iStockphoto
Cómo rastrear la propagación de un virus sin generar problemas de privacidad
Para analizar la evolución de la pandemia de COVID-19 es necesario hacer un seguimiento de la propagación del virus. Sin embargo, los métodos de seguimiento pueden causar graves problemas de privacidad; por ejemplo, si este se lleva a cabo atendiendo a criterios geográficos. Por eso, con ayuda de las matemáticas, se han desarrollado métodos que dependen de otros criterios. Es importante que también en caso de pandemia se establezcan criterios que respeten la privacidad de las personas cuando se quiere conocer la propagación de una enfermedad.
La Organización Mundial de la Salud declaró la pandemia en marzo de 2020 y el virus causó más de 117,7 millones de casos y 2,6 millones de muertes hasta marzo de 2021. La enfermedad puede afectar a cualquier persona, aunque existen grupos de personas de riesgo elevado, especialmente personas mayores y personas con otras enfermedades. En este contexto, los gobiernos de todo el mundo adoptaron una serie de decisiones para evitar una mayor dispersión de la pandemia: confinamiento, alejamiento social, etc. Cada una de estas medidas tenía unas consecuencias económicas.
En general, la evolución de la pandemia se ha seguido atendiendo a criterios geográficos, sin hacer distinciones entre la población de una zona, y las herramientas digitales para hacer el seguimiento de las personas contagiadas han generado importantes cuestiones de privacidad. A través de las aplicaciones de los teléfonos móviles, y utilizando la señal Bluetooth de cada teléfono, se ha controlado la proximidad entre las personas para detectar vías de infección. Sin embargo, estas aplicaciones ponen a disposición de las autoridades toda la información de las personas y se pierde la privacidad.
Grupos no geográficos
Ante este problema, varios expertos proponen utilizar un algoritmo especial. Desde hace tiempo se utilizan métodos informáticos que protegen los datos personales. Este algoritmo, concretamente, utiliza algunos de estos métodos. A través de ellos agrupa a las personas analizando sus contactos y su nivel de riesgo. De este modo, crea grupos de protección de datos de carácter personal. Al utilizar un algoritmo de consenso en cada grupo, los individuos pueden tener información sobre la situación epidemiológica del grupo y, en consecuencia, adaptar las medidas de alejamiento social.
“Este algoritmo agrupa a las personas por contactos y nivel de riesgo, pero sin violar la privacidad personal”
Este enfoque específico garantiza la adopción de medidas más estrictas sólo en los grupos de alto riesgo, minimizando el impacto económico asociado a las restricciones geográficas generales. Sorprendentemente, el algoritmo mantiene la privacidad individual y actúa sin una organización central, ya que cada persona solo tiene que ser consciente de la afiliación de su grupo y no de los miembros específicos. La adaptabilidad del algoritmo es fundamental, ya que el grupo se ajusta constantemente para responder a los cambios y niveles de riesgo de las relaciones sociales, incluido el avance de la vacuna.
El análisis de la complejidad computacional confirma la efectividad del algoritmo, ya que sus demandas de recursos crecen con el tamaño de la población. Con estos métodos, las autoridades no deben recibir datos personales para hacer el seguimiento de los equipos. Si se produjera una nueva pandemia, los gobiernos deberían utilizar este tipo de herramientas para hacer un seguimiento de gran eficacia sin violar la privacidad.