Este documento trata sobre la aplicación del machine learning en el campo de la salud. Presenta ejemplos de cómo se puede usar el machine learning para diagnosticar enfermedades, optimizar estudios clínicos y lograr medicina de precisión. También menciona algunas empresas líderes en este campo y metodologías como CRISP-DM que son útiles para proyectos de machine learning en salud. Finalmente, concluye que los datos y la computación ofrecen grandes oportunidades para abordar problemas de salud en Colombia, pero se requiere trabajo conjunto entre diferentes actores.

1. MACHINE LEARNING
APLICADO EN
SALUD

2. ¿QUIEN SOY?
Javier Samir Rey
Ingeniero de sistemas
Machine learning engineer - Direktio
Co-organizador meetup Big Data Colombia
jreyro@gmail.com
javier-samir-rey-7104195
github/jasam

3. “Sin salud, no hay nada. Sin
salud, la humanidad no tiene
nada.”
Dr. Tedros Adhanom Ghebreyesus
Director General de la Organización Mundial
de la Salud

4. Hipertensión y
Diabetes Mellitus
ENFERMEDADES CRÓNICAS COLOMBIA
Mayores precursores
- Enfermedad isquémica cardiovascular
- Eventos cerebro vasculares
- Estados finales enfermedad renal
- Muerte
prevalencia
- Hipertensión: 6.5 %
- Diabetes: 1.9 %
20% de la población
consume 80%de los
recursos.
Source: cuenta de alto costo - 2015

5. Enfermedades crónicas
Países - sistemas de salud

6. ESTRATEGIAS DE CRECIMIENTO ECONÓMICO
Siglo Estratégia económica
Pre - siglo 18
Siglo 19 - 20
Siglo 21
Cultivo y extracción
Manufactura & industria
Poder de cómputo + potencial humano
4 revolución
IA es la nueva electricidad - Andrew NG.
Origen: KP trends 2017 & http://usblogs.pwc.com/emerging-technology/ai-is-the-new-electricity/

7. LO QUE ALGUNOS PIENSAN
Los datos están emergiendo rápidamente como el mayor activo de
la industria de la salud. La tendencia en nuestra industria es
la de dirigir muchas decisiones apoyadas en datos. Es un
paseo de madurez con las verdaderas pepitas de oro que vienen
en Analytics 3.0 y más allá. Esto no se resolverá con un producto ni
se comprará en el estante. Big Data necesita ser parte del ADN de una
organización.
-- Chris Belmont, MBA
Vice President and Chief Information Officer
MD Anderson Cancer Center

8. POTENCIAL DE LA IA EN SALUD
Fuente: mckinsey and company
IA tiene el potencial de:
● Medicina de precisión
● Diagnosticar
enfermedades
● Optimizar los estudios
clínicos
Estamos seguros de que va
más allá! Responder
preguntas interesantes.

9. ALGUNOS GRANDES JUGADORES

10. MACHINE LEARNING - SOLUCIONES

11. MACHINE LEARNING - PROLIFERACIÓN DE
SOLUCIONES - AUTOMATIZACION RESULTADOS
Fuente: https://deepmind.com/applied/deepmind-health/working-nhs/how-were-helping-today/

12. MACHINE LEARNING - PROLIFERACIÓN DE
SOLUCIONES - CONCURSOS CÁNCER DE PULMÓN
Can you improve lung
cancer detection?
Competition Sponsors
● Laura and John Arnold Foundation
● Cancer Imaging Program of the
National Cancer Institute
● American College of Radiology
● Amazon Web Services
● NVIDIA
Data Support Providers
● National Lung Screening Trial
● The Cancer Imaging Archive
● Diagnostic Image Analysis
Group, Radboud University
● Lahey Hospital & Medical Center
● Copenhagen University Hospital
1 millón de dólares en
premios.

13. MACHINE LEARNING - PROLIFERACIÓN DE
SOLUCIONES - GESTIÓN RIESGO POBLACIONES

14. ORGANIZACIONES ORIENTADAS EN DATOS (DATA
DRIVEN)
Fuente: Creating a driven-data culture organization - Carl Anderson
Cual es el
objetivo que
persigo? Visión
de la compañía

15. PIRAMIDE DE VALOR
Source: datasyndrome

16. CRISP-DM METODOLOGIA
Source: Wikipedia
Existe mayor
posibilidad
de éxito si la
organización
cuenta con una
cultura
orientada a
resultados y no
a procesos.
Estándar
cruzado de
industria para
minería de datos
Cada institución
coloca su
“aderezo”

17. MODELO DE CUIDADO DE ENFERMEDADES
CRÓNICAS
Source: Cuidado das Condições Crônicas na Atenção Primária à Saúde
Inspirado en
la pirámide
de Kaiser
Permanente!

18. ¿CIENTÍFICOS DE DATOS - MEDICINA?
¡NO HAY ALMUERZO GRATIS!
● Ingeniería de software
● Matemáticas
● Estadística
● Experiencia en machine learning
● Bases de datos
● Epidemiologos
● Especialistas
● Expertos de dominio - clínicos
● Habilidades suaves
● Salubristas
● Reguladores públicos
● Pacientes
● Investigadores y academia
● Instituciones de salud
● Sociedad

19. DATA UNDERSTANDING - HEALTH
Source: mckinsey and company

20. DATA UNDERSTANDING - HEALTH
Source: The Rise of Consumer Health Wearables

21. PENETRACION SENSORES
fuente: rock health consumer survey (12/16)

22. INTELIGENCIA ARTIFICIAL - CONCEPTOS
● ¿Pueden las máquinas pensar? - Alan Turing - años 50.
● El concepto no es nuevo, pero la posibilidad de uso real y escalable si.
● Hace ya varios años hay mucho machine learning en los productos que usamos
a diario.
Fuente: practical machine learning - Sunila Gollapudi

23. QUE ES MODELAMIENTO DE DATOS
La creación de modelos de datos es inducción de modelo.
Inducción es un término usado para indicar la generalización de reglas
a partir de casos específicos.
Source: Data science for business
Generalmente hablando, un modelo es una representación
simplificada de la realidad creado para servir a un propósito.
En ciencia de datos un modelo predictivo es una fórmula para estimar
un valor desconocido de interés: el target. La fórmula puede
ser matemática or pueden ser reglas. A menudo es un híbrido de las dos.
Muchos nombres para
las mismas cosas!

24. DATA MODELING - BLUEPRINT
Source: sci-kit learn

25. ¿Puede la inteligencia artificial ayudarnos a interpretar
el contenido nutricional de los alimentos que
consumimos?
LEYES Y POSIBILIDADES DE IA

27. ¿COMO LUCE EL FUTURO?
Fuente: ggogle trends
Procesamiento de lenguaje natural
Sistemas de información más
inteligentes
Internet de las cosas de la medicina
Procesamiento de imágenes
Big data
Aplicaciones para
mejoramiento de hábitos Gestión del riesgo

28. CONCLUSIONES
La computación y los datos han aumentado de forma considerable, las capacidades están
listas para ser explotadas con un commoditie de algoritmos disponibles, la intersección de
tecnologías es la clave!.
Cualquier solución orientada al impacto en el mejoramiento de las población “sana” y
enferma es un esfuerzo valioso para mitigar el problema de las enfermedades crónicas.
Atreverse a “fallar” rápido, pensar en grande hacer en pequeño!. Manos a la obra!
Las instituciones de salud colombianas tienen un gran potencial de explotación de los datos,
es muy probable construir soluciones que permitan apalancar la creación de productos más
inteligentes, empoderar personas para la generación de valor es la ecuación final.
El patrocinio institucional es fundamental en todos estos procesos de transformación
orientando las decisiones basadas en datos.
El software libre está disponible para hacer de él obras de arte que nos ayuden a abordar
estos retos de salud!
Recordemos que nuestra Colombia en muchos casos luce como dos Colombias, no olvidemos
trabajar en frentes básicos para llegar a temas más tecnológicos, hay muchas preguntas por
responder aún, ej: seguridad de la información!

29. GRACIAS!!
Y CUIDEMOS
NUESTRA SALUD!