Potenciando la Investigación de la Calidad del Aire con Análisis Predictivos Basados en ML y Seguridad

Elena Digital López

La contaminación del aire se ha convertido en una de las crisis de salud más urgentes en África, causando diversas enfermedades en todo el continente. Organizaciones como sensors.AFRICA han intentado mitigar el problema desplegando numerosos sensores de calidad del aire. Sin embargo, enfrentan dificultades significativas debido a la inestabilidad del suministro eléctrico y problemas de conectividad en áreas de alto riesgo, lo que dificulta el mantenimiento y causa lagunas en la medición de PM2.5, partículas finas que representan una amenaza seria para la salud.

Estas lagunas en los datos reducen la precisión de las estimaciones y dan lugar a conclusiones equivocadas sobre la calidad del aire, lo que afecta la toma de decisiones basadas en evidencia para controlar la contaminación y evaluar su impacto en la salud.

Como solución, se ha utilizado Amazon SageMaker Canvas, una plataforma de aprendizaje automático sin código, que permite predecir niveles de PM2.5 a partir de datos incompletos. La exposición a estas partículas es responsable de millones de muertes prematuras a nivel mundial, por lo que una herramienta que pueda manejar estos vacíos es crucial.

A diferencia de los sistemas tradicionales, SageMaker Canvas puede realizar predicciones fiables incluso con datos incompletos, lo que garantiza un monitoreo continuo y evita interrupciones. Esto proporciona a las agencias medioambientales y a los funcionarios de salud información crítica sobre la calidad del aire de manera constante.

La solución, que utiliza SageMaker AI junto con AWS Lambda y AWS Step Functions, está diseñada para analistas y funcionarios de salud pública que necesitan datos precisos de PM2.5. Se basa en un conjunto de datos de más de 15 millones de registros de diversas áreas de Kenia y Nigeria, recogidos entre marzo y octubre de 2022.

El enfoque incluye no solo el análisis actual de los datos, sino también la identificación y corrección sistemática de las brechas causadas por las limitaciones en los sensores y problemas de conectividad. Este esfuerzo es fundamental para mejorar la respuesta ante los desafíos emergentes relacionados con la calidad del aire y facilitar decisiones informadas en el ámbito de la salud pública.

Scroll al inicio