España participa en un trabajo que explora la digitalización de la epidemiología veterinaria del futuro

La recopilación, manipulación y análisis de datos son esenciales para fundamentar intervenciones oportunas y diseñar programas de vigilancia y control rentables. La recopilación de datos de salud animal se ha limitado tradicionalmente a la recopilación y el monitoreo de indicadores específicos que se consideran informativos para evaluar problemas específicos. Sin embargo, en las últimas décadas, la generación, recopilación y digitalización de datos, junto con los avances en las capacidades de almacenamiento y análisis, han aumentado drásticamente, ampliando enormemente las posibilidades en numerosos campos. Hoy en día, los productores ganaderos producen y recopilan diariamente grandes cantidades de datos multiescala (p. ej., registros comerciales y de producción, sensores portátiles para animales), veterinarios y laboratorios de diagnóstico (p. ej., registros de salud animal) o sistemas de monitoreo ambiental y de gestión (p. ej., teledetección, temperatura, humedad relativa, viento), entre otros. 

Estos vastos conjuntos de datos, a menudo denominados Big Data, se caracterizan por su tamaño, complejidad y diversidad, lo que dificulta su procesamiento por medios tradicionales. El uso de Big Data puede revolucionar la gestión de la salud animal, permitiendo comprender los problemas de salud con mayor precisión y adoptar enfoques más proactivos y personalizados. Sin embargo, la gestión y la aplicación del análisis de Big Data no están exentas de desafíos. Estos obstáculos suelen resumirse en las tres: volumen, que refleja el tamaño creciente de los conjuntos de datos; velocidad, la velocidad a la que se generan y actualizan los datos, a menudo en tiempo real; y variedad, los diferentes tipos de datos recopilados en distintas fuentes y escalas espaciotemporales. 

Además, se pueden veracidad y valor, para reflejar la necesidad de integridad y fiabilidad de los datos y de resultados procesables del análisis. 

La digitalización de la epidemiología veterinaria del futuro

Hoy en día, superar las dificultades asociadas con estas premisas es más factible gracias a los avances en la computación en la nube, que facilitan la captura, el almacenamiento y el procesamiento de datos, así como al desarrollo de herramientas analíticas y plataformas integradas. Sin embargo, en muchas partes del mundo, los veterinarios carecen de la capacidad para recopilar datos de forma digital y estandarizada, y también pueden carecer de la infraestructura informática y el personal especializado necesarios para gestionarlos adecuadamente. Si bien esto representa una barrera importante, es una que podría superarse con relativa facilidad. De hecho, crear la infraestructura para recopilar y gestionar estos datos, como teléfonos inteligentes, tabletas, portátiles y servidores, e incorporar ingenieros, programadores y científicos de datos para apoyar a los veterinarios podría ser una inversión increíblemente rentable. Dada la escasez mundial de veterinarios, aprovechar la experiencia de estos profesionales permitiría un uso más eficiente del tiempo veterinario. Estos profesionales pueden facilitar y acelerar la recopilación, el acceso y la visualización de datos relevantes para que los veterinarios puedan centrarse plenamente en evaluar la información y tomar mejores decisiones en materia de salud animal.

Un artículo internacional, en el que ha participado José Manuel Díaz-Cao de la Facultad de Veterinaria de Lugo, ha discutido tres aspectos: la evolución y el estado actual de la digitalización en salud animal, las consideraciones sobre la recolección y uso de (Big) Data para prevenir y controlar mejor las enfermedades animales; y lo que creen que son los 5 principales desafíos del Big Data en salud animal y las posibles soluciones para acelerar la revolución digital en salud animal.

Estado actual de la digitalización en la salud animal

Las aplicaciones y los desafíos de la digitalización y el análisis de Big Data en la salud animal han sido abordados recientemente en varias revisiones y artículos de opinión, según explican. A pesar de ello, el Big Data sigue siendo significativamente infrautilizado en la práctica veterinaria y la epidemiología. Los datos aún se presentan y utilizan por separado, con una comunicación deficiente entre los diferentes segmentos. Existen desafíos significativos en cada etapa del proceso, desde la recopilación de datos hasta el análisis, la interpretación y la comunicación de los resultados. “Abordar estos problemas mejoraría enormemente los esfuerzos de prevención y control de enfermedades”.

En este sentido, indican que han surgido diversas disciplinas de precisión que buscan aprovechar las posibilidades de esta digitalización y el análisis de macrodatos. Un ejemplo es la ganadería de precisión, que implica la interconexión de una amplia gama de tecnologías en tiempo real para monitorizar parámetros ganaderos clave y optimizar la producción ganadera.

De manera similar, la epidemiología veterinaria de precisión utiliza tecnologías digitales y nuevas herramientas analíticas para una evaluación más proactiva, oportuna y personalizada de la salud de la población, el riesgo de enfermedades y las vulnerabilidades en las granjas.

Por otro lado, explican que diferentes iniciativas han comenzado a integrar fuentes de recopilación de datos y métodos de investigación individuales en herramientas operativas. En Europa, ponen de ejemplo el proyecto DECIDE, que busca, explican, desarrollar herramientas de apoyo a la toma de decisiones basadas en datos para síndromes respiratorios y gastrointestinales e integrarlas en los sistemas existentes de gestión de granjas.

Capacitar a la próxima generación de veterinarios

Un punto destacado en la revisión es que la próxima generación del personal de salud animal necesita conocimientos no solo en salud veterinaria, sino también en diversas áreas que faciliten el procesamiento y análisis de datos que “son simplemente demasiado complejos para su uso con herramientas convencionales”. 

Los futuros epidemiólogos veterinarios también deberán familiarizarse, exponen, con el aprendizaje automático y los sistemas de tecnología de la información, así como desarrollar habilidades técnicas, como la programación informática y el uso de IA generativa, que no han sido parte tradicional de su formación. Para abordar estas cuestiones, “existen principalmente dos líneas de trabajo: adaptar los planes de estudio existentes para integrar los conocimientos necesarios a estas nuevas demandas y crear equipos transdisciplinarios con diferentes habilidades y trayectorias”.

Además de las habilidades técnicas, “la comunicación también será una habilidad importante para los profesionales de la epidemiología veterinaria de precisión”. Parte del éxito depende de cómo los usuarios finales utilicen el producto; por lo tanto, a pesar de la complejidad de la recopilación, integración, mapeo y análisis de datos, los resultados deben ser fáciles de acceder, comprender y utilizar.

Así, apuntan que “creemos que la digitalización y el análisis de Big Data pueden mejorar sustancialmente la salud animal, la seguridad alimentaria y la inocuidad alimentaria, siempre que el proceso sea equitativo, accesible y ético para las partes interesadas de todo tipo y tamaño”. También, añaden, puede contribuir a mejorar la sostenibilidad, el bienestar animal y la rentabilidad de las explotaciones ganaderas. “La digitalización requiere la integración en tiempo real con diversas fuentes de datos multiescala, así como el acceso y la visualización intuitivos y seguros de dicha información por parte de los usuarios finales (por ejemplo, mediante paneles de control) para fundamentar la toma de decisiones de forma oportuna”, concluyen.