“Ni cuando no sabíamos tanto sobre IA permitíamos que el computador decidiera por un humano”
Imaginemos un listado de más de 2,5 millones de personas que necesitan acceder al sistema público de salud. Personas que esperan un especialista, un tratamiento, un examen médico, una intervención, una terapia. ¿Quién de ellos necesita una atención con más urgencia que el resto?
En esa misma lista, que se hace más y más larga, imaginemos de nuevo que en cada caso se escribió una enfermedad asociada a la persona, un posible diagnóstico, un medicamento o una recomendación médica para interconsulta. ¿Cómo saber qué persona debe ir al frente de esa lista, dependiendo de esos criterios?
Ese ha sido el reto de Jocelyn Dunstan (38) durante los últimos años. La inteligencia artificial y la Ciencia de Datos podrían ser la solución para el problema que los gobiernos de todos los tonos políticos han puesto en los primeros párrafos de sus programas: terminar con las listas de espera.
Estudió Física en la Universidad de Chile y un doctorado en Matemática Aplicada en la Universidad de Cambridge. Llegó a investigar en el laboratorio de Stephen Hawkins, incluso lo recuerda pasar en su silla de ruedas -bebiendo vino con cuchara en Navidad-, mientras ella modelaba matemáticamente la luminiscencia de una bacteria. Fue en una cena formal de la casa de estudios británica, vestidos con capas al estilo de una película de Harry Potter, cuando confesó que a pesar de haber llegado lejos en su carrera, algo le faltaba. (…)
Ahora, desde la Universidad Católica, y también desde el Instituto Milenio Fundamentos de los Datos, le da sentido a esa necesidad de mejorar la salud a través de la inteligencia artificial, el aprendizaje de máquinas y la minería de textos. ¿Cómo priorizar a las personas que requieren una atención de calidad en cada hospital a partir de los datos que diariamente se registran, sin un orden claro, en un computador?
A través del procesamiento automatizado de textos clínicos, el trabajo de Jocelyn Dunstan ayuda al Ministerio de Salud a priorizar las patologías más requeridas por región, sexo y edad, para así gestionar de manera más rápida la atención que debe recibir un paciente. (…)
