Fernando Schwartz desarrolla algoritmos que ayudan a detectar en forma temprana enfermedades crónicas, distintos tipos de cánceres y patologías crónicas.
El ingeniero matemático chileno Fernando Schwartz, líder del equipo de Data Science de la compañía Prognos, de Estados Unidos, analiza a través de la Inteligencia Artificial (AI) y el Big Data información de más de 200 millones de usuarios de ese país.
Schwartz presentó su experiencia recopilando más de 17 mil millones de datos de usuarios de EE.UU. utilizados para la predicción de enfermedades crónicas, cáncer y patologías raras, en la jornada inaugural de los CMM Data Days, actividad organizada por el Centro de Modelamiento Matemático (CMM) de la U. de Chile.
“La tecnología de punta en IA puede ser implementada para agregar valor y aumentar la eficiencia en salud, entendiendo rápidamente los problemas de los individuos, evitando tempranamente complicaciones y aumentando su expectativa de vida. Al tener un sistema integrado de datos, uno puede ser más predictivo que reactivo, y empezar a tratar personas antes, con menores costos para el sistema”, señaló el profesional formado en la Universidad de Chile, quien desarrolla algoritmos para establecer modelos sanitarios predictivos.
Conectando AI y Big Data
El trabajo de Schwartz en la industria de la ciencia de datos comenzó en AppNexus, multinacional estadounidense cuya plataforma de software optimiza la publicidad en línea. Allí se familiarizó con la aplicación de herramientas de Big Data e IA para analizar grandes volúmenes de información provenientes de usuarios de Internet, con el objetivo de establecer mecanismos de monetización con fines publicitarios, tal como lo hacen compañías como Google y Facebook.
El matemático sostuvo que uno de los desafíos en el ámbito de la salud está en la dispersión de la procedencia de los datos, una brecha que la IA y el análisis de Big Data están ayudando a resolver. La empresa Prognos estuvo recolectando información médica por casi 10 años, logrando reunir más de 17 mil millones de datos de 200 millones de pacientes, asociados a exámenes de laboratorio no individualizados, a fin de no vulnerar la privacidad de los usuarios y cumplir con las estrictas regulaciones en esta materia en Estados Unidos.
“La empresa tenía los datos, pero no había entendido el rol de la IA para construir productos para nuestros socios comerciales. A través del desarrollo de algoritmos matemáticos pudimos generar una tecnóloga que se conecta a nuestros datos par resolver problemas”, explicó el doctorado en la Universidad de Cornell, Nueva York.
La compañía continúa recopilando datos al tener instalados softwares en cientos de laboratorios en Estados Unidos. De esta manera, pueden desarrollar aplicaciones predictivas para clientes del sector farmacéutico, laboratorios clínicos y compañías de seguro, modelos que se enfocan en la detección temprana de patologías raras, con tasas de prevalencia menores a cien casos dentro de cien mil personas, facilitando acceso a tratamiento; cánceres, estableciendo redes de pacientes en distintos tipos de tumores, y enfermedades crónicas, a fin de agilizar la detección temprana.
“Intentamos entender quiénes son los individuos que van a tener necesidad de tratamiento y qué tipos de personas van a desarrollar una condición médica de acuerdo a su trayectoria de salud, además de los gastos que podría acarrear predecir cuál va a ser el costo de ciertas poblaciones en salud. Usamos inteligencia artificial de punta para ayudar a que estas personas puedan ser tratadas en forma oportuna”, planteó Schwartz.
A través de los sistemas de almacenamiento instalados en los laboratorios, y gracias a protocolos de nomenclatura fundamentales para organizar casi 18 billones de entradas, los datos son preparados con mecanismos estadísticos y de redes neuronales basados en inteligencia artificial. Allí, más de mil computadores en una arquitectura de nube los procesan en forma simultánea, en función de los múltiples parámetros y variables involucrados, para describir de una forma certera el conjunto de datos y generar hallazgos predictivos.
“Un ejemplo es lo que hacemos con personas con asma. Nuestros clientes quieren llegar a pacientes que necesitan tratamientos biológicos específicos para aumentar sus expectativas de vida y, en este caso, la IA aumenta entre 10 y 50 veces la precisión de técnicas clínicas de predicción”, señaló el matemático que realizó su trabajo de postdoctorado en la Universidad de Duke, Carolina del Norte.
Steffen Härtel, director del Centro Nacional en Sistemas de Información en Salud (CENS), valoró la oportunidad de conocer las tendencias de la ciencia de datos en la predicción de enfermedades, con el monitoreo de datos fisiológicos y epidemiológicos de pacientes, además de fomentar un trabajo colaborativo en la adopción de estas herramientas en Chile.
“El manejo de datos para mejorar la salud requiere un trabajo coordinado entre científicos y especialistas en conjunto a los diferentes sectores de la sociedad. Visualizamos una enorme oportunidad para acompañar esta transformación cultural y dar sustento a las innovaciones. Sin esta coordinación, el país no puede afrontar los desafíos que se plantean calidad y seguridad de datos, uso de inteligencia artificial e información”, dijo Härtel.
Fuente: Diario Financiero.
