LUCHANDO CONTRA EL COVID19 CON DATOS

LUCHANDO CONTRA EL COVID19 CON DATOS

14 de marzo 2020

Autores (a título personal desvinculado de nuestra labor profesional)

Daniel Villatoro, Nuria Oliver, Elena Alfaro, Alejandro Llorente, Juan Murillo, Giovanna Miritello, Irene Rodríguez-Luján, Oriol Pujol, Curro Maturana.  

(+ quien sea que colabore por favor que añada su nombre en un comentario)

Objetivo. Presentar una solución técnica para la identificación del grado de exposición personal al COVID19 mediante una aproximación basada en dato empírico de operadoras telefónicas. Esta propuesta apunta a la creación de un grupo de trabajo centralizado y gubernamental que trabaje con los datos reales de operadoras telefónicas y datos de Sanidad para calcular zonas de riesgo de contagio, una probabilidad personalizada del grado de exposición en base a los positivos que se vayan detectando, y todo asegurando la privacidad de los individuos y los datos de cada una de las entidades colaboradoras.

Esta aproximación, contando con el apoyo de todas las operadoras telefónicas que operan en España, resultaría más completa (al abarcar a toda la población con móvil) que el resto de aproximaciones colaborativas que están siendo exitosas en otros países con más grado de digitalización (como Corona 100m en Corea).

PLANTEAMIENTO DEL PROBLEMA Y OBJETIVO

El COVID19 se transmite a través del contacto personal, y puede resultar asintomático hasta transcurridos 15 días. Puede haber también transmisión a través de objetos que hayan sido infectados previamente.

Debido a la invisibilidad del proceso de infección, es difícil identificar las personas que han estado en contacto con los infectados durante períodos asintomáticos de infección del virus, pero no imposible y más adelante presentamos una propuesta para resolver este problema.

Dicha característica está provocando la expansión del virus de manera silenciosa entre portadores asintomáticos, y la paranoia en ciudadanos aprensivos con posibilidades reducidas de estar infectados por falta de exposición a personas infectadas.

Por ejemplo, Ana estuvo todo el lunes con Berto y Carlos, cuando todos aparentaban estar sanos. Sin embargo, Ana empieza a encontrarse mal el martes, mientras que Berto y Carlos siguen OK.  Es fundamental que Ana pueda recibir atención médica y ser testeada sobre el virus. En caso de resultar positiva, es fundamental que Berto y Carlos pasen a observación debido a su interacción directa con Ana durante un período de difusión de la enfermedad, y a reducir sus interacciones con otras personas para rebajar la posibilidad de continuar distribuyendo el virus. En caso que Ana no resulte positiva, Berto y Carlos pueden mantener la calma.

Mientras tanto, Davinia sigue encerrada en casa desde hace 5 días pese a no haber estado en contacto directo con ningún infectado en días anteriores a su reclusión. Esta reclusión pese a que es positiva respecto a su prevención, podría no ser tan estricta en caso de necesitar ayudar a terceros.

Por lo tanto para poder controlar la expansión del virus, es fundamental identificar de manera rápida y adecuada (1) personas infectadas de COVID19, (2) las personas que han estado en contacto con ellos durante el período de infección, (3) y los lugares donde han estado los infectados para poder higienizarse adecuadamente.

Adicionalmente, en el escenario actual, un análisis profundo de este tipo de red y datos geolocalizados también puede ayudar a objetivos como^[a]:

1. Cuantificación del cumplimiento real de medidas de confinamiento domiciliario
2. Cuantificación del impacto de las medidas en la propagación de la pandemia
3. Detección de focos de incumplimiento (ejemplo: detección de empresas que podrían teletrabajar y están obligando a sus empleados a ir a las oficinas)
4. Impacto de la movilidad remanente (viajes de trabajo, supermercados, estancos)
5. Medición de la evolución intra-municipios (a día de hoy, estudiando las curvas de distintas regiones, deja de ser útil la curva agregada en España; muchas empiezan a tener un número significativo de casos con posibles diferencias en la velocidad de propagación).

Identificar a las personas que han estado en contacto con infectados por el virus tiene un beneficio directo sobre la adecuada gestión y priorización de los servicios médicos y de tests, con el objetivo de “aplanar la curva” en los servicios sanitarios.

Informar a las personas que han estado en contacto con los portadores del virus durante el período de infección invisible resulta de ayuda para gestionar de manera inteligente la asistencia médica; adicionalmente, informar a aquellas personas que no han sido expuestas al virus permite transmitir un mensaje de calma. Finalmente, tomar medidas específicas en los lugares que han visto agregación de muchos contactos portadores del virus (desinfección, cierre, etc) también permitirá adoptar medidas preventivas si es necesario.

Inspirado en la aplicación coreana Corona 100m, es importante también identificar los lugares y momentos que han tenido presencia del virus, para así minimizar el riesgo de exposición a esos lugares a las personas que los transitan habitualmente.

Estas medidas han sido efectivas para contener la propagación del Covid-19 en Corea y en Singapur. Dado el crecimiento exponencial del número de infectados en el territorio estatal, consideramos de suma importancia adoptar medidas de este tipo para evitar el colapso del sistema sanitario.

PROPUESTA DEL ANÁLISIS DE INFECCIONES MEDIANTE EL GRAFO DE INTERACCIONES^[b]

Mediante^[c][d] teoría de grafos, resulta trivial computar el grado de exposición de cada persona a otras personas o zonas contagiadas, y por lo tanto se podría calcular la probabilidad individual de infección. Esto es una área de conocimiento científico muy madura conocida como Social Contagion Processes, liderada por científicos como Alessandro Vespignani, Alex Sandy Pentland, Esteban Moro o Nuria Oliver.

Sin embargo, se presentan 3 retos importantes en este cometido: (1) la recopilación de datos de personas infectadas, (2) la construcción del grafo temporal de relaciones personales y localizaciones geográficas de los infectados, y (3) el adecuado proceso informativo a cada una de las personas en el momento preciso.

Es imposible capturar la realidad fehaciente del proceso completo debido a la imposibilidad de tener datos empíricos completos, sin embargo, existen posibilidades que pueden cubrir el problema de una manera masiva (pese a ser incompleta).

Pocas entidades poseen datos que nos permitan recopilar información sobre este proceso. Al mismo tiempo, los datos aportan un valor inmenso ya que sin datos es imposible hacer este tipo de análisis y predicciones.

Recientemente han surgido distintos movimientos civiles para compartir datos con todos los casos en tiempo real. Un ejemplo se puede ver  aqui y aqui. 

Además, no cabe duda de que una combinación de esfuerzos realizado por la Administración Pública y las Operadoras Telefónicas podría ayudar a atacar el problema de una manera analítica, basada en datos y en tiempo real, de la siguiente manera.^[1]

Las operadoras telefónicas --así como Google y Facebook-- poseen dos de los 3 elementos fundamentales para abordar este reto: los datos que permiten construir el grafo temporal de movimientos en el mundo físico y la capacidad de comunicarse con los ciudadanos.

Para poder prestar el servicio de telefonía móvil, las operadoras telefónicas poseen  una infraestructura de antenas fijas en el espacio que proveen de cobertura a nuestros dispositivos móviles. Estas antenas llegan a estar distribuídas en el espacio para poder proveer de cobertura de manera adecuada, y en las zonas de alta densidad llegan a estar a una distancia de 500m entre ellas^[e]. ^[f]

Este es un ejemplo de la distribución de antenas 2G y 3G en Madrid (datos de hace algunos años)

Por lo tanto, cada operadora guarda información sobre qué dispositivo está siendo provisto de cobertura por cada antena, en cada momento, y por lo tanto, conocer la localización aproximada de las portadores de dispositivos móviles en cada momento.

Asumiendo que cada persona tiene un dispositivo móvil, este factor posiciona a las operadoras (o a empresas como Google / Facebook) en la situación de conocer qué persona ha estado dónde y con quien en el mismo momento, con una precisión aproximada^{[g][h][i][j][k][l][m][n][o][p][2]}. En el caso de las empresas de telecomunicaciones, esta información sólo es captada si el móvil está siendo utilizado o si la operadora tiene un ‘network probe’ que capte información incluso cuando los móviles no están siendo usados activamente. Gracias a las aplicaciones móviles con alta frecuencia de acceso a datos móviles (estilo Whatsapp) se tiene una granularidad detallada sobre la actividad diaria de los ciudadanos.

A continuación podemos ver dos ejemplos con distintos grados de granularidad del dato.

En este gif  están representados de los eventos de red donde se puede ver la actividad que llega a perfilar el AVE desde Barcelona hasta Zaragoza con bastante claridad.

En el siguiente ejemplo, vemos la zona del Bernabeu un día de partido:

Estos datos permitirían construir lo que se conoce como un grafo de co-location temporal, una estructura de datos que permite calcular quién ha estado con quién, en qué momento, y en qué lugar. Con esta estructura de datos, resultaría sencillo, una vez identificado un nuevo caso positivo de infectado por el virus, identificar qué otras personas y lugares han estado expuestos los días previos al test en la fase de infección invisible.

Información agregada de movilidad inferida a partir de este tipo de datos se hizo relevante recientemente por este estudio promovido por el INE.  

Dicho estudio se realizó de manera coordinada por el INE con datos agregados de las 3 principales operadoras del país asegurando que no se creaban intereses comerciales competitivos, y asegurando la anonimización de las personas incluidas en dichos análisis.

En este caso, y para que esta iniciativa resulte exitosa es necesario contar con los datos de todas las operadoras del país^[3] e idealmente también de Google/Facebook  

Por lo tanto, combinando los datos de todas las operadoras del país, nos permitirían identificar qué personas han estado en el mismo momento aproximadamente en el mismo entorno físico. ^[q][r][s]

Sin embargo, es necesario que las autoridades sanitarias puedan informar qué personas están resultando positivas en COVID19, y así reconstruir esta traza de interacción de personas con infectadas, combinando el dato de las telcos y las autoridades sanitarias por primera vez. ^{[t][u][v][w][x]}

En este punto es donde resulta imprescindible que los datos sean tratados de manera anónima pero con la capacidad de re-identificar a las personas con mayor grado de exposición y así poder informarles adecuadamente, y más adelante proponemos una solución técnica a la anonimización.

Al igual que en el informe del INE, es necesario que se establezca una iniciativa coordinada  y ajena a las telco, donde las telco y las autoridades sanitarias provean sus datos de manera estructurada y organizada para poder realizar estos análisis, sin poner en riesgo la actividad comercial entre ellas o la privacidad de cada una de los ciudadanos.  ^[y]

Otra alternativa para las semanas venideras es el desarrollo e instalación masiva de una aplicación en el móvil similar a la aplicación coreana que permitiese a los ciudadanos reportar síntomas, confirmar diagnósticos así como acceder a sus localizaciones y contactos en los días previos a ser diagnosticados. Esta aproximación pese a ser más precisa en cuanto a la localización, tiene la desventaja de solo cubrir a los usuarios de dicha aplicación; mientras que con la aproximación telco se cubriría a toda la población con dispositivos móviles.

Esta iniciativa deberá ser responsable de:

• la construcción del grafo completo de interacción de los españoles en los últimas semanas, para así poder identificar de manera retrospectiva cada una de las personas expuestas al virus.
• la actualización de casos positivos sobre el grafo, para poder computar la probabilidad de infección de las personas que hayan estado expuestas al virus.
• la comunicación coordinada e individualizada a los ciudadanos con su grado de probabilidad de infección, para que así asistan a los centros médicos de manera sistematizada.
• la comunicación sobre las zonas geográficas con mayor grado de exposición y riesgo.

Para poder llevar a cabo esta iniciativa será necesario reunir un grupo de Data Scientists + Data Engineers junto a los equipos de Datos de las telcos y un responsable de los sistemas sanitarios del Gobierno Central y de las Comunidades Autónomas.

En esta iniciativa, estará compuestas de las siguientes tareas:

• Aprovisionamiento de los datos telco^[4], histórico y diario para poder mantener actualizaciones.
• Aprovisionamiento de los datos de infectados, con los metadatos asociados como la fecha del test y la fecha de positivo de la infección.
• Cálculo del grafo de co-location.
• Cálculo de las matrices de movilidad.
• Cómputo de las zonas geográficas más expuestas a partir de la movilidad de los infectados.
• Cálculo de la probabilidad de infección a partir de nivel de exposición retrospectiva a infectados invisibles.
• Análisis descriptivo sobre la velocidad de infección, maduración del virus y propagación.
• Análisis descriptivo sobre la distribución demográfica de los casos teniendo en cuenta datos de censos y distribuciones en otros Países afectados por el virus, muy importante para entender cómo el virus se ha propagado y hasta qué punto las medidas tomadas habían podido ser más eficaces. Un análisis de los casos de Corea del Sur, Italia y otros Países de Europa se puede ver aquí además de interesantes simulaciones aquí.

Para poder acometer este proyecto es imprescindible:

• Acceso a los datos de las telco de manera estructurada, apalancando esfuerzos en sus propios equipos de data.
• Acceso a los datos de infectados geolocalizados y en una escala temporal.
• Infraestructura cloud para poder almacenar todos los datos.
• Infraestructura cloud para poder ejecutar todos los cómputos, mediante el uso de herramienta opensource como PySpark.
• Equipo de Data Engineers + Data Scientists + Developers + epidemiólogos / científicos

ANONIMIZACIÓN DE LOS DATOS^{[z][aa][ab][ac]}

Llegados a este punto, la privacidad de cada uno de los ciudadanos resulta el punto más sensible a mantener y a asegurar, tanto para los ciudadanos como para cada uno de los operadores. ^{[ad][ae][af][ag][ah]}

Según la ley actual de protección de datos que nos ampara (GDPR)^[5], sólo bajo el consentimiento expreso de los ciudadanos se puede llegar a usar este dato de manera identificable.^[ai] El éxito de esta iniciativa se fundamenta en el acceso completo al historial de interacciones de las ciudadanos y los lugares visitados; tomando una aproximación colaborativa donde los ciudadanos tengan que proveer sus datos voluntariamente (y por lo tanto aceptando el consentimiento sobre la cesión y uso de sus datos) reduce drásticamente el potencial éxito de esta iniciativa. Construyendo sobre el ejemplo anterior de los amigos Ana, Berto y Carlos: si Ana da positivo (y además ha cedido sus datos), solo si Berto y Carlos han aceptado el consentimiento podrán llegar a ser contactados como personas expuestas al virus y con cierto grado de riesgo de infección.

En el proceso de anonimización de datos, tenemos 3 tipos de actores principales dentro de esta iniciativa: proveedores de datos de telco, proveedores de datos sanitarios, gestor gubernamental de la aplicación centralizada.

Es fundamental que el gestor gubernamental de la aplicación centralizada, que va a tratar la totalidad de los datos y gestionar la aplicación, no tengan la capacidad de reidentificación personal de los ciudadanos sin su consentimiento explícito.

Por lo tanto es fundamental que los proveedores de datos gestionen un sistema de anonimización de datos^[aj] que sea robusto (asegurando la imposibilidad de reidentificación del individuo) y que sea consistente (manteniendo las individualidad de clientes entre entidades y que no haya colisión de identidades anónimas).

Por lo tanto, para asegurar el tratamiento de los datos de manera anónima se plantea el siguiente procedimiento que afecta a dos etapas: la primera de procesado del dato y construcción del grafo de viralidad, y la segunda de gestión de la aplicación ciudadana en tiempo real.

Anonimización para la Construcción del Grafo.

• Los proveedores de datos (telco y sanidad) asignaran a una persona como responsable del proceso de anonimización central y coordinado entre todas las entidades que ceden datos. Esta persona será la encargada de conocer el algoritmo de anonimización que se aplica a los identificadores de los ciudadanos, y que en este caso ha de ser forzosamente el DNI / NIE. Nuestra propuesta es aplicar un SHA512 con una semilla que solo sea conocida por el responsable del proceso de anonimización central y cada uno de los proveedores de datos. Es necesario que entre los proveedores de datos el algoritmo y la semilla sea el mismo, y en ningún caso conocido por la contraparte gubernamental que analizará los datos.  La información de la semilla del algoritmo de anonimización deberá ser marcada como Confidencial y deberá ser conocida por el menor número de personas.
• De esta manera, el dato ya queda pseudo-anonimizado y puede ser tratado por el equipo gubernamental de data scientists, sin tener la posibilidad de revertir la identidad de cada uno de los ciudadanos presentes en los datos y por lo tanto en el grafo.
• Es relevante resaltar que este grafo permitirá (de manera anónima y dato agregado) identificar (1) que zonas geográficas están más expuestas al virus y por lo tanto necesitan medidas más duras de contención, y (2) gracias a los patrones de movilidad anónimos identificar que zonas van a ser las siguientes más afectadas.

        Gestión de la Anonimización en fase de Aplicación

• Con los datos anonimizados individuales que gestione el equipo gubernamental, ya es posible computar para cada nodo del grafo (y por lo tanto para cada ciudadano) cuál es la probabilidad empírica de exposición al virus de manera actualizada, mediante el uso de los datos actualizados de los equipos sanitarios. Sin embargo, en este punto el dato es aún anónimo e imposible de informar a los ciudadanos.
• Para que los ciudadanos puedan conocer su grado de exposición real al virus, es necesario re-identificarles en el grafo y por lo tanto obtener su consentimiento explícito. En este momento es donde gracias a un punto centralizado de comunicación (p.ej. una app gubernamental que se encargue de comunicar a los ciudadanos sobre el protocolo de actuación actual o la evolución de la epidemia) se debe recopilar este consentimiento.
• Una vez recopilado el consentimiento, la app gubernamental cederá a cada operador este consentimiento individual.
• Mediante un servicio de APIs publicado por el equipo gubernamental, que computa el riesgo de infección para cada nodo del grafo a partir de su identificador anonimizado, cada operador podrá anonimizar el identificador de cada cliente usando la mismo procedimiento que en el primera fase y consultar esa API.
• El operador devolverá al cliente mediante la app o un sistema alternativo más sencillo cual es la probabilidad computada de infección.

Este protocolo asegura que se puede computar el grafo completo de manera anónima y no reversible, en entornos estancos de acceso a datos: ningún operador tendrá acceso al dataset completo gestionado por el equipo gubernamental, y el equipo gubernamental nunca podrá revertir la información personal identificable de cada ciudadano.

Solo el expreso consentimiento del ciudadano obtenido a través de la app centralizada gubernamental provocará el procedimiento del cálculo de probabilidad, que se realiza siempre de manera anónima sin exponer ningún dato personal de terceros.

---

[1] Una combinación de datos de Administraciones Públicas de Salud combinada con las grandes empresas de Internet con masa crítica de usuarios (como Google y Facebook) también sería de crucial utilidad aunque entendemos que a nivel gubernamental es más complicado gestionar el acceso a sus datos. Sin embargo es una posibilidad de la cual no debemos perder el foco ya que acometería la solución de la identificación a una escala global.  ^[ao]

[2] El datos de las celdas de cobertura de los operadores de telefonía pueden llegar a obtener una precisión geográfica del posicionamiento de un dispositivo con un error de 100m en las zonas de mayor densidad de celdas. En caso de querer obtener una precisión mayor será necesario abandonar este plan y optar por la solución estilo aplicación móvil que obtiene un posicionamiento GPS de mayor precisión^[ak][al][am].

[3] Los principales operadores de red (OMR) con cobertura propia en España son:

1. Grupo Movistar. Principales marcas: Movistar, Tuenti y O2
2. Grupo Orange. Principales marcas: Orange, Jazztel, Simyo y Amena
3. Grupo Vodafone. Principales marcas: Vodafone y Lowi
4. Grupo MásMóvil. Principales marcas: Yoigo, MásMóvil, PepePhone, Lebara y Llamaya
5. Grupo Euskaltel. Principales marcas: Euskaltel, R y Telecable

[4] E idealmente de Google y Facebook.

[5]  (Actualización 15 de marzo 2020) La Agencia Española de Protección de Datos ha publicado una nota en la que GDPR^[an] permite “el tratamiento de datos personales de salud sin consentimiento del interesado en situaciones de interés público en el ámbito de la salud pública y en el cumplimiento de obligaciones legales en el ámbito laboral derivado de dichas situaciones”; esta nota ha sido publicada dentro del contexto de la crisis epidémica del COVID19. Sin embargo, creemos que el mecanismo propuesto en este documento es asequible de implementar y asegura los intereses comerciales de todas las entidades que cedan datos.

[a]También sería interesante la perspectiva de cuánto tiene que moverse la gente de distintas zonas: por ejemplo, habrá barrios, por sus características socioeconómicas, en los que la gente tenga menos posibilidades de teletrabajar o tenga que seguir desplazarse más lejos... no es que no limiten su movilidad, es que tienen menos oportunidades para limitarla y en consecuencia se exponen más. Hay un aspecto de equidad/desigualdad que también puede ser interesante abordar

[b]En este punto separaría la adquisición de datos (en una subsección aparte) de la propuesta de análisis.

[c]Añadiría una sección de resultados esperados.

[d]Estoy de acuerdo, y creo que es importante identificar qué indicadores son los más relevantes para los modelos de propagación y definirlos de manera unívoca... se pueden calcular muchas cosas, en diferentes escalas espaciales y temporales, y hay muchos matices de unos indicadores a otros. Es fundamental entender qué indicadores son más útiles para evaluar el riesgo de contagio. Supongo que en los trabajos de Vespignani, etc. ya habrá mucha información al respecto

[e]Nosotros, hemos trabajado con los datos de eventos de red de infraestructura de Telefónica,  Tenemos experiencia y podemos aportar, no es lo mismo la densidad ni distancias entre antenas dependiendo de la tecnología, 2G, 3G,4G o 5G

[f]Al igual que para detectar infectados, se puede contar con la colaboración ciudadana para obtener los datos de movimientos de los infectados los 15 días anteriores a manifestarse los síntomas. En algunos casos esos datos están en el historial del movil. Si el infectado lo autoriza lo deberiamso poder usar.

[g]¿cómo de precisa es la geoposición? ¿permite discernir mi localización de la de mi vecino del piso contiguo?

[h]Desgraciadamente no. Para ello es necesario una aproximación más app-centric... con esta aproximación se puede llegar a tener una precisión de unos 100m en las zonas de mayor densidad.

[i]Añado nota al pie aclarando.

[j]Aunque con datos de network no es posible, dependiendo de la operadora puede que haya informacion a nivel de gps (uso de apps etc) que se puede usar para complementar los datos de network a nivel de antena. Lo malo es que habra pocos usuarios (sobre todo despues de GDPR) pero los que esten, se podrian usar.

[k]+giov0mir@gmail.com en España GDPR no aplica en el caso del coronavirus, asi que se podría hacer.

[l]Es imposible distinguirte a ti de tu vecino, pero para movimientos largos sirven perfectamente, por ejemplo os adjunto este vídeo donde se puede ver perfectamente la linea del ave, y se hizo solo analizando los evento de red sobre las antenas de telefónica y geoposicionando estas.

[m]Quizá no es tan importante ese nivel de precisión, parece razonable asumir que en estos días de confinamiento alguien que aparece en la celda correspondiente a su lugar de residencia está principalmente en su casa. Cuando tenga actividad en otra celda será porque ha salido de casa, y el número de gente en esa otra zona y a esa misma hora que también está fuera de su casa parece un indicador relevante del riesgo de contagio (aunque no se pueda saber si las personas están a 1 metro o a 15 metros, claro)

[n]Si, pero hay que tener en cuenta un par de cosas, la primera las “celdas” están superpuestas, quiere decir que sin moverte puedes estar conectándote a varias antenas incluso de mástiles distintos, esto depende mucho de uso de la red y la saturación. Lo cual te esta dando posiciones distintas sin moverte, pero no es el problema. Lo idóneo es hacer un análisis basado en la creación de un centroide o punto de gravedad de una serie, y ese punto sí que no debería tener muchos cambios, un cambio significativo entre el centroide y la posición actual indicaría un desplazamiento.

Por lo tanto, no lo enfocaría tanto a la celda conectada como a la posición relativa del centroide de posición con la coordenada de la antena a la que se conecta.

[o]Sí, de acuerdo, he dicho celda pero en realidad es como tú dices, puede conectarse a más de una sin moverse de casa; la cosa es que si alguien aparece ahí todo el día es razonable suponer que está confinado en casa (no sabremos si baja a por el pan, pero eso parece un problema de segundo orden)

[p]Quizás como se ha comentado anteriormente, la solución pase más por agregar datos de Google / Facebook, cuyas compañías tienen datos geolocalizados individualmente. Ahí sí cabría la distinción, no?

[q]¿se descartan operaciones con tarjetas? también podría ser un dato enriquecedor...

¿y datos del consorcio de transportes?

[r]Si, tarjetas son tambien una posible fuente de datos

[s]Con las operaciones con tarjetas solo tienes evidencias de la presencia de los ciudadanos que estén pagando, a diferencia de con los datos de telco que se obtiene mayor granularidad.

[t]El numero de personas que han dado positivas es un orden de magnitud inferior al numero real de infectados. Hay que buscar un método más agresivo de localizar infectados

[u]Alguna propuesta? En cualquier caso el método sería el mismo, sólo que aumentando el grado de precisión.

En ese punto quedamos dependientes de las autoridades sanitarias.

[v]Mi propuesta es preguntar directamente a la población. Que todo aquel que sienta lo síntomas (incluso aunque sea un falso positivo al final), lo diga (puede ser de manera privada a través de un canal seguro que habilitemos) y comparta con nosotros sus movimientos de los últimos 15 días.

[w]Veo positiva la opción de preguntar a la población, la duda es si vamos a poder llegar a la totalidad. Obviamente trabajando solo con los datos oficiales perdemos mucha información porque parece no estamos haciendo suficientes tests, pero creo que sería posible aumentar a una base un poco mayor incluyendo información adicional (i.e. información de las aplicaciones que se están construyendo para hacerse una especie de auto-test, o aquellas por llamadas a los centros de atención telefónica donde en función de los síntomas se remite a las personas a unos tratamientos un otros), quizá la duda sería como discernir el umbral para considerar positivos

[x]Ahora la Comunidad de Madrid está recabando información con la nueva app. No entiendo que no se use en todo el país (o toda la EU). Con ella y suponiendo infeccion en cuanto haya los más mínimo síntomas se puede trabajar.

[y]Os adjunto la nota de prensa de una iniciativa en marcha (Reg Covid 19) para compartir información sobre los pacientes. Ya se está utilizando en 15 hospitales y puede ser una rápida fuente de información para la identificación de personas infectadas.

https://media-exp1.licdn.com/dms/document/C4D1FAQGOBn5EV-ju7w/feedshare-document-pdf-analyzed/0?e=1585004400&v=beta&t=9P89QdklqqLcd5y8lWI8agkWqcdvV7CCSUpjsQgvtJw

[z]Propongo un sistema parecido a a este, ya que se pueden cruzar los datos y dar información agregada sin comprometer la privacidad. Incluso el que haga e análisis tendría que saber como se seudononimizan los datos, ya que la generación de la SALT se podría hacer de forma automática mediante un protocolo de comunicación entre los procesos que hacen la anonimización.

https://ine.es/ss/Satellite?blobcol=urldata&blobheader=application%2Fpdf&blobheadername1=Content-Disposition&blobheadervalue1=attachment%3B+filename%3D185_1.pdf&blobkey=urldata&blobtable=MungoBlobs&blobwhere=292%2F692%2F185_1%2C0.pdf&ssbinary=true

[aa]Buena propuesta! la dejamos aquí en comentarios para que sea visible para el lector.

[ab]Puede haber una mejora a este algoritmo para que ni siquiera la gente que procese los datos sepan qué significan.

Incluso, ya que el procesado es más una cuenta y no es complicado, usar cifrados homomórficos

[ac]Podrías elaborar un párrafo explicándolo y dando alguna referencia. Es importante que el grado de tecnicismos no sea muy elevado (para que se asequible a un lector interesado con conocimiento técnico medio) y que aún así demuestre viabilidad. :)

Gracias!

[ad]La privacidad es importante, y hay que cumplir la ley. Pero siguiendo con mi sugerencia de involucrar a la población, propongo que sean los infectados los que nos autoricen a usar sus datos, para perder el menos tiempo posible en desarrollar técnicas de anonimización sofisticadas.

[ae]en estado de alerta diría que el Estado tiene competencias para no tener que cumplir ellos el GDPR sobre datos de ciudadanos

[af]Me dicen que el número 2, apartado b), de la Disposición adicional decimoséptima de la Ley Orgánica 3/2018, de 5 de diciembre, de Protección de Datos Personales y garantía de los derechos digitales, bajo la rúbrica “tratamientos de datos de salud”, autoriza a las autoridades sanitarias e instituciones públicas con competencias en vigilancia de la salud pública a llevar a cabo estudios científicos sin el consentimiento de los afectados en situaciones de excepcional relevancia y gravedad para la salud pública.

Por tanto, bajo ese epígrafe podrían estar amparados el seguimiento de la localización de una persona infectada, incluso previa a su contagio.

[ag]claro, tiene sentido

[ah]En este tipo de emergencias, ¿no sería más sencillo olvidarse de todos los engorros de la anonimización y simplemente preguntar por el consentimiento expreso del uso y conocimiento de los datos de los usuarios sin anonimizar de los últimos digamos 15 días y durante los próximos X días? Creo al igual que Antonio que la solución pasa por involucrar a la población y hacer que sea ella misma la que provea los datos bien por medio de sus historiales de localización (habilitando un servicio para subirlos con instrucciones y posibilidad de etiquetado (contagiado/no contagiado/contacto)) y por medio de un servicio continuo de tracking a partir de ese momento.

[ai]Como digo arriba, consigamos el consentimiento expreso de los ciudadanos.

[aj]Alternativa a explorar:

Action-level zero-Concentrated Differential Privacy (zCDP)

https://arxiv.org/abs/1605.02065

[ak]¿Incluye coordenada Z? En caso contrario, no se diferencia entre gente accediendo a un local con acceso a la calle y gente viviendo en los pisos superiores.

[al]Desafortunadamente no se puede distinguir eso. Sin embargo, creemos que aún así, la gente que comparte espacio en verticalidad también tiene un cierto grado de transferencia del virus mayor que si no hay coincidencia espacial alguna.

[am]En catastro se puede obtener las plantas de los edificios. Podría ser razonable distribuir entre plantas los individuos que coincidan en X,Y

https://benito-zaragozi.com/analysis/programming/scripts/catastro-obtener-alturas-edificios/

[an]Sobre el tema: https://edps.europa.eu/sites/edp/files/publication/20-01-06_opinion_research_en.pdf

[ao]+nuriaoliver@outlook.com

Durante el paper me gustaría mantener el foco en la viabilidad de combinar los datos a los que tenemos acceso a nivel nacional, sin involucrar a las grande nativas de internet. ¿Te parece si los dejo aquí como una nota?

Creo que es más difícil acceder a sus datos pese a que haya una decreto que lo obligue.