Los aportes de la ciencia de datos a la telemedicina
La tecnología nos lleva a desarrollar nuestras actividades de manera cada vez más eficiente. En el área de la salud, la telemedicina se ha transformado en una disciplina que justamente viene a aportar a la eficiencia de los procesos, con el fin de ahorrar uno de los insumos más valiosos que tenemos: el tiempo.
En ese sentido, la ciencia de datos se ha convertido en un gran aliado para la medicina, a través del estudio de la información disponible de los usuarios, permitiendo predecir enfermedades, ofrecer diagnósticos y sugerir tratamientos adecuados sin necesidad de la presencialidad, favoreciendo el desarrollo de la telemedicina.
Según explica Danilo Gómez, director del Magíster en Data Science de la Universidad San Sebastián, en términos generales, la ciencia de datos es la agrupación de tres disciplinas: la programación, la matemática y la estadística. “Estos tres enfoques, sumados a la disciplina base de cada investigador de datos -que puede ir de las humanidades a las ciencias- forman una nueva dimensión transversal que afecta a todas las disciplinas y es tremendamente útil para la toma de decisiones”, asegura.
Así, a través de algoritmos matemáticos, es posible hacer que una imagen sea interpretada por la ciencia de datos, convirtiendo los píxeles en números que luego pasan a ser procesados por la Inteligencia Artificial, permitiendo diagnósticos certeros en un 99% de los casos. “A través de una imagen, se puede hacer diagnóstico temprano de una enfermedad respiratoria o un cáncer. Por supuesto, este debe ser validado y confirmado por un médico especialista, pero se puede hacer de manera telemática”, dice Gómez.
Esto puede hacer más eficiente el proceso de diagnóstico de una enfermedad, que es lo que finalmente buscan las personas: optimizar los tiempos para actuar en consecuencia frente a una enfermedad y recibir un tratamiento adecuado en el menor tiempo posible.
Expectativas de vida
Gracias a la ciencia de datos también es posible analizar ciertos parámetros que permitan predecir la esperanza de vida de una persona con enfermedad terminal. “Se hace a través de algoritmos que generan curvas como la de Kaplan-Meier, que calculan la expectativa de vida, con análisis mucho más exactos”, señala.
Con la inteligencia artificial también se pueden poner sobre la mesa otras condiciones que afectan a la esperanza de vida del paciente, como por ejemplo el sexo del individuo y sus hábitos, como la alimentación.
“Podemos identificar las variables que impactan finalmente en la muerte por cáncer, y con eso podemos hacer también campañas de cuidado temprano para que esto finalmente no suceda o se prolongue el tiempo de vida”, indica Gómez.
El director del magíster en Data Science de la USS también comenta que, actualmente, la universidad está trabajando con centros hospitalarios del sur de Chile, para analizar otras afecciones que inciden en las expectativas de vida de pacientes oncológicos. “Una de las variables que estamos encontrando es la depresión, que es muy significativa en una persona que fallece de cáncer. Pero debemos desarrollar más la investigación para poder entregar información más concreta”, asegura el académico.[/vc_column_text][/vc_column][/vc_row]