lunes, 20 de mayo de 2019 Actualizado a las 06:32

CULTURA

Cultura - El Mostrador

Matemático chileno predice mediante Inteligencia Artificial enfermedades de 200 millones de estadounidenses

por 9 octubre, 2018

Matemático chileno predice mediante Inteligencia Artificial enfermedades de 200 millones de estadounidenses
Fernando Schwartz desarrolla algoritmos que ayudan a detectar en forma temprana enfermedades crónicas, distintos tipos de cánceres y patologías crónicas. El ingeniero,que se presentó hoy en la primera jornada de los CMM Data Days, una actividad organizada por el Centro de Modelamiento Matemático de la Universidad de Chile, logró procesar, a través de Inteligencia Artificial y Bib Data, 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.
  • Compartir
  • Twittear
  • Compartir
  • Imprimir
  • Enviar por mail
  • Rectificar

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. El trabajo del profesional formado en la Universidad de Chile, quien desarrolla algoritmos para establecer modelos sanitarios predictivos, ayudó a que la empresa fuera destacada como una de las cinco compañías más innovadoras en AI en salud de EE.UU., de acuerdo al portal Business Insider.

Schwartz presentó su experiencia recopilando más de 17 mil millones de datos de usuarios del país norteamericano, utilizados para la predicción de enfermedades crónicas, cáncer y patologías raras, en la jornada inaugural de los CMM Data Days. La actividad fue organizada por el Centro de Modelamiento Matemático (CMM) de la U. de Chile, y abordó los desafíos de la ciencia de datos para la sociedad, partiendo por los que enfrenta la salud. Para ello, la jornada, que se llevó a cabo hace algunas horas, tuvo la colaboración del Centro de Informática Médica y Telemedicina de la misma casa de estudios, y el Centro Nacional en Sistemas de Información en Salud (CENS).

“La tecnología de punta en inteligencia artificial puede ser implementadas 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. La oportunidad de hacer cambios es impresionante, porque al tener un sistema integrado de datos, uno puede ponerse en frente del juego, ser más predictivo que reactivo, y empezar a tratar personas antes, con menores costos para el sistema”, señaló Schwartz.

El matemático nacional ha realizado una carrera en Estados Unidos tanto en la academia como en la industria. Doctorado en la Universidad de Cornell, Nueva York, realizó su trabajo de postdoctorado en la Universidad de Duke, Carolina del Norte, además de otras colaboraciones en instituciones de Brasil e Inglaterra en el campo de la ciencia de datos. Tras varios años dedicado a la docencia en el país norteamericano, decidió pasar a la industria de la publicidad en internet, particularmente en la empresa AppNexus, donde contribuyó a monetizar contenido a través de herramientas de inteligencia artificial y Big Data.

La experiencia de Fernando Schwartz con AI y Big Data para procesar millones de datos médicos de personas permitirá acercar la tendencia mundial en ciencia de datos para problemáticas cada vez más desafiantes en nuestro país, entre estas, el aumento de las enfermedades crónicas, la necesidad de ajustar tratamientos personalizados a los pacientes, diagnosticar patologías en tiempo oportuno o monitorear el estado de los pacientes en forma remota y en tiempo real.

Conectando AI y Big Data

El trabajo de Schwartz en la industria de la ciencia de datos comenzó en la firma AppNexus, una multinacional estadounidense cuya plataforma de software optimiza la publicidad en línea. Allí se familiarizó con la aplicación de herramientas de Big Data e Inteligencia Artificial 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.

“La tecnología que ellos utilizan es basada en el análisis de Big Data junto a tecnologías de AI, es decir, en resumen, es la mezcla de ambas cosas. La ventaja que tiene esas industria es que genera sus propios datos y en base a estos, generan predicciones. El control y posterior análisis de los datos con inteligencia artificial es tecnología de punta en ciencia de datos”, explica el ingeniero nacional, quien anticipa que los desafíos para la salud en este ámbito son aún incipientes.

Esto, principalmente, por la dispersión en la procedencia de los datos, una brecha que la inteligencia artificial y el análisis de Big Data están ayudando a resolver gracias a los algoritmos desarrollados por el matemático chileno. Prognos estuvo recolectando información médica por casi 10 años, y en total, logró 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 inteligencia artificial para construir productos para nuestros socios comerciales. Teníamos los datos y el interés, pero no había un puente entre las dos. A través del desarrollo de algoritmos matemáticos pudimos desarrollar una tecnóloga que se conecta a nuestros datos par resolver problemas. La oportunidad de conectar inteligencia artificial y Big Data en el ámbito de la salud es muy interesante, principalmente para desarrollar sistemas que conectan datos desde diversas fuentes para analizarlos a una escala gigantesca”.

Cien mil computadores y redes neuronales

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. Estos modelos, a su vez, 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.

“Lo que hacemos es intentar entender dos cosas: quiénes son los quienes son los individuos que van a tener necesidad de tratamiento y qué tipos de personas vana desarrollar una condición médica de acuerdo a trayectoria de salud que tiene, además de los costos 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”, explica 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 de esto 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. En este caso, la inteligencia artificial aumenta entre 10 y 50 veces la precisión de técnicas clínicas de predicción. Estamos apuntando a poder ayudar a personas a descubrir a tiempo los problemas de salud. Y estas herramientas nos permiten no solo ser precisos, sino también tener una captura mayor de datos. Capturamos más pacientes, pero también somos más precisos, es decir, la ganancia es por volumen y por precisión”, afirma el matemático.

Data Days

Los CMM Data Days, organizados por el Centro de Modelamiento Matemático de la Universidad de Chile, son una serie de reuniones abiertas a la ciudadanía para abordar los desafíos de la ciencia de datos en la sociedad chilena con expertos nacionales e internacionales. Su primera jornada, enfocada en el sector de la salud bajo el concepto de “Datos que Sanan”, analizará las potenciales soluciones de la inteligencia artificial y el Big Data para resolver las principales brechas de la salud.

La experiencia de Fernando Schwartz con AI y Big Data para procesar millones de datos médicos de personas permitirá acercar la tendencia mundial en ciencia de datos para problemáticas cada vez más desafiantes en nuestro país, entre estas, el aumento de las enfermedades crónicas, la necesidad de ajustar tratamientos personalizados a los pacientes, diagnosticar patologías en tiempo oportuno o monitorear el estado de los pacientes en forma remota y en tiempo real.

Para Alejandro Maass, director del CMM, “Chile está entrando a tiempo a la revolución de los datos. Tenemos la gente y la infraestructura. Hay grupos de jóvenes emprendedores muy preparados. Existen centros de excelencia que han contribuido al desarrollo de investigación de clase mundial en matemática y otros conocimientos. Uno de ellos es el CMM, que lleva casi 20 años involucrado en problemáticas donde los datos son centrales. Y todos quieren poner su inteligencia al servicio de problemas claves para el país. En este contexto, estos encuentros buscan generar un ecosistema de ciencia de datos que ubique a Chile como un referente en esta disciplina”.

Por su parte, Steffen Härtel, director de CENS (un proyecto impulsado por Corfo en el que participan cinco universidades chilenas con el objetivo de impulsar la transformación digital en salud), 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”, señaló Härtel.

Más información sobre El Mostrador

Videos

Noticias

Blogs y Opinión

Columnas
Cartas al Director
Cartas al Director

Noticias del día

TV