{"id":468789,"date":"2024-09-03T18:46:32","date_gmt":"2024-09-03T22:46:32","guid":{"rendered":"https:\/\/unifranz.edu.bo\/?p=468789"},"modified":"2024-09-03T18:46:32","modified_gmt":"2024-09-03T22:46:32","slug":"ia-big-data-y-machine-learning-indispensables-para-el-analisis-de-datos-medicos","status":"publish","type":"post","link":"https:\/\/unifranz.edu.bo\/pt\/carreras\/ia-big-data-y-machine-learning-indispensables-para-el-analisis-de-datos-medicos\/","title":{"rendered":"IA, big data y machine learning, indispensables para el an\u00e1lisis de datos m\u00e9dicos"},"content":{"rendered":"

Por Manuel Filomeno<\/span><\/p>\n

Generar estad\u00edsticas fiables, personalizar la atenci\u00f3n a los pacientes, generar modelos predictivos que ayuden a salvar vidas y descongestionar los sistemas de salud, son solo algunas de las aplicaciones de la inteligencia artificial, el big data y el machine learning en el campo de la salud.<\/span><\/p>\n

\u201cEn salud e investigaci\u00f3n cl\u00ednica es indispensable la utilizaci\u00f3n de grandes vol\u00famenes de datos, una cantidad muy amplia de informaci\u00f3n para el procesamiento e interpretaci\u00f3n y toma de decisiones en base a estos datos que son muy dif\u00edciles de sistematizar de manera manual, pero que a trav\u00e9s del uso de la IA y tecnolog\u00edas asociadas es posible\u201d, explica Joshuan Barboza, m\u00e9dico especialista en Revisiones Sistem\u00e1ticas y Meta-an\u00e1lisis, Bioestad\u00edstica y Toma de decisiones basadas en evidencia.<\/span><\/p>\n

Barboza brind\u00f3 recientemente una <\/span>masterclass <\/span><\/i>a cerca de 200 alumnos y docentes, como antesala al Congreso Internacional de IA en Salud, evento organizado por la Universidad Franz Tamayo, Unifranz, el cual se llevar\u00e1 a cabo en Cochabamba el 17 de septiembre y contar\u00e1 con la presencia de expertos nacionales e internacionales en la tem\u00e1tica.<\/span><\/span><\/p>\n

El especialista indica que, en el pasado, los investigadores m\u00e9dicos contaban con muchas limitaciones para realizar el an\u00e1lisis de grandes vol\u00famenes de datos (datos estad\u00edsticos, encuestas nacionales, diagn\u00f3sticos, entre otros) de poblaciones enteras, sin embargo, con el advenimiento de la IA, estas tareas ahora son m\u00e1s accesibles.<\/span><\/p>\n

\u201cLa IA nos ayuda a entender gran cantidad de informaci\u00f3n que muchas veces no podemos procesar de forma libre. Hay un crecimiento exponencial de los datos sanitarios que se nos hace dif\u00edcil procesar con m\u00e1quinas o computadoras sin la asistencia de la IA\u201d, puntualiza.<\/span><\/p>\n

Sin embargo, el investigador explica que las nuevas tecnolog\u00edas no son una f\u00f3rmula m\u00e1gica y que se requieren profesionales que entiendan el funcionamiento de la IA y sus tecnolog\u00edas para sacarles el mayor provecho a la hora de analizar los datos, de lo contrario, \u00e9stos no ser\u00e1n pertinentes o no reflejar\u00e1n la realidad de una determinada poblaci\u00f3n.<\/span><\/p>\n

La IA como soluci\u00f3n nos permite integrar y extraer el valor verdadero de los datos, tiene grandes ventajas que podemos explotar, pero el desaf\u00edo principal es el impacto en la personalizaci\u00f3n de tratamientos.\u00a0<\/span><\/p>\n

\u201cAl aplicar la informaci\u00f3n, los m\u00e9dicos generalizan la misma en una determinada poblaci\u00f3n a trav\u00e9s de la evaluaci\u00f3n de los comportamientos y tendencias, pero cuando se trata de grandes vol\u00famenes de datos, como por ejemplo 100.000 pacientes, esta tarea se complejiza y es necesario generar un contexto para su an\u00e1lisis, por eso es importante conocer las herramientas y adaptarlas a nuestras necesidades\u201d.<\/span><\/p>\n

Machine learning y big data aplicadas a la salud<\/b><\/span><\/p>\n

Barboza apunta que las\u00a0aplicaciones del big data en la salud tienen el potencial de mejorar la atenci\u00f3n m\u00e9dica, logrando optimizar m\u00faltiples procesos, desde optimizar la experiencia del paciente hasta crear modelos complejos de\u00a0machine learning\u00a0para diagnosticar enfermedades y condiciones m\u00e9dicas.<\/span><\/p>\n

\u201cAl contar con m\u00e1s datos de los clientes, se obtiene una oportunidad invaluable para comprender mejor su experiencia y as\u00ed hacer m\u00e1s eficiente la atenci\u00f3n que reciben\u201d, puntualiza.<\/span><\/p>\n

Por ejemplo, el big data y el machine learning han tenido un impacto significativo en la optimizaci\u00f3n de la gesti\u00f3n de recursos sanitarios. Aqu\u00ed hay algunas aplicaciones espec\u00edficas:<\/span><\/p>\n

Optimizaci\u00f3n de la gesti\u00f3n de recursos sanitarios<\/b><\/span><\/p>\n