Conclusiones

La pandemia de SARS-CoV-2 ha mostrado la dificultad de respaldar la toma de decisiones, tanto al nivel individual como de sociedad, con predicciones acertadas y transparentes. Estas dificultades surgen porque el avance en espacio y tiempo de SARS-CoV-2 es altamente multifactorial y adaptativo. Así se requiere de una combinación de “big data” y el Aprendizaje de Máquina en la forma de clasificadores de Bayes. Además, requiere que los tomadores de decisión y el público en general tengan acceso a estas herramientas y las pueden usar sin ser expertos en estos temas. EpI-PUMA es un sistema que cumple con estas características, ya que está disponible como PaaS y permite conocer la relevancia estadística de miles de datos. Actualmente, se genera una gran cantidad de datos públicos que no son aprovechados por algún interesado. La plataforma acerca estos datos a las personas y les brinda una forma de analizar la epidemia de COVID-19, evaluar los factores de riesgo, y obtener una predicción. Estos sistemas empoderan a las personas con información útil en la toma de sus decisiones.

Actualmente, EpI-PUMA utiliza predictores estáticos sobre la demografía, pobreza y movilidad entre los municipios. En un futuro próximo, se integrarán datos dinámicos para evaluar con mayor precisión el riego de la COVID-19, y potencialmente otras epidemias futuras. Sin duda, el Aprendizaje de máquina constituye una herramienta útil para entender las relaciones complejas que determinan nuestra salud.

Agradecimientos
Agradecemos al Programa de Apoyo a Proyectos de Investigación e Innovación Tecnológica (PAPIIT) de la Universidad Nacional Autónoma de México por el financiamiento AV100520-Epipuma para el desarrollo de EpI-PUMA.