El machine learning, es la capacidad que tienen las máquinas de nuestro entorno para aprender y tomar decisiones autónomas.
Las bases fundamentales para su ejecución pertenecen a la estadística, que consisten en una serie de algoritmos con capacidad de análisis tipo Big Data que logran deducir el resultado más óptimo para un determinado problema.
En los últimos años el mundo ha asistido a una revolución tecnológica que ha salpicado de manera transversal todas las áreas de la vida y sectores de la sociedad.
Machine learning aplicado a hospitales
Gracias a la aparición de Internet, las redes sociales, los móviles y el Internet de las Cosas (IoT), el volumen de datos en el mundo ha crecido exponencialmente.
Probablemente el sector de la salud es uno de los escenarios donde el aprendizaje automático más puede aportar.
Los datos sirven para aumentar la eficiencia, optimizar los resultados y fortificar la calidad asistencial para el paciente y a su vez, la calidad de vida del profesional médico.
Tanto la atención primaria, como los servicios de urgencias hospitalarias o los de hospitalización tienen la difícil tarea de tratar personas con situaciones sociosanitarias más complejas.
Los gestores sanitarios son conscientes y hace tiempo que tienen herramientas para detectar estas situaciones, midiendo el índice de reingresos, la estancia media hospitalaria, índice de mortalidad hospitalaria, etc. pero a menudo el motivo de la desviación no se llega a esclarecer, la razón de fondo queda en hipótesis del profesional.
Usos en la actualidad
Uno de los grandes retos de la atención sanitaria, pre y post-Covid, ha sido y continúa siendo la atención a la salud de la población.
A través de tecnologías de Machine Learning y Procesamiento del Lenguaje Natural clínico (cNLP), se definen, con fines predictivos, las características clínicas de los pacientes de coronavirus que requieren cuidados intensivos.
El machine learning ayuda también a organizar los datos que arroja el Covid-19, clasificando y hasta prediciendo cantidad de muertes por género y otras características patológias de los pacientes.