Camille
IA obtenida a partir de datos simulados para atacar el virus SARS-CoV-2 (Covid 19)
PROBLEMA
Demora en obtener resultados por la alta demanda de pruebas PCR en la ciudad de Barranquilla. Esta alta demanda promovía la obtención de resultados erróneos dando como negativos casos posiblemente positivos.
DESARROLLO
Se generaron y probaron modelos de aprendizaje automático (ML)utilizando pequeñas cantidades de datos de cada clase. Se utilizó el mejor modelo para clasificar los big data obtenidos por el Laboratorio de Virología de la Universidad Simón Bolívar a partir de curvas de RT-PCR en tiempo real para el SARS-CoV-2, y el modelo fue reentrenado e implementado en un software que correlacionó los datos del paciente con la prueba y diagnósticos de IA.
IMPACTOS
La IA se diseñó para facilitar la verificación mediante la detección de perfiles atípicos en las curvas de PCR causados por contaminación o artefactos.
Se mejoró la atención de los laboratorios y la veracidad de los resultados de las muestras PCR en la ciudad de Barranquilla y Departamento del Atlántico
Perfil de la curva de data HEX identificada como normal por CAMILLE
Perfil de la curva de data HEX identificada como anomalías por CAMILLE
El problema radica cuando son muchas muestras que hay que revisar por parte de los directores de laboratorios, cuando CAMILLE detecta una anomalía marca la intercepción del canal y el paciente específico, donde se debe revisar para tomar la decisión.
