CASO DE ÉXITO #MachineLearning
Modelización de la propagación de la infección Covid-19
España ha sido uno de los países más afectados por esta nueva pandemia mundial y Madrid ha sido su epicentro, registrando el mayor número de casos y muertes en el país.

Gobierno de la Comunidad de Madrid
El Gobierno de la Comunidad de Madrid es el organismo encargado de dirigir la política regional. Es responsable de las funciones ejecutivas y administrativas, así como del ejercicio de la autoridad reguladora en los asuntos de su competencia. Cada Comunidad cuenta con un Departamento de Salud responsable de áreas clave como la planificación sanitaria, la salud pública y la gestión de los servicios sanitarios que tienen como objetivo principal garantizar la proximidad de los servicios a los usuarios.
En la actual fase inicial del brote de COVID-19, Madrid necesitaba prepararse para hacer frente a la escalada de casos, con especial atención a la preparación de los servicios sanitarios. Contener y mitigar la propagación y la tasa de infección del virus ha sido la primera prioridad de las autoridades de salud pública de Madrid para distribuir el número de infecciones a lo largo del tiempo y, si es posible, reducir la incidencia de la enfermedad que causa.
Aunque diariamente se dispone de nuevos datos sobre COVID-19, la información sobre las características biológicas y epidemiológicas de COVID-19 continúa siendo limitada y sigue habiendo incertidumbre en torno a casi todos los valores de los parámetros.
Por ejemplo, las estimaciones de los coeficientes de letalidad deben tener en cuenta numerosos sesgos, entre ellos el elevado número de casos asintomáticos, el subregistro de casos sintomáticos, el subregistro de muertes asociadas a COVID-19 y el retraso entre la notificación de los casos y la notificación de las muertes. También es probable que exista una variabilidad regional en las prácticas de ensayo, la incidencia notificada.
La perspectiva de aprendizaje automático sobre la modelización de la propagación de enfermedades infecciosas implica la consideración de estos numerosos parámetros de modelización que detallan la propagación de la enfermedad y la recuperación de la misma, así como otros compartimentos diferentes que corresponden a factores demográficos y sociales.
El pronóstico preciso del número de casos de COVID-19 se está convirtiendo en la columna vertebral para facilitar el uso de los recursos disponibles en los hospitales y mejorar las estrategias de gestión para manejar de manera óptima a los pacientes infectados. Para ello, Keepler ha desarrollado un dashboard interactivo en Quicksight, ya que un enfoque basado en los datos es crucial para comprender la evolución de la pandemia, y el uso de modelos de aprendizaje automático es esencial para desarrollar modelos a escala regional para la previsión y evaluación del curso de la pandemia. Los modelos de aprendizaje automático también pueden ayudar a evaluar los posibles efectos de diferentes estrategias de mitigación en la comunidad (por ejemplo, el distanciamiento social) y a simular la trayectoria futura de la epidemia en diferentes escenarios, así como proyectar el impacto y las consecuencias para la capacidad de atención de la salud y las intervenciones normativas.
La solución sigue las mejores prácticas del Well-Architected Framework de AWS. Se ha implementado una solución sin servidor para optimizar los costos y el mantenimiento innecesario de la infraestructura. Los servicios utilizados en la solución son:
-
AWS S3: almacenamiento de información.
-
AWS CloudWatch: desencadena ETL, ejecución de predicciones y registros.
-
Lote AWS: preprocesamiento y limpieza de datos.
-
AWS Glue: construcción del catálogo de datos.
-
AWS Athena: consulta SQL para analizar datos en S3.
-
AWS QuickSight: construcción de visualizaciones.
-
AWS SageMaker: creación y despliegue de modelos de aprendizaje automático.

Keepler es una empresa boutique de servicios profesionales tecnológicos especializada en el diseño, construcción, despliegue y operaciones de soluciones software de Big Data y Machine Learning para grandes clientes. Utiliza metodologías Agile y Devops y los servicios nativos de la nube pública para la construcción de sofisticadas aplicaciones de negocio centradas en datos e integradas con diversas fuentes en modo batch y tiempo real. Es nivel Advanced Consulting Partner y cuenta con una plantilla técnica en la que el 90% de sus profesionales están certificados en AWS. Keepler actualmente trabaja para grandes clientes en diversos mercados, como servicios financieros, industria, energía, telecomunicaciones y media.