user_mobilelogo

Apoyando la Unidad de Cuidados Intensivos del Hospital de Concepción (8-6-2020)

Predicción automática del uso de la UCI del Hospital Regional de Concepción.

La disponibilidad de unidades críticas en un hospital puede llegar a colapsar cuando se enfrentan situaciones de aumento repentino de los requerimientos en un corto intervalo de tiempo tal como ocurre durante una pandemia. El crecimiento de los casos por coronavirus (COVID-19) y en consecuencia, el aumento del número de pacientes que requieren de cuidado intensivo, produce un estrés en la toma de decisiones que obliga a evaluar de antemano distintos escenarios para los recursos disponibles. Conocer anticipadamente el número de pacientes que requerirían de cuidado intensivo permitiría tomar las medidas apropiadas para aumentar, de acuerdo a la disponibilidad tecnológica, el número de de tales unidades si esto fuese requerido. Con el fin de evaluar las necesidades futuras de una Unidad de Cuidados Intensivos, nosotros recurrimos a un modelo de simulación por eventos discretos que permite identificar anticipadamente el momento en el cual se podría saturar la capacidad. A partir de este modelo se construye una herramienta computacional que genera distintos escenarios posibles. Como los datos a nivel nacional se actualizan diariamente, cada día se ejecuta el modelo y se prepara un informe para el Hospital con el fin apoyar la toma de decisiones. Con esa información, la dirección del hospital toma sus decisiones de programación semanal de actividades. Como datos de entrada se considera: un período de simulación, el número de casos identificados desde el inicio de la enfermedad, el porcentaje de casos que requieren hospitalización, el porcentaje de pacientes hospitalizados que requieren de cuidado intensivo y el número camas-UCI disponibles. Para proyectar en el corto plazo el número de nuevos casos, se utilizan diversas funciones matemáticas y para estimar el número de días-cama requeridos por cada paciente, se usa una variable aleatoria distribuida según una distribución normal. La herramienta computacional produce un reporte que ilustra de manera gráfica el uso que tendría la UCI durante el período de simulación. Más detalles sobre el sistema computacional aquí. Un ejemplo del informe diario. Autores: M. Werner (Hospital HGGB & UdeC); L. Parada (UdeC); L. Pradenas (UdeC), V. Parada (USACH, ISCI).

Ingeniería Informática en tiempo de pandemia COVID-19 (8-5-2020)

A medida que las personas van sintiendo los síntomas de de la enfermedad COVID-19, millones de datos se producen día a día en todo el planeta. De hecho, la evolución de la enfermedad en una persona, queda registrada desde el inicio y hasta la recuperación. Con el surgimiento de los primeros síntomas, una persona se dirige al centro de salud más cercano para someterse al examen PCR que determina si está presente la infección viral. La base de datos que registra a las personas que han pasado por este examen, almacena datos tales como la fecha, los datos personales y el resultado del examen. Dependiendo de la gravedad de la sintomatología, eventualmente, una persona podría ser ingresada a un hospital y requerir distintos tipos de cuidados, y eventualmente llegar a una situación extrema en la cual la persona debe ser ingresada a la unidad de cuidados intensivos. El ingreso al hospital, en algunos casos, activa la toma de muestras para otros exámenes, cuyos resultados están ahora en la bases de datos del hospital. En una unidad de cuidados intensivos, el tratamiento se monitorea segundo a segundo con equipos que almacenan información específica que permite a los médicos visualizar el estado de evolución de la enfermedad. Esta información también se almacena en computadores. En resumen, todo el proceso de evolución de la enfermedad de los pacientes, produce una gran cantidad de datos que posteriormente podría ser procesada junto con la de otros pacientes, con el fin de poder predecir la evolución de la enfermedad. El aprendizaje automático que es una disciplina de la Ingeniería Informática que dispone de una serie de técnicas para encontrar la ecuación apropiada para cada conjunto de datos, en una situación como una pandemia, permitiría predecir la evolución de cada paciente y en consecuencia, la selección del mejor tratamiento a seguir para cada paciente evitando muchas muertes. El campo del aprendizaje automático en la salud es un tema que recién en la última década ha comenzado a ser implementado en varios países. En Chile hay importantes iniciativas puntuales, sin embargo, aún queda un largo camino por recorrer (Ver algunas aplicaciones).

 

Entrevista en Radio El Conquistador (9-9-2019)

En una entretenida entrevista, Cote Evans en su programa radial Historias del Futuro presentado en la radio El Conquistador, conversa con Víctor Parada acerca de los avances actuales de la Inteligencia Artificial y de la manera en que un computador puede construir sus propios algoritmos. El programa fue emitido el 9 de septiembre de 2019 y se puede escuchar aquí.

 

 

Nuevo descubrimiento sobre la generación automática de algoritmos (2-9-2019)

El sobreajuste  u overfitting favorece la construcción automática de algoritmos. Este fenómeno consiste en que el modelo que representa los datos se construye con tal precisión que puede reproducir perfectamente los datos de entrenamiento, sin embargo, su desempeño es bajo cuando se prueba con nuevos datos que es cuando realmente se necesita. El sobreajuste constituye un gran problema en el ámbito del aprendizaje automático (machine learning). Este hecho significa que el proceso de entrenamiento es demasiado exhaustivo provocando que el modelo se ajuste demasiado a los datos de entrenamiento. Sorprendentemente, cuando un algoritmo de optimización se genera automáticamente, el sobreajuste constituye una gran ventaja debido a que el algoritmo resultante se especializa en los ejemplos de prueba. En consecuencia, el algoritmo es especialista en ejemplos que pertenecen a la misma clase. O sea, frente a un ejemplo futuro el algoritmo responde con alto desempeño computacional. Este descubrimiento ha sido recientemente publicado por Expert Systems With Applications. Leer el artículo aquí.

Acevedo, N., Rey, C., Contreras-Bolton, C., Parada, V. Automatic design of specialized algorithms for the binary knapsack problem. Expert Systems with Applications, Available online 2 September 2019, In Press, Journal Pre-proof. Disponible hasta el 1 de Nov 2019 en: https://authors.elsevier.com/a/1ZjYq3PiGTBVKS

 

Reportaje en www.24horas.cl (29-7-2019)

En el Portal 24horas.cl de Televisión Nacional de Chile, se explica la  generación automática de algoritmos para complejos problemas de optimización de recursos. Ver el artículo aquí.