Googe y la Harvard TH Chan School of Public Health de la Universidad de Harvard han diseñado un nuevo algoritmo que utiliza el aprendizaje automático, los datos de localización, las búsqueda y datos agregados por los usuarios registrados, junto a su calificación en torno a la seguridad alimentaria para identificar aquellos restaurantes potencialmente inseguros frente a los métodos existentes actualmente. Así lo describe un artículo publicado en npj Digital Medicine recientemente.

Las enfermedades transmitidas por los alimentos son un problema persistente en lEE.UU. y los métodos actuales de los restaurantes y los departamentos de salud locales para determinar un brote se basan principalmente en las quejas de los consumidores o en las inspecciones de rutina. Estos métodos pueden ser lentos y engorrosos, lo que a menudo resulta en respuestas retrasadas y una mayor propagación de la enfermedad.

Para contrarrestar estas deficiencias, los investigadores de Google desarrollaron un modelo de algoritmo y trabajaron con Harvard para probarlo en Chicago y Las Vegas. El modelo funciona al clasificar primero las consultas de búsqueda que pueden indicar enfermedades transmitidas por los alimentos, como "dolores estomacales" o "diarrea". Luego, el modelo utiliza datos del historial de ubicación desidentificados y agregados de los teléfonos de las personas que han optado por guardarlo, para determinar qué restaurantes han visitado recientemente las personas que buscaban esos términos.

Los departamentos de salud de cada ciudad recibieron una lista de restaurantes que el modelo identificó como fuentes potenciales de enfermedades transmitidas por los alimentos. La ciudad luego enviaría inspectores de salud a estos restaurantes, aunque los inspectores de salud no sabían si este nuevo modelo o los métodos tradicionales estaban motivados por su inspección. Durante el período del estudio, los departamentos de salud también siguieron sus procedimientos habituales de inspección.

"Las enfermedades transmitidas por los alimentos son comunes, costosas y afectan a miles de estadounidenses. Esta nueva técnica, desarrollada por Google, puede ayudar a los restaurantes y departamentos de salud a encontrar problemas más rápidamente, antes de que se conviertan en problemas de salud pública más grandes", dijo el autor Ashish Jha , Profesor KT Li de Salud Global en Harvard Chan School y director de Harvard Instituto Global de Salud.

En Chicago, donde se implementó el modelo entre noviembre de 2016 y marzo de 2017, el modelo generó 71 inspecciones. El estudio encontró que la tasa de restaurantes inseguros entre los detectados por el modelo fue del 52,1% en comparación con el 39,4% entre las inspecciones activadas por un sistema basado en quejas. Los investigadores notaron que Chicago tiene uno de los programas de seguimiento más avanzados y ya emplea técnicas de búsqueda de datos en las redes sociales, pero este nuevo modelo demostró ser más preciso en la identificación de restaurantes que tuvieron problemas de seguridad alimentaria.

En Las Vegas, el modelo se implementó entre mayo y agosto de 2016. En comparación con las inspecciones de rutina realizadas por el departamento de salud, tenía una mayor precisión en la identificación de restaurantes inseguros.

Cuando los investigadores compararon el modelo con las inspecciones de rutina realizadas por los departamentos de salud de Las Vegas y Chicago, encontraron que la tasa general en ambas ciudades de restaurantes inseguros detectada por el modelo era del 52.3%, mientras que la tasa general de detección de restaurantes inseguros a través de inspecciones de rutina en las dos ciudades fue del 22,7%.

Curiosamente, el estudio mostró que en el 38% de todos los casos identificados por este modelo, el restaurante que potencialmente causó enfermedades transmitidas por los alimentos no fue el más reciente visitado por la persona que estaba buscando palabras clave relacionadas con los síntomas. Esto es importante porque investigaciones anteriores han demostrado que las personas tienden a culpar al último restaurante que visitaron y, por lo tanto, es probable que presenten una queja por el restaurante equivocado. Sin embargo, clínicamente, las enfermedades transmitidas por los alimentos pueden tardar 48 horas o incluso más en volverse sintomáticas después de que alguien haya estado expuesto, dijeron los autores.

El nuevo modelo superó las inspecciones basadas en quejas y las inspecciones de rutina en términos de precisión, escala y latencia (el tiempo transcurrido entre las personas que se enferman y el brote que se identifica). Los investigadores señalaron que el modelo puede tener un gran aprovechamiento como un complemento a los métodos existentes utilizados por los departamentos de salud y restaurantes, permitiéndoles priorizar mejor las inspecciones y realizar evaluaciones internas de seguridad alimentaria. Las respuestas más proactivas y oportunas a los incidentes podrían significar mejores resultados de salud pública. Además, el modelo podría resultar valioso para los restaurantes pequeños y medianos que no pueden pagar personal de operaciones de seguridad para aplicar técnicas avanzadas de monitoreo de seguridad de alimentos y análisis de datos.

“En este estudio, acabamos de arañar la superficie de lo que es posible en el ámbito de la epidemiología de forma automática. Me parece curiosa su analogía con el trabajo del Dr. John Snow, el padre de la epidemiología moderna, que en 1854 tuvo que ir de puerta en puerta en el centro de Londres, preguntando a la gente de dónde sacaron el agua para encontrar la fuente de un brote de cólera. Hoy, podemos usar los datos online para realizar observaciones epidemiológicas casi en tiempo real, con el potencial de mejorar significativamente la salud pública de manera oportuna y rentable", dijo Evgeniy Gabrilovich, investigadora principal de Google y coautora del estudio.