Un estudio del Instituto George para la Salud Global afirma que el aprendizaje automático puede servir como herramienta para el ahorro económico dentro del panorama clínico.
El machine learning es una rama de la inteligencia artificial. Su principal misión es la de crear una IA con la capacidad de aprender automáticamente gracias a un cúmulo de datos introducidos previamente.
Es decir, un software, un programa o una aplicación que se va automodificando según va aprendiendo, por lo tanto, se crea un mecanismo que evoluciona digitalmente.
Esta manera de establecer la educación de las máquinas, a grandes rasgos, ya se está usando para realizar tareas como la predicción, por ejemplo, del crecimiento de las plantas.
Se espera mucho de esta vertiente de la inteligencia artificial, y por eso, está a la orden del día cuando el objeto de estudio es el de intentar alcanzar cuanto antes la singularidad tecnológica.
El machine learning, una nueva herramienta para los hospitales
Según un estudio del Instituto George para la Salud Global para la Universidad de Oxford, el machine learning puede utilizarse para analizar y predecir la cantidad de registros y admisiones hospitalarias de emergencia que se producen en el día a día.
La investigación, publicada en la revista PLOS Medicine, sugiere que el uso de estas técnicas podría ayudar a los profesionales sanitarios a monitorear con precisión los riesgos que enfrentan los pacientes, y establecer así medidas para evitar las admisiones no planificadas, que son una fuente importante de gasto en atención médica.
«En 2017, se registraron más de 5.9 millones de ingresos hospitalarios de emergencia en el Reino Unido, y una gran parte de ellos fueron evitables», ha afirmado Fatemeh Rahimian, el director de la investigación que se ha publicado recientemente.
El estudio, de 4,6 millones de pacientes, se realizó entre los años 1985 y 2015. Para ello, se utilizaron registros electrónicos de salud vinculados a la práctica clínica del Reino Unido. Se tuvo en cuenta una amplia gama de factores, incluyendo edad, sexo, etnia, estatus socioeconómico, historia familiar, factores del estilo de vida, etc.
La conclusión a la que han llegado los investigadores es clara. El machine learning puede ser una herramienta mucho más precisa que cualquier medición convencional; y en este caso, su uso podría ahorrar una cuantiosa cantidad de dinero a las arcas públicas en materia sanitaria.
