La OMS y el desafío de detectar la próxima pandemia en 24 horas

   Consciente de esta realidad, la Organización Mundial de la Salud (OMS) trazó una hoja de ruta tan ambiciosa como necesaria: la detección y comprensión de cualquier amenaza sanitaria emergente en un plazo máximo de 24 horas para el año 2030. Este objetivo, presentado recientemente durante la Cumbre Mundial de la Salud en Berlín, no es solo una meta técnica, sino una declaración de principios sobre cómo el mundo debe prepararse para la próxima crisis biológica.

   El anuncio, realizado por el director general de la OMS, Tedros Adhanom Ghebreyesus, marca un hito en la estrategia quinquenal del Centro de Inteligencia sobre Pandemias y Epidemias. Creado en 2021 con el apoyo del Gobierno alemán tras las devastadoras lecciones dejadas por la pandemia de Covid-19, este centro busca transformar la manera en que el mundo gestiona la incertidumbre biológica. Ya no es solo de reaccionar ante los brotes cuando ya se cobraron vidas, sino de anticiparse a ellos con precisión quirúrgica. "Cinco años después de su creación, el Centro es una parte integral del sistema mundial de seguridad sanitaria", afirmó Tedros, subrayando que el nuevo plan busca unir a gobiernos y socios en torno a un objetivo común: contener las crisis antes de que se conviertan en catástrofes globales.

   Para lograr esta meta de 24 horas, la estrategia se apoya en un complejo ecosistema de herramientas tecnológicas y colaboración humana. El corazón de esta maquinaria es la IA, que actúa no como un reemplazo de los expertos, sino como un amplificador de sus capacidades. La piedra angular de este sistema es la iniciativa de Inteligencia Epidemiológica de Fuentes Abiertas (EIOS por sus siglas en inglés). Esta herramienta fue actualizada a una versión 2.0 que utiliza algoritmos avanzados de Procesamiento de Lenguaje Natural y aprendizaje automático para escanear, en tiempo real, miles de fuentes públicas. Desde noticias locales y redes sociales hasta foros de discusión y boletines científicos, la IA analiza un torrente incesante de datos para identificar patrones inusuales o "señales" que podrían indicar un brote emergente.

   Lo revolucionario de esta tecnología es su capacidad para derribar barreras que antes eran infranqueables. La nueva versión de EIOS puede procesar fuentes no tradicionales, como canales de radio locales, transcribiendo y traduciendo automáticamente la información a múltiples idiomas. Esto significa que un brote de una enfermedad desconocida en una región remota de Asia o África, que antes podría haber pasado inadvertido durante semanas, ahora puede ser detectado en cuestión de horas. La IA filtra el "ruido" y la desinformación, priorizando las alertas más relevantes para que los epidemiólogos humanos puedan validar la amenaza y tomar decisiones fundamentadas. Actualmente, esta red cuenta con la participación de más de 4.000 expertos y es utilizada por más de 125 Estados Miembros, tejiendo una red de vigilancia global sin precedentes.

   Sin embargo, detectar una señal es solo el primer paso. Para comprender realmente la amenaza, es necesario analizar su naturaleza biológica. Aquí entra en juego la Red Internacional de Vigilancia de Patógenos (IPSN). Esta iniciativa fortalece las capacidades de secuenciación genómica y bioinformática de los países, permitiendo identificar y comprender patógenos emergentes con una velocidad asombrosa. La IA juega un papel crucial al acelerar el análisis de datos genómicos, permitiendo identificar mutaciones o agentes completamente nuevos en horas en lugar de días. Esta rapidez es vital para predecir la transmisibilidad, la virulencia y la posible resistencia a los tratamientos, lo que a su vez acelera el desarrollo de pruebas diagnósticas, terapias y vacunas. La ciencia de datos se pone así al servicio de la biología para entender al enemigo antes de que pueda atacar masivamente.

   El tercer pilar de esta estrategia es la capacidad de predicción. El Laboratorio Colaborativo, o Collaboratory, conecta a más de 2.000 expertos en modelado y ciencia de datos que pueden movilizarse ante una amenaza. Cuando se detecta una señal y se comprende el patógeno, la IA ejecuta modelos predictivos avanzados para simular las posibles trayectorias del brote. Estas simulaciones tienen en cuenta variables complejas como la densidad de población, los patrones de movilidad, el clima y la capacidad del sistema de salud local. El objetivo es pasar de una respuesta reactiva a una preventiva, permitiendo a los gobiernos movilizar recursos e implementar medidas de contención antes de que el brote se salga de control. Esta capacidad de "ver el futuro" basándose en datos masivos es lo que podría marcar la diferencia entre una epidemia localizada y una pandemia global.

   Para que todo esto funcione, es imperativo que los datos fluyan en forma libre y segura. La nueva Iniciativa de Facilitadores Digitales para la Inteligencia en Salud Pública aborda precisamente este desafío. Reconoce que la IA es tan buena como los datos que la alimentan y busca desarrollar sistemas digitales seguros e interoperables. El objetivo es permitir que los países compartan datos epidemiológicos sin comprometer su soberanía nacional ni la privacidad de sus ciudadanos. Se promueve la creación de infraestructuras de datos de salud que estandaricen la información, asegurando que los algoritmos de IA puedan procesarla de manera eficiente y equitativa, especialmente en países de ingresos bajos y medios, evitando que la brecha digital se convierta en una brecha de seguridad sanitaria.

   No obstante, el despliegue masivo de estas tecnologías conlleva riesgos significativos que la OMS no ignora. Por ello, la estrategia se alinea estrictamente con las directrices de ética y gobernanza de la IA para la salud. Se establece el principio de "Human-in-the-loop" o supervisión humana, donde la IA no toma decisiones autónomas; su función es aumentar las capacidades humanas, siendo siempre un experto quien valida la señal de alerta final. Además, se trabaja activamente para mitigar los sesgos en los algoritmos, entrenándolos con conjuntos de datos diversos y representativos para evitar que la vigilancia sea ciega ante brotes en regiones con menor presencia digital o en idiomas minoritarios. La privacidad y la seguridad son también pilares fundamentales, garantizando que el rastreo de fuentes abiertas y el intercambio de datos genómicos cumplan con los más altos estándares y no se utilicen para fines de vigilancia masiva no sanitaria.

   Este ambicioso plan no opera en el vacío. Se enmarca en un contexto político global donde la Asamblea General de Naciones Unidas aprobó recientemente una declaración política sobre prevención, preparación y respuesta ante pandemias. Esta declaración reclama inversiones sostenidas para reforzar las capacidades nacionales, regionales y mundiales, e insta a concluir las negociaciones sobre el acceso a patógenos y la distribución de beneficios. Este es un paso crucial para abrir a la firma el Acuerdo sobre Pandemias de la OMS, cuyo resultado se examinará en la próxima Asamblea Mundial de la Salud en 2027. La tecnología y la política deben avanzar de la mano para que la meta de las 24 horas sea una realidad tangible y no solo un ideal tecnológico.

   En resumen, la estrategia de la OMS para 2030 representa un cambio de paradigma en la seguridad sanitaria global. La IA actúa como el tejido conectivo que une la detección de señales en redes sociales, el análisis biológico del patógeno y la proyección de su impacto. El éxito de este objetivo dependerá de que esta tecnología se implemente de manera responsable, equitativa y con una sólida gobernanza de datos a nivel global. La carrera contra el tiempo comenzó, y la meta es clara: estar listos para detectar y comprender la próxima amenaza antes de que el mundo tenga que lamentar sus consecuencias. La apuesta es alta, pero el costo de no intentarlo es, sencillamente, impensable.