José David Posada, Phd en Biomedical Informatics y docente del Departamento de Ingeniería de Sistemas y Computación, ha dedicado gran parte de su carrera a la obtención de datos para la aplicación de la inteligencia artificial (IA) en la optimización de procesos médicos. El docente participó recientemente durante dos semanas en el ‘Biomedical NLP Hackaton’, una iniciativa organizada por un equipo de la Stanford University, entre otras instituciones y compañías de alto nivel, que contribuyó a la obtención de conjuntos de datos enfocados en la desidentificación de narrativas clínicas.
“Fue una oportunidad increíble de aportar desde la Universidad al Norte, porque estamos contribuyendo con equipos de todas partes del mundo. Fue un trabajo admirable porque organizaron la hackathon de una forma remota y manejando a cientos de personas, generando código y de forma organizada, con unos criterios y mecanismos claros”, evocó el ingeniero.
La inteligencia artificial y la medicina pueden encontrarse en un punto en común, pero la aplicación de la primera en cualquier ámbito necesita de información para crear algoritmos, tal como sucede con nuestros celulares a la hora de mostrarnos información en diferentes redes, de acuerdo a nuestros intereses. Para esto se necesita data, la cual puede venir de tres formas diferentes: audio, imagen o texto. El profesor José David Posada se enfoca en los textos, específicamente en los biomédicos, que pueden ser artículos de investigación o textos clínicos (notas elaboradas tras realizar un examen clínico).
De acuerdo con el educador, la aplicación de esta información puede tener tres fines: la predicción de hospitalización, según los síntomas que presentan los pacientes; la vigilancia biológica, que consiste en poder utilizar esa teoría de síntomas y signos que se están recopilando de forma automática, a través de lo que otros por ahí escriben para hacer una inferencia. Por ejemplo, saber cuántos casos posibles de dengue se tiene en una población, de acuerdo a los síntomas que presentan los pacientes en un lugar común. Tercero, detectar reacciones adversas de medicamentos, cuando varias personas que han tomado un mismo fármaco presentan síntomas similares.
Objetivo
La iniciativa de estos encuentros de académicos es poder recopilar la mayor cantidad de conjuntos de datos de texto biomédico, para que desarrolladores e investigadores en todo el mundo los transformen a un modelo común: un formato que permita entrenar modelos de interés artificial y responder necesidades dentro de la medicina.
El docente hizo parte de esta competencia, compartiendo un conjunto de datos ya anonimizado (resultado de un proceso de tratamiento de los datos personales, con el fin de evitar la identificación de una persona de manera directa o indirecta y de forma irreversible), gracias a un código que los transforma a un formato en específico, por medio de un proceso de estandarización.
“Con la participación en estas iniciativas, Uninorte está contribuyendo a hacer ciencia del más alto nivel. Y yo, en la práctica docente, puedo comunicarles a los estudiantes que es una experiencia de primera mano. Usualmente ellos leen y creen que este tipo de situaciones son lejanas, pero nosotros tenemos la capacidad de hacerlo y no es exclusivo de una élite. Yo soy un vehículo para abrir esa puerta y que ellos vean, se interesen y puedan entrar a ser parte de estos procesos”, concluyó el profesor.
