativo y único de la combinación de técnicas analíticas que tengan una aplicación inusual y que entreguen información relevante o valor con su resultado.
Uno de los reconocimientos de este premio es poder presentar la investigación en el INFORMS Annual Meeting, una de las conferencias más importante en Business Analytics & Operations Research que se realiza en Estados Unidos y que por contingencia el 2020 fue realizada de manera virtual.
Comunicaciones Instituto Sistemas Complejos de Ingeniería (ISCI)
Universidad de Chile