Han creado un proyecto para estimar cuantitativamente el riesgo de COVID para usted por medio de sus actividades diarias ordinarias. Se ha investigado la literatura científica en busca de datos sobre la probabilidad de contraer COVID en diferentes situaciones y se han combinado los datos en un modelo que las personas pueden usar. A través de la web se estima el riesgo de COVID en unidades de microCOVID, donde 1 microCOVID = una posibilidad entre un millón de contraer COVID. Enlace a la web

Cristian Robert Munteanu, profesor titular de Ciencias de la Computación e Inteligencia Artificial de la UDC y miembro del grupo RNASA-IMEDIR, ha creado Docking SARS-CoV-2 – una herramienta open science donde se proponen las mejores moléculas o fármacos para un posible tratamiento contra COVID-19. Se presentan las interacciones entre los fármacos, metabolitos, moléculas tóxicas y proteínas del virus o proteínas humanas implicadas en COVID-19.

El catedrático de Ciencias de la Computación e Inteligencia Artificial de la UDC, Dr. Vicente Moret Bonillo ha realizado este análisis que se muestra en las gráficas. Su comentario: "Después de solicitar datos por LinkedIn, he recibido una gran cantidad de información (incluso de empresas). Si nos atenemos a fallecimientos y a contagios, el procedimiento ha sido el siguiente: Primero seleccioné las siguientes variables (nº de casos, población de España -último dato oficial de 2019-, densidad de población por provincia. Segundo, ponderé las variables con datos históricos. Tercero, normalicé el número de fallecimientos y contagios, con las variables ponderadas. construí la gráfica con los datos normalizados de las muertes y contagios. Cuarto, hice ajustes polinómicos, cúbicos y exponenciales en base al número de días, luego hice una combinación lineal de los resultados y calculé las tendencias. El modelo se puede extrapolar, pero cada cinco días hay que actualizarlo. En estos momentos, estamos en torno al 4% o menos en el margen de error."

Juan R. Rabuñal Dopico, catedrático de Ciencias de la Computación e Inteligencia Artificial de la UDC y miembro del grupo RNASA-IMEDIR, ha desarrollado un sistema de predicción de la evolución del Covid-19 mediante modelos epidemiológicos capaces de capturar las características típicas de los brotes epidémicos y mejorado con técnicas de inteligencia artificial para adaptarlo a las características propias de este tipo de pandemia. Se modeliza el comportamiento de infección, de recuperados, de fallecidos, de hospitalizados y de ingreso en UCI.

El profesor titular Marcos Gestal Pose y el catedrático Julián Dorado de la Calle, ambos del área de Ciencias de la Computación e Inteligencia Artificial de la UDC y miembros del grupo RNASA-IMEDIR, está trabajando en diferentes métricas e indicadores que permitan una mejor interpretación visual de la evolución de los datos de la pandemia, tanto para datos de casos detectados, hospitalizados como para ingresados en UCI y fallecidos. Esas métricas se emplean también como base de sistemas de predicción, en este caso basados en Redes de Neuronas Artificiales Recurrentes.

En el vídeo se presenta un análisis de los casos de coronavirus por cada millón de habitantes a nivel global, teniendo en cuenta las diferentes fechas. Mientras, en la hoja de cálculo se puede ver un análisis detallado acerca de la pandemia.

Información acerca de la efectividad del confinamiento en España. Se analiza la propagación a través de las diferentes provincias.