Predatics: inteligencia artificial para respirar mejor
En un mundo cada vez más urbano y más afectado por la contaminación, tener información precisa y accesible sobre la calidad del aire no es solo útil: es vital. Respirar aire limpio debería ser un derecho, no un lujo. Y es precisamente en esa intersección entre tecnología, salud y ciudadanía donde se sitúa Predatics, uno de los proyectos más ambiciosos y transformadores en los que participamos desde Sciling.
Predatics es una plataforma inteligente de predicción y alerta temprana de picos de contaminación atmosférica. El objetivo del proyecto es predecir episodios de contaminación de forma hiperlocal mediante inteligencia artificial, Big Data y teledetección, generando alertas sanitarias personalizadas y ofreciendo herramientas a ciudadanía, centros de salud y autoridades.
El proyecto, coordinado por la Universitat Politècnica de València (UPV) y el Instituto ITACA, cuenta con AIDIMME, G-Agua, Gemini Tools y Sciling como socios estratégicos para la realización del proyecto. Además, cuenta con el respaldo y colaboración de entidades sociales, profesionales y sectoriales como AVAMET, Cámara de comercio de Valencia, Confederación de Asociaciones de Vecinos de la Comunidad Valenciana, Mesura, SEMERGEN y València per l’aire, para aportar su perspectiva desde la ciudadanía, la salud y el tejido empresarial de la comunidad.
Un paso más allá de AirLuisa
Predatics supone la evolución natural del proyecto AirLuisa (2021-2023), una iniciativa previa impulsada por el mismo núcleo de entidades, con la incorporación de ETRA I+D al equipo técnico. En AirLuisa, Sciling colaboró en el desarrollo de un sistema de monitorización avanzada de emisiones en entornos urbanos. El objetivo era medir con precisión el impacto de la circulación en la calidad del aire, combinando cámaras de tráfico, sensores ambientales y algoritmos de inteligencia artificial que hacían posible estimar las emisiones de los vehículos en tiempo real y analizar cómo estas afectaban a la contaminación atmosférica en función de factores como el viento o la densidad del tráfico.
El conocimiento adquirido con el desarrollo de AirLuisa sentó las bases para abordar Predatics con una mayor madurez técnica y una comprensión más profunda del reto. Si AirLuisa fue el primer paso para entender el problema, Predatics es la respuesta a la pregunta de cómo prevenirlo antes de que ocurra.
¿Qué aporta Sciling?
Para profundizar en el papel de Sciling dentro del proyecto Predatics, grabamos un episodio de nuestro podcast junto a Teresa González (ingeniera en inteligencia artificial) y Emilio Granell (líder técnico del proyecto e investigador en aprendizaje automático). En él, nos cuentan cómo está siendo el desarrollo de este proyecto y cómo la inteligencia artificial puede contribuir a mejorar la calidad del aire que respiramos, desde el uso de datos satelitales hasta la creación de modelos predictivos y plataformas conversacionales accesibles para toda la ciudadanía.
Sciling está liderando el desarrollo de los modelos de predicción y la creación de una interfaz conversacional basada en inteligencia artificial generativa, dos de los pilares tecnológicos fundamentales del proyecto Predatics.
La diversidad de fuentes de datos supone un reto significativo para el desarrollo de los modelos de predicción, pero gracias a la experiencia previa en el proyecto AirLuisa, está siendo abordado con una base sólida y madurez técnica. “La experiencia previa con el proyecto AirLuisa fue una buena base de conocimiento para este proyecto. Analizábamos el tráfico de Valencia y, además, contábamos con datos de contaminación de los municipios. Con ello, hacíamos un análisis para ver en qué zonas y municipios el impacto de ese tráfico o de esa contaminación era más alto, comparando entre ellos”, explica Teresa González.
“En Predatics”, nos cuenta Emilio, “trabajamos con fuentes de datos muy diversas: datos satelitales que permiten medir la profundidad de los aerosoles, mediciones de estaciones fijas que registran la calidad del aire y los distintos contaminantes, datos de dosimetría pasiva tomados en puntos estratégicos, e incluso información procedente de consultas médicas por enfermedades respiratorias, que nos ayuda a entender el impacto real en la salud. Todo esto hay que combinarlo en un único modelo predictivo, y además hacerlo a escala de toda la Comunitat Valenciana, lo que añade una capa más de complejidad al proyecto”.
En comparación, los datos con los que trabajaron en AirLuisa estaban más acotados a los municipios, y aunque el reto allí fue entrenar un modelo para el seguimiento del tráfico, el tratamiento de datos fue algo más sencillo, recuerda Teresa.
Otra parte clave del proyecto es la interfaz conversacional, que permitirá hacer consultas en lenguaje natural, como “¿Qué calidad del aire se espera mañana en mi zona?” o “¿Qué precauciones debo tomar ante un pico de contaminación?”, con el objetivo de que cualquier persona, tenga o no conocimientos científicos, pueda entender qué está ocurriendo y actuar en consecuencia.
Para facilitar y acelerar el desarrollo técnico, Sciling está aplicando su plataforma interna Sciling Core, un sistema de microagentes diseñados para automatizar tareas complejas. Gracias a esta herramienta, el equipo ha podido explorar conjuntos de datos complejos, generar prototipos y seleccionar modelos de forma más ágil. Uno de estos agentes, llamado Datty, actúa como un analista de datos automatizado, capaz de identificar patrones y proponer modelos predictivos adaptados al problema sin necesidad de intervención manual constante. Esta capacidad ha sido clave para acortar los tiempos de desarrollo y permitir una experimentación más rápida y eficaz.
Predicción inteligente para proteger la salud
Todos los participantes buscan dar respuesta a la misma pregunta: ¿cómo podemos anticiparnos a los efectos nocivos de la contaminación del aire?
La necesidad de una solución que permita a los ciudadanos y administraciones adelantarse a los efectos negativos de la contaminación atmosférica es especialmente urgente en regiones como la Comunidad Valenciana, donde más de un tercio de la población vive expuesta a niveles de contaminación que superan los límites recomendados debido al tráfico urbano, las condiciones atmosféricas y la falta de un transporte público eficiente. Y aunque los efectos de la contaminación pueden parecer invisibles, sus consecuencias son bien reales: aumento de enfermedades respiratorias, empeoramiento de dolencias crónicas o saturación en centros médicos, entre otras.
Predatics es mucho más que un proyecto tecnológico. Aunque no resolverá todos los desafíos de la contaminación urbana, sí puede marcar la diferencia y ayudar a repensar la relación entre tecnología, salud pública y sostenibilidad en los núcleos poblacionales. Contar con predicciones fiables que puedan anticipar estos picos y poner el conocimiento al alcance de ciudadanos, personal sanitario, administración pública e investigadores, permitirá la toma de decisiones estratégicas para salvaguardar la calidad de vida de la ciudadanía y prevenir la saturación de los centros de salud.
Imaginemos una persona con asma que consulta en su móvil si es recomendable salir a correr, un centro de salud que se prepara para un repunte de afecciones respiratorias, o una administración que decide aplicar restricciones temporales al tráfico basándose en datos reales. Y eso sin olvidar a la comunidad científica, que dispondrá de información abierta y de calidad para seguir investigando sobre el impacto ambiental en la salud. Además de ayudar a tomar mejores decisiones, Predatics contribuye a democratizar el acceso a la información y promueve una gestión más humana, más justa y más eficiente del entorno urbano.
Más allá de la tecnología, Predatics representa uno de los valores que define a Sciling: aplicar la inteligencia artificial a proyectos con impacto social, que convierten el conocimiento científico en soluciones reales que mejoran la vida de las personas.
Y si con este proyecto conseguimos que alguien respire más tranquilo, que una ciudad actúe con previsión o que un médico tenga mejor información, entonces sabremos que vamos en la dirección correcta.
