En la octava edición de los Premios de Investigación de América Latina (LARA), que otorga Google, se eligieron veintidós equipos de la región para apoyar sus investigaciones dentro de las áreas de COVID-19, aplicaciones de Inteligencia Artificial para el sector salud y Aprendizaje Automático. Las propuestas elegidas por Google son oriundas de Brasil, Chile, Perú, Colombia, México, y dentro de los seleccionados, hay cuatro proyectos de Argentina conformados por investigadores del CONICET.
Entre los cuatro proyectos seleccionados por Argentina, encabezados por científicos del CONICET, se eligió una investigación que propone rastrear la severidad del SARS-CoV-2 en barrios vulnerables de CABA, liderada por la viróloga Mariana Viegas; un proyecto encabezado por el científico y experto en computación Axel Soto para agilizar el diseño de fármacos; dentro del campo de la computación, se eligió la iniciativa impulsada por la científica Ana Gabriela Maguitman, que busca diseñar algoritmos que permitan soluciones a problemas complejos; y también se premió al proyecto liderado por el investigador Francisco Soulignac, que propone una solución computacional para optimizar la logística de envío de productos.
Coronavirus en barrios vulnerables
El primero de los proyectos ganadores de la beca LARA es el de la investigadora del CONICET Mariana Viegas, directora del grupo de Genómica de Virus Respiratorios dentro del Laboratorio de Virología del Hospital de Niños “Ricardo Gutiérrez”, quien junto a la becaria del CONICET Mercedes Soledad Nabaes Jodar busca comprender la divergencia de las cepas de coronavirus distribuidas demográficamente, para poder rastrear la evolución del virus. “Genómica y metagenómica del virus SARS-CoV-2 en Argentina. Análisis integral de aspectos genéticos y evolutivos de cepas autóctonas” se titula la iniciativa que fue galardonada.
Se propone analizar las muestras que les llegan de ciertos barrios vulnerables dentro de CABA, que se vieron principalmente afectados en el inicio de la pandemia, para intentar entender cómo se dispersó el virus en dichos barrios, su evolución en comunidades que no tenían distanciamiento social y demás problemáticas.
Quimioinformática para el diseño de nuevos fármacos
Otro de los proyectos seleccionados para la beca LARA fue el del investigador del CONICET Axel Soto, del Instituto de Ciencias e Ingeniería de la Computación (ICIC, CONICET-UNS) del CCT Bahía Blanca, quien junto con María Virginia Sabando, becaria del CONICET, llevan adelante un proyecto titulado “Aprendizaje de las incorporaciones moleculares para la reutilización de fármacos”. Tal como indica, su tema de investigación se inspiró en avances recientes en el área de redes neuronales, y en particular en el procesamiento del lenguaje natural.
Teniendo en cuenta que el proceso tradicional de descubrimiento de nuevos fármacos es lento y costoso, el equipo liderado por Soto entiende que “desde la quimioinformática se contempla la aplicación de técnicas de inteligencia artificial y aprendizaje automático para la búsqueda y predicción de compuestos candidatos a drogas. Si bien el objetivo no es reemplazar enteramente el proceso tradicional de búsqueda de nuevos fármacos (utilizando pruebas in vitro e in vivo) –explica Soto- estos modelos predictivos computacionales permiten concentrar los esfuerzos en aquellos compuestos sobre los que se predice un buen comportamiento (en lo que se denomina pruebas in silico). Por lo tanto, las pruebas in silico acortan los tiempos de laboratorio y la síntesis química de compuestos. Una cuestión clave resulta, entonces, la representación de ese compuesto químico como un modelo de datos que permita capturar características distintivas del compuesto y al mismo tiempo posibilite la aplicación de técnicas de aprendizaje automático para tareas de inferencia y reconocimiento de patrones”.
Soluciones simples a problemas complejos
El equipo de Ana Gabriela Maguitman, también investigadora del CONICET en ICIC, junto con Mariano Maisonnav, becario del CONICET, fue distinguido por su proyecto “Aprendiendo modelos causales de los medios digitales”. Desde hace tiempo, el grupo de investigación que componen -Grupo de Gestión de Conocimiento y Recuperación de Información de ICIC – trabaja en el área de extracción de información y en el desarrollo de modelos predictivos aplicados a problemas complejos.
El objetivo de su proyecto es desarrollar métodos automáticos capaces de aprender relaciones causales, a partir de variables y eventos extraídos de diferentes fuentes. “Parte del trabajo ya fue desarrollado y consistió en detectar menciones de eventos en los medios digitales utilizando una red neuronal artificial. El proceso que actualmente estamos llevando adelante consiste en utilizar dichos eventos y otras variables para construir modelos causales que ayuden a la toma de decisiones por parte de los expertos”, indica Maguimtan. En particular, actualmente están investigando su aplicación dentro del dominio de la economía.
Optimizar la logística de envío de productos
Por último, el investigador del CONICET Francisco Soulignac, del Instituto de Investigación en Ciencias de la Computación (ICC, CONICET-UBA), junto con el investigador Juan Jose Miranda Bront, también de CONICET, y Gonzalo Lera-Romero, ganaron la beca por su proyecto “Problemas de enrutamiento bajo congestión: algoritmos, implementaciones eficientes y datos reales”, que se enmarca en el área de la Logística Computacional.
“Nuestro interés radica en investigar aspectos algorítmicos y computacionales en el desarrollo de herramientas que asistan a la toma de decisión aplicada a problemas de logística y distribución. Más concretamente, nos centramos en problemas de distribución de última milla, comúnmente llamados problemas de ruteo de vehículos. Estos problemas modelan las decisiones en la gestión logística de distribución de mercaderías y paquetes en su último tramo cuando se traslada hasta el destino final de los mismos”, explica Soulignac.
Este proyecto, que ya había obtenido un financiamiento de Google en 2019 y que seguirán desarrollando con esta nueva beca LARA, reviste una gran relevancia científica y también promete aplicaciones prácticas, teniendo en cuenta que algunos trabajos estiman que la última milla representa aproximadamente un 40 por ciento del costo logístico total de un producto –si se contempla desde la producción del mismo hasta la efectiva distribución al consumidor final-, y que las proyecciones indican un crecimiento sostenido a mediano plazo en la incidencia de las ventas vía canales digitales. (Fuente: CONICET)
