驴Cualquier persona puede aprende IA en salud?, s铆, pero no de cualquier manera.
Es importante recalcar que siempre que una nueva 芦tecnolog铆a禄 o paradigma tecnol贸gico digital estalla aparecen miles o cientos de miles de personas/empresas/instituciones que aprovechan la popularidad del tema y ofrecen ense帽ar o implementar soluciones 芦r谩pidas禄 y costosas. Pas贸 con la burbuja de las puntocom que fue una corriente especulativa entre 1997 y 2001 en la que compa帽铆as invert铆an grandes capitales en migrar sus vitrinas y servicios a 芦la internet禄 y muchas quebraron1, ya que como en todo negocio, no todo app-lica. A su vez pasa hoy con empresas y personas que prometen implementar inteligencia artificial a su organizaci贸n o modelo de negocios, haciendo realmente pasar un mal momento a gerentes y financieros cuando los resultados no son para nada los esperados y peor a煤n 芦ya entregamos todos los datos de nuestras historias cl铆nicas y estamos acusados de infringir pol铆ticas de privacidad de informaci贸n sensible de nuestros pacientes禄 (caso real).
芦Nuestro modelo de negocios es: ustedes nos dan sus datos y nosotros se los analizamos禄.
Por esa raz贸n, desde Sepriori siempre se anima al personal que trabaja en el campo de la salud (personal asistencial y no asistencial) sean los que se apropien de los conocimientos para realizar sus propios an谩lisis estad铆sticos, modelos de IA y sean protagonistas de esa transformaci贸n digital tan necesaria.
Para dicho objetivo se necesita adquirir fundamentos en ciencia de datos e inteligencia artificial y complementar con la experticia tem谩tica de nuestro sector salud. A continuaci贸n se describen los fundamentos necesarios para esculpir las habilidades cognitivas en ciencia de datos e IA en salud:
En esta secci贸n se abordan los conceptos y contrastes entre t茅rminos tan relevantes como sistemas de gesti贸n de informaci贸n en salud, inteligencia artificial, ciencia de datos, big data. Adem谩s, se exploran las diversas aplicaciones, limitaciones y requerimientos necesarios para implementar estas tecnolog铆as en el sector de la salud. Se concluye la discusi贸n con una revisi贸n de la tan popular transformaci贸n digital y la emergente cultura impulsada por datos en el 谩mbito sanitario (cultura data-driven), junto con los diversos roles que desempe帽a el personal en este proceso de metamorfosis y se debaten los retos 茅ticos, en conjunto con las pol铆ticas de privacidad de los datos en salud.
Para entender, analizar y construir modelos de IA en el sector salud, es imprescindible tener s贸lidos conocimientos de los fundamentos matem谩ticos. Hist贸ricamente, la ense帽anza y el aprendizaje de las matem谩ticas al personal sanitario ha sido un desaf铆o significativo, ya que nosotros, como profesionales de la salud estamos formados en un tipo de razonamiento que se basa en conocimientos factuales como biolog铆a, fisiolog铆a y cl铆nica. Este ejercicio cognitivo proviene de la observaci贸n directa de fen贸menos en el cuerpo humano. Sin embargo, las matem谩ticas implican un tipo de conocimiento diferente, conocimientos abstractos.
En la IA y la ciencia de datos, es crucial poder generar abstracciones y aplicar e implementar modelos matem谩ticos a problemas espec铆ficos, ya sean administrativos, cl铆nicos o asistenciales dentro del sector salud. La buena noticia es que facilitaremos este aprendizaje con ejemplos y datos derivados directamente de la pr谩ctica sanitaria diaria, lo que permitir谩 adquirir de forma sencilla estas habilidades cognitivas de abstracci贸n matem谩tica, para la soluci贸n de problemas de nuestro sector.
El segundo campo que requerir谩 nuestra revisi贸n, despu茅s de las matem谩ticas, son las ciencias computacionales. Dentro de este amplio universo, necesitamos aprender a programar para comunicarnos efectivamente con nuestros computadores/m谩quinas y si de comunicaci贸n con una m谩quina hablamos, el lenguaje de programaci贸n Python es el m谩s utilizado en ciencia de datos e IA a nivel general.
De igual manera se necesita contextualizar y abstraer las instrucciones que se le da a una m谩quina sin nunca perder de vista el objetivo del 芦negocio禄 (Business Intelligence) que en nuestro caso es la salud.
Esta secci贸n permite orientar nuestra b煤squeda, formular preguntas de investigaci贸n en ciencia de datos, relacionar variables, hip贸tesis y perfilar la anal铆tica seg煤n las necesidades administrativas, cl铆nicas que se necesiten.
En la introducci贸n a la IA y ciencia de datos en salud se menciona los sistemas de gesti贸n de informaci贸n en salud como la herramienta que permite el registro de la historia cl铆nica electr贸nica, como tambi茅n de toda la informaci贸n de la actividad asistencial, administrativa y de facturaci贸n de nuestros pacientes. Esta informaci贸n debe almacenarse de una manera adecuada y que permita posteriormente su gesti贸n, consulta y/o edici贸n.
Las bases de datos son el sustrato que permite resolver los problemas de nuestra instituci贸n, sean de naturaleza asistencial o administrativa, de ah铆 la importancia de aprender sobre bases de datos y el lenguaje que permite su consulta y gesti贸n, es decir, el lenguaje de consulta estructurada (SQL – Structured Query Language).