Google podrá detectar, en tiempo real, intoxicaciones alimentarias en los restaurantes con un nuevo algoritmo que ya desarrolla

En los años 1854 y 1855, el doctor inglés John Snow confeccionó el que sería el primer mapa de expansión de la epidemia del cólera en la ciudad de Londres. Para ello se sirvió de su experiencia y de ir casa por casa anotando un registro sobre si sus habitantes estaban afectados y si habían bebido agua recientemente y de dónde procedía. Con sus datos, pudo hacer una cartografía de las zonas más expuestas al cólera, mostrárselo a las autoridades y que estas tomaran medidas para erradicarlo.

Un siglo y medio después, en pleno 2018, el doctor John Snow hubiera utilizado la tecnología de Google para realizar esta exploración completa de la ciudad de Londres y de dónde sus habitantes estaban más afectados por las contaminaciones e intoxicaciones alimentarias. ¿Por qué decimos esto?

Porque, según un nuevo estudio publicado en la prestigiosa revista científica Nature, Google, junto con investigadores de Harvard han testeado cómo el machine learning puede ayudar, hoy en día, a prevenir casos de intoxicaciones alimentarias, sabiendo, incluso antes de que se produzcan, dónde podrían tener más impacto. ¿Cómo lo hacen?

Para llegar a esta conclusión, utilizaron los datos de geolocalización que Google registra en sus dispositivos junto con datos de las búsquedas que hacía un determinado grupo de personas que dieron su permiso para participar en el experimento. Estas personas, si habían sido intoxicadas por algún producto, lo más normal es que buscaran términos tipo “dolor de estómago” o “diarrea”.

Los investigadores cruzaron esos datos para saber en qué lugares se habían producido esas intoxicaciones y, para demostrarlo, decidieron enviar a inspectores de sanidad a 132 restaurantes de Chicago y Las Vegas sin decirles en cuáles de ellos, a través del algoritmo que habían desarrollado, se detectaron posibles irregularidades en los alimentos.

El resultado fue sorprendente, ya que el 52,3% de los restaurantes inseguros detectados por Google también fueron nombrados como inseguros por parte de los inspectores, mientras que solo 22,7% de los que fueron inspeccionados con una revisión rutinaria fueron catalogados así, mostrando una eficacia de más del doble con el uso del machine learning.

Con este nuevo algoritmo, según explican sus desarrolladores, las ciudades podrían ahorrar dinero y aumentar la eficacia de las inspecciones de sanidad, yendo únicamente a los locales en donde se tenga una sospecha solvente sobre posibles casos de intoxicación mediante la herramienta.