La apuesta del WIC para mejorar la Donación de Órganos

Este último tiempo se ha hablado bastante de la donación de órganos en Chile. Se han hecho campañas que han incentivado que cada vez más personas hablen del tema. Y, además, las cifras han ido en aumento, lo que para el Ministerio de Salud es un muy buena noticia: la primera mitad de este año hubo un 55% más de donantes que durante el mismo periodo del año anterior.

¿Quedan cosas por mejorar entonces? Creemos que sí, particularmente en lo que ocurre dentro de los hospitales. ¿Sabes cómo funciona nuestro sistema?

¡Te invitamos a ver el siguiente video!

Nuestro sistema de donación de órganos, como se puede ver, no es simple. Tiene muchas etapas que involucran distintos profesionales del área de la salud. La detección de potenciales donantes depende del aviso que dan los profesionales en los Servicios de Urgencias, unidad caracterizada por su alta carga laboral. Una vez detectado el paciente, las Unidades de Procuramiento son las que deben coordinar a los profesionales y  la infraestructura necesaria para el correcto funcionamiento de la cadena ¡Lo que es un trabajo complejo! El trabajo de las profesionales de esta unidaes importante dentro del hospital, ya que ellas son las únicas capaces de transformar el dolor de perder a un ser querido en la tranquilidad de saber que aun después de la vida puede ayudar a otras personas. Y por ello WIC  quiere ayudar en hacer más eficiente su trabajo.

El proyecto Chile Vive está estudiando qué pasa cuando un posible donante llega a un centro de salud, cómo lo cuidan y qué pasos se siguen, para poder proponer soluciones que ayuden a hacer que esta cadena sea más rápida y más transparente, y ayudar a los Servicios de Urgencia a dar aviso de la mayor cantidad posible de pacientes que llegan en condición de ser potencial donante de órganos.

Se puede seguir mejorando, y es nuestra misión hacer que eso suceda.

Epidemiología y Data Science

La epidemiología es un área que estudia la ocurrencia y distribución de eventos, estados y procesos asociados a la salud en poblaciones específicas. El estudio se centra en la identificación de factores determinantes que influencian estos eventos o procesos, los que pueden ser factores biológicos, geofísicos, sociales, culturales, etc. y también en la aplicación de este conocimiento para controlar problemas de salud relevantes. Por esta razón, en Epidemiología es muy importante el concepto de causalidad, el cual corresponde a la relación entre las causas y los efectos que éstas producen. La mayor parte de la investigación epidemiológica se refiere a formas de causalidad.

Aquellos factores determinantes que son relacionados causalmente en el cambio de riesgo de un proceso o condición de salud relevante, se les llama factores de riesgo. En la actualidad, algunos autores hacen referencia a dificultades en el descubrimiento de factores de riesgo. Esto debido a que a medida que el área avanza, los factores de riesgo son más elaborados y abstractos. Como en general, estos factores se caracterizan a través de estudios con grupos de prueba (afectados por ciertas condiciones) y control (no afectados), pero estos son difíciles de llevar a cabo debido a el largo tiempo que podría pasar para que un factor de riesgo en realidad genere una enfermedad, el hecho de que se requiere una muestra bastante grande de personas para poder considerar todos los factores pertinentes y el hecho de que no sería ético permitir que una población consuma alguna sustancia o siga algún estilo de vida que podría ser perjudicial para su salud. Para compensar esto, se comparan los grupos de prueba y control para comprobar eventuales diferencias que existan en los ambientes que les rodean, sus estilos de vida, etc. pero autores como Taubes en 1995 plantean que las conexiones causales que se podrían descubrir, son demasiado complejas e interactúan de forma no lineal. Existen diversos factores de confusión, sesgos en la selección de los grupos de prueba y control, falta de información precisa que la gente no recuerda y por lo mismo, no puede proporcionar (ej. hábitos alimenticios, ejercicio en vida cotidiana).

Ante este escenario, surgen oportunidades de la mano de las nuevas tecnologías de Data Science, como el Data Mining (herramientas para la extracción de información y generación de conocimiento a partir de un conjunto de datos) y Big Data (un entorno preparado para un manejo viable de cantidades masivas de información). Flahault et al 2016 (Public Health and Epidemiology Informatics) menciona algunas de estas oportunidades, pensando en la Epidemiología y su aplicación en salud pública, apoyándose en el escenario actual de E.E.U.U. donde la mayoría de los hospitales públicos utilizan registros médicos electrónicos, facilitando el uso de esta información por parte de estas herramientas. Por ejemplo, un caso del 2012 en el que oficiales de salud pública notaron un incremento en reportes de laboratorio en los que se indicaban casos de infecciones asociadas a Escherichia Coli y ante esto, en menos de una semana reunieron suficiente evidencia como para generar una alerta pública respecto a la infección, vinculadas a los brotes de trébol de una cadena de comida rápida. La cadena actuó, eliminó los brotes y el peligro fue eliminado. O el caso de Google Flu Trends, donde se estimaba la prevalencia de los brotes de gripe en función de las búsquedas relacionadas a gripe y asociados, donde en algunos casos se sobreestimó los niveles de prevalencia de gripe, pero en otros (por ej. casos de Influenza) las predicciones fueron más precisas.

En conclusión, existen formas mejores de manejar datos masivamente en la actualidad, y para la Epidemiología esto se transforma en montones de oportunidades interesantes. Bajo esta idea, el proyecto Koreisha pretende descubrir relaciones causales interesantes en una población seleccionada de adultos mayores, apoyados en estas herramientas e información recolectada. Se espera tener resultados preliminares a fines de este año.

SONAMA en NIDA International Forum

Desde el pasado 16 hasta el 19 de junio, en la ciudad de Montreal (Canadá), tomó lugar el NIDA International Forum. Este evento es realizado cada año y tiene como objetivo promover la investigación cooperativa internacional y el intercambio de información científica por investigadores en abuso de drogas, mediante la exposición de una gran variedad y calidad de invetigaciones sobre abuso de drogas y adicciones relizada alrededor del mundo.Leer más

Obteniendo datos de Facebook

 

Facebook es la mayor red social del mundo, con cerca de 2.000 millones de usuarios, cifra que sigue creciendo velozmente desde su creación en la década del 2000. En Chile su éxito se repite, y de la población nacional de casi una veintena de millones, un tercio de ella está conectada a través de Facebook.Leer más

Big Data y Nuevas Tecnologias: Algoritmos, supercomputadores y dispositivos portátiles prometen revolucionar los sistemas de salud mundiales

Aplicaciones prácticas y teóricas de la Big Data y los sistemas de información asociados a la eficiencia en salud, la reducción de costos y una mejor atención para los pacientes, fueron los grandes temas abordados en la conferencia organizada por la Universidad de Chile y la MIT Sloan Latin America Office (MSLAO), Leer más

WIC en la comunidad de Machine Learning

Machine Learning, o Aprendizaje de Máquina, va captando cada vez más adeptos en todo el mundo. Ya sea por que nos ha llevado a soluciones tecnológicas impresionantes o porque es la puerta a la Inteligencia Artificial tan difundida en el cine, lo cierto es que esta rama de estudio es esencial para los científicos de datos, la profesión más sexy de este siglo, según la Harvard Business Review. Como Facultad de Ciencias Físicas y Matemáticas de la Universidad de Chile nos hemos hecho parte de esta ola desde la teoría y la práctica, y rasgando los velos que separan los departamentos de esta institución se creó la Comunidad de Machine Learning el 2006, con destacada participación de alumnos y profesores de eléctrica, matemática y computación, pero sin cerrarle la puerta a industriales, mecánicos, astrónomos y todo el que quisiera sumarse a recibir y compartir el conocimiento y la experiencia que se obtienen al navegar en estas aguas.

El Web Intelligence Centre también acudió al llamado de esta iniciativa, y el lunes 15 de mayo de este año hizo su primera charla: “Una herramienta de análisis de Twitter”, presentando uno de sus emblemáticos proyectos, “OpinionZoom”. En ella se interactuó con los asistentes para reflexionar juntos distintos enfoques para responder a las búsquedas de información a partir de los datos de Twitter. Desde los JSON que entregan las API de la red social, se fueron mostrando durante la charla algoritmos y formas de descubrir sexo, edad, intereses e influencia de un usuario, y también la polaridad de sus tweets. También se expuso el trabajo de identificar si un tweet es reclamo o no para la industria de telecomunicaciones, junto con su clasificación automática en categorías predefinidas como internet, teléfono, televisión, facturas, página web, entre otras.

Agradecemos la audaz participación de la selecta audiencia. También le agradecemos la invitación a los organizadores, por confiar en nosotros y permitirnos enseñar nuestro trabajo de años. Esperamos seguir aprendiendo y colaborando con la comunidad de Machine Learning para ayudar a otros en este fructífero y desafiante camino que lleva a toda la humanidad a una vida mejor.