El laboratorio de IBM Research en Almaden anunció el 11 de agosto que sus científicos descubrieron que el análisis de datos de escáneres de supermercados y su comparación con mapas de casos confirmados de enfermedades transmitidas por los alimentos, pueden acelerar investigaciones tempranas. Los investigadores demostraron que con tan solo 10 informes de exámenes médicos de enfermedades transmitidas por los alimentos pueden acotar la investigación a 12 productos alimenticios sospechosos, en unas pocas horas.
Las enfermedades que se transmiten por los alimentos, como las infecciones con salmonella, E. coli y norovirus, son una importante preocupación de salud pública. Se estima que cada año enferman en el mundo unas 600 millones de personas – casi 1 de cada 10 habitantes – por consumir alimentos contaminados, según la Organización Mundial de la Salud (OMS). Durante el brote de una enfermedad transmitida por alimentos, identificar rápidamente la fuente del alimento contaminado resulta vital para minimizar la enfermedad, la pérdida y el impacto en la sociedad.
En el estudio de IBM, los investigadores crearon una metodología de analítica de datos para revisar datos espacio-temporales -que incluyen la geolocalización y el horario de consumo- para cientos de categorías de productos almacenados. Los investigadores también analizaron cada producto para determinar su fecha de vencimiento, geolocalización de consumo y probabilidad de que alojaran un patógeno en particular, para luego correlacionar la información con la ubicación conocida de los brotes. El sistema luego clasificó todos los productos de almacén por probabilidad de contaminación en una lista que permitió a los funcionarios de salud pública probar los 12 alimentos principales sospechosos de contaminación y alertar al público en consecuencia.
Una investigación tradicional puede llevar de semanas a meses, y el tiempo influye significativamente en el impacto económico y sanitario del brote. El proceso típico emplea entrevistas y cuestionarios para rastrear la fuente de contaminación. En 2011, se tomaron más de 60 días en identificar la fuente de un brote de E. coli en Europa: semillas de fenogreco importadas. Para cuando se completó la investigación, todos los brotes producidos de esas semillas ya habían sido consumidos. Se enfermaron casi 4,000 personas en 16 países, y hubo más de 50 muertes antes de que los funcionarios de sanidad pudieran identificar la fuente, según la Autoridad Europea de Seguridad Alimentaria.
“Cuando hay un brote de una enfermedad que se transmite por los alimentos, el mayor desafío que enfrentan los funcionarios de salud pública es la velocidad a la cual pueden identificar la fuente de alimentos contaminados y alertar al público”, explicó Kun Hu, científico de investigación de salud pública de IBM Research en Almaden, en San José, California. “Si bien los métodos tradicionales, como entrevistas y encuestas, siguen siendo necesarios, analizar Big Data desde los escáneres de supermercado puede acotar significativamente la lista de contaminantes en cuestión de horas, para luego pasar a las pruebas de laboratorio adicionales. Nuestro estudio muestra que la tecnología Big Data y Analítica puede reducir significativamente el tiempo de investigación y el error humano, y causar un enorme impacto en la salud pública”.
El método descrito en este estudio ya ha sido aplicado a un brote real de E. coli en Noruega. Con solo 17 casos de infección confirmados, los funcionarios de salud pública pudieron usar esta tecnología para analizar datos de escáner de supermercado, relacionados con más de 2,600 productos alimenticios posibles, y crear una lista de 10 contaminantes posibles. El análisis posterior en el laboratorio identificó la fuente de contaminación al nivel de número de lote y partida del producto específico: una salchicha.
El estudio “From Farm to Fork: How Spatial-Temporal Data can Accelerate Foodborne Illness Investigation in a Global Food Supply Chain” (Del campo a la mesa: cómo los datos espacio-temporales pueden acelerar la investigación de enfermedades transmitidas por los alimentos en una cadena de suministro de alimentos global), se publicó en el Sigspatial Journal de la Association for Computing Machinery.
