¿Cualquier persona puede aprende IA en salud?, sí, pero no de cualquier manera.
Es importante recalcar que siempre que una nueva «tecnología» o paradigma tecnológico digital estalla aparecen miles o cientos de miles de personas/empresas/instituciones que aprovechan la popularidad del tema y ofrecen enseñar o implementar soluciones «rápidas» y costosas. Pasó con la burbuja de las puntocom que fue una corriente especulativa entre 1997 y 2001 en la que compañías invertían grandes capitales en migrar sus vitrinas y servicios a «la internet» 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 organización 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 aún «ya entregamos todos los datos de nuestras historias clínicas y estamos acusados de infringir políticas de privacidad de información sensible de nuestros pacientes» (caso real).
«Nuestro modelo de negocios es: ustedes nos dan sus datos y nosotros se los analizamos».
Por esa razón, 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 análisis estadísticos, modelos de IA y sean protagonistas de esa transformación digital tan necesaria.
Para dicho objetivo se necesita adquirir fundamentos en ciencia de datos e inteligencia artificial y complementar con la experticia temática de nuestro sector salud. A continuación se describen los fundamentos necesarios para esculpir las habilidades cognitivas en ciencia de datos e IA en salud:
En esta sección se abordan los conceptos y contrastes entre términos tan relevantes como sistemas de gestión de información en salud, inteligencia artificial, ciencia de datos, big data. Además, se exploran las diversas aplicaciones, limitaciones y requerimientos necesarios para implementar estas tecnologías en el sector de la salud. Se concluye la discusión con una revisión de la tan popular transformación digital y la emergente cultura impulsada por datos en el ámbito sanitario (cultura data-driven), junto con los diversos roles que desempeña el personal en este proceso de metamorfosis y se debaten los retos éticos, en conjunto con las políticas de privacidad de los datos en salud.
Para entender, analizar y construir modelos de IA en el sector salud, es imprescindible tener sólidos conocimientos de los fundamentos matemáticos. Históricamente, la enseñanza y el aprendizaje de las matemáticas al personal sanitario ha sido un desafío significativo, ya que nosotros, como profesionales de la salud estamos formados en un tipo de razonamiento que se basa en conocimientos factuales como biología, fisiología y clínica. Este ejercicio cognitivo proviene de la observación directa de fenómenos en el cuerpo humano. Sin embargo, las matemáticas 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 matemáticos a problemas específicos, ya sean administrativos, clínicos o asistenciales dentro del sector salud. La buena noticia es que facilitaremos este aprendizaje con ejemplos y datos derivados directamente de la práctica sanitaria diaria, lo que permitirá adquirir de forma sencilla estas habilidades cognitivas de abstracción matemática, para la solución de problemas de nuestro sector.
El segundo campo que requerirá nuestra revisión, después de las matemáticas, son las ciencias computacionales. Dentro de este amplio universo, necesitamos aprender a programar para comunicarnos efectivamente con nuestros computadores/máquinas y si de comunicación con una máquina hablamos, el lenguaje de programación Python es el más 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 máquina sin nunca perder de vista el objetivo del «negocio» (Business Intelligence) que en nuestro caso es la salud.
Esta sección permite orientar nuestra búsqueda, formular preguntas de investigación en ciencia de datos, relacionar variables, hipótesis y perfilar la analítica según las necesidades administrativas, clínicas que se necesiten.
En la introducción a la IA y ciencia de datos en salud se menciona los sistemas de gestión de información en salud como la herramienta que permite el registro de la historia clínica electrónica, como también de toda la información de la actividad asistencial, administrativa y de facturación de nuestros pacientes. Esta información debe almacenarse de una manera adecuada y que permita posteriormente su gestión, consulta y/o edición.
Las bases de datos son el sustrato que permite resolver los problemas de nuestra institución, sean de naturaleza asistencial o administrativa, de ahí la importancia de aprender sobre bases de datos y el lenguaje que permite su consulta y gestión, es decir, el lenguaje de consulta estructurada (SQL – Structured Query Language).