Crean plataforma que genera sistemas de ciencia de datos para el sector salud

En 2021 la Encuesta Nacional de Ocupación y Empleo reportó que la cantidad de personal médico que hay en México es de 305 mil 418, y de cada cien, 67 son generales y 33 especialistas; además la OCDE estima que en el país hay 2.4 médicos y médicas por cada cien mil habitantes, promedio superior a países de América Latina y el Caribe, aunque inferior al de sus miembros.

En este contexto, un grupo científico del Cinvestav Tamaulipas, encabezado por José Luis González Compeán y Miguel Morales Sandoval, desarrolló una plataforma tecnológica que permite crear sistemas de datos médicos producidos por las instituciones de salud, que se transforman en información útil en la toma de decisiones durante los procesos de diagnóstico, pronóstico o intervención médica. 

“Son sistemas que analizan datos producidos por todas las instituciones de salud del país mediante algoritmos de inteligencia artificial, para que a partir de eso las y los médicos puedan contar con mayor información y tomar una mejor decisión de salud para sus pacientes”, explicó González Compeán.

La plataforma Muyal Ilal, de la que se han publicado avances en las revistas IEEE y Springer, permite a instituciones de salud que ya cuentan con datos médicos en un expediente clínico electrónico, procesarlos con algoritmos de inteligencia artificial para obtener información y entregarla como un diagnóstico o pronóstico en diversas enfermedades.

Es una tecnología basada en la analogía de una célula madre a la que se le puede cambiar alguna característica, luego se clona y a partir de la modificación es posible crear subplataformas, como MuyalNez, dedicada a crear sistemas de ciencia de datos no estructurados (carecen de un formato estandarizado y ordenado) relacionados con imagenología: tomografías, radiografías, mastografías, electrocardiogramas, espirometrías y todo contenido médico que implique señales e imágenes.

MuyalNez se usa como bloques de “lego” para hacer ensambles dependiendo de las bases de datos o sistemas de pretratamiento; el sistema guía al usuario en el proceso de construcción hasta obtener una herramienta que, con inteligencia artificial, pueda producir un diagnóstico o un pronóstico.

La matriz Muyal Ilal también procesa datos generados en la interacción paciente y médico; se trata de información estadística e histórica, como defunciones, ingresos hospitalarios, altas médicas, conteo de enfermedades, entre otros, esta parte se denomina MuyalZamná y se alimenta de documentos procedente de hospitales o profesionales de la salud.

A los datos estructurados (con un formato estandarizado y ordenado) se les aplican diversos algoritmos de análisis y la información se le dota de una metodología de paso a paso orientada al diseño; el sistema no ve programas ni configuraciones, solo cajas con una función para generar información en forma de mapas, gráficas y tablas.

La plataforma no obliga al usuario a tener conocimientos especiales para obtener una matriz y establecer conclusiones; con un conjunto de datos (verificados por el sistema para cumplir con la normatividad) y al fusionarlos con otros, se convierten en información que responde a preguntas.

El principal desafío del proyecto fue trasladar el software de un punto a otro con un funcionamiento óptimo; es decir, ese elemento puede funcionar bien en un sistema operativo pero dejar de hacerlo en otro similar, entonces se resolvió la dependencia entre hardware y software mediante la creación de una arquitectura propia basada en el concepto microservicios autosimilares, desplegados en contenedores virtuales.

Eso significa colocar todo el software requerido para resolver una tarea en un contenedor virtual junto con las herramientas de funcionamiento; se coloca el sistema operativo, variables y librerías, si es un algoritmo de clasificación de inteligencia artificial ya probado se toman en cuenta todas sus características de operación, entonces se crea otra caja de microservicio como un vehículo de transporte hacia una plataforma receptora similar.

Se diseñó una arquitectura propia para crear plataformas completas, porque al combinar diversas herramientas es posible generar sistemas nuevos, es decir, tomaron un contenedor de inteligencia artificial, lo unieron con otro de almacenamiento y después lo sumaron a uno de visualización con el objetivo de obtener un sistema diferente; este proceso permite composiciones infinitas. El propósito de la plataforma es aprovechar todos los datos disponibles para que, al ser analizados, puedan mejorar el pronóstico, diagnóstico, atención o evitar retraso en la consulta del paciente.

“Vimos que se debería mejorar el manejo de la información médica para hacer más eficientes los procesos relacionados con la atención del paciente, por ello, aplicamos un algoritmo que desarrollamos en laboratorio para uso del sector salud, el cual representa un reto por la regulación, y ya se emplea en el Instituto Nacional de Rehabilitación”, sostuvieron los investigadores