Banco Interamericano de Desarrollo
facebook
twitter
youtube
linkedin
instagram
Abierto al públicoBeyond BordersCaribbean Development TrendsCiudades SosteniblesEnergía para el FuturoEnfoque EducaciónFactor TrabajoGente SaludableGestión fiscalGobernarteIdeas MatterIdeas que CuentanIdeaçãoImpactoIndustrias CreativasLa Maleta AbiertaMoviliblogMás Allá de las FronterasNegocios SosteniblesPrimeros PasosPuntos sobre la iSeguridad CiudadanaSostenibilidadVolvamos a la fuente¿Y si hablamos de igualdad?Inicio
Administración pública Agua y saneamiento Ciencia, tecnología e innovación Comercio e integración regional Conocimeinto Abierto Desarrollo infantil temprano Desarrollo urbano y vivienda Educación Energía Género y diversidad Impacto Industrias Creativas Medio ambiente, cambio climático y Salvaguardias Política y gestión fiscal Salud Sin Miedos Trabajo y pensiones
  • Skip to main content
  • Skip to secondary menu
  • Skip to primary sidebar
  • Skip to footer

Gente Saludable

IDB

  • INICIO
  • CATEGORÍAS
    • Envejecimiento y dependencia
    • Priorización del gasto y financiamiento
    • Salud de la mujer y la niñez
    • Salud pública y nutrición
    • Seminarios y cursos
    • Servicios de salud
    • Transformación digital
    • Vida saludable
  • autores
  • Español
    • Inglés
    • Portugués

Netflix, Amazon y las políticas públicas en salud

April 10, 2017 por Autor invitado 2 Comentarios


Copyright © 2017. Banco Interamericano de Desarrollo. Si deseas republicar el artículo, por favor solicita autorización a [email protected].

Por Luis Tejerina, Napoleón Cornejo e Vladimir Aguiñada. 

¿Sabías que uno de los síntomas de la tos es interactuar con más personas más veces? O que uno de los síntomas del resfriado común es llamar a tus amigos después del trabajo. A medida que utilizamos cada vez más tecnología en el día a día, dejamos huellas de información digital que pueden ser utilizadas para mejorar el bienestar público en formas que hace 10 años hubieran parecido ciencia ficción.

Por ejemplo, científicos de MIT han estudiado el comportamiento humano observado a través de los teléfonos celulares para predecir no solo si una persona está enferma, sino el tipo de problema de salud que tiene y si una zona geográfica puede ser vulnerable a una epidemia. Para esto se utiliza una técnica que mezcla herramientas estadísticas, sensores y programación conocida como aprendizaje automático o “machine learning” (ML). Analizando la interacción con los celulares ellos encuentran patrones que predicen el estado de salud de una persona (a quién llamamos, con qué frecuencia y cuánto nos movemos).

Las herramientas de machine learning han sido popularizadas por su uso en el sector privado en la mejora de sus servicios. Netflix y Amazon son empresas que utilizan algoritmos de ML en las recomendaciones que hacen de productos y servicios. Este tipo de algoritmos incrementaron su presencia en la cultura popular cuando Netflix anunció en 2006 un premio de US$1 millón para quien pueda mejorar el poder predictivo de sus recomendaciones en un 10%. Un análisis en Google trends nos muestra cómo la popularidad de esta tecnología ha aumentado en el tiempo.

Si bien los algoritmos de aprendizaje automático son matemáticamente sofisticados, están inspirados en la intuición. Si a la mayoría de las personas a las que les gusta la película A les gusta la película B, entonces puedo confiablemente recomendar la película B a una persona que le gustó la A pero no vio la B. De la misma manera si observo que el número de llamadas y el número de personas a las que se llama a lo largo del día están relacionadas con el estado de salud física y mental de una persona, puedo utilizar estos datos para predecir el estado de salud sin necesidad de una consulta médica.

El elemento clave para poder hacer este tipo de inferencia es una base de datos con suficientes observaciones y atributos de personas a las que les gusta la película A y B o una bitácora de actividad del celular y su estado de salud para “entrenar el algoritmo”. Un elemento adicional en los algoritmos de aprendizaje automático es que, a medida que se los utiliza, es posible retroalimentarlos para ajustarlos a la nueva información. Es decir, las máquinas adquieren la capacidad de aprender.

Huellas digitales para predecir estados de salud

El equipo a cargo de la investigación descrita al principio de este artículo ha desarrollado una aplicación que combina atención de especialistas con datos de teléfonos celulares y aprendizaje automático para identificar y tratar la depresión, el stress y la ansiedad. También se han desarrollado algoritmos para:

  • Iniciativas que identifican caídas y el tipo de cada una. Así se tendrá un mecanismo de alerta para, por ejemplo, los adultos mayores.
  • Iniciativas que entrenan algoritmos para el análisis de imágenes con mejores diagnósticos, por ejemplo, de cáncer.
  • Iniciativas para aplicar técnicas de aprendizaje automático y análisis genético y desarrollar medicina personalizada.

Un análisis reciente encuentra que existen 106 compañías orientadas a aplicar algoritmos de aprendizaje automático al sector salud en las áreas de salud mental, asistentes virtuales, monitoreo de estilos de vida, manejo de hospitales y descubrimiento de nuevas medicinas. Sin embargo, el uso de aprendizaje automático puede ir mucho más allá del sector salud dependiendo de la información disponible para entrenar un algoritmo.

El entretenimiento, la salud, las posibilidades son infinitas 

En Costa de Marfil y América Latina se han implementado algoritmos de aprendizaje automático para construir mapas de pobreza. Esta es una herramienta clave, pero es costosa de generar, para la política pública con base en la información de telefonía celular con niveles de precisión (predicciones correctas) de más de 70%.

Mapa de pobreza de Costa de Marfíl

En Dinamarca con información administrativa del sector educativo e información pública, se utilizaron algoritmos de aprendizaje automático con el propósito de predecir deserción escolar. El algoritmo implementado puede predecir la probabilidad de que un estudiante abandone la escuela secundaria con una precisión del 93.5%.

En República Dominicana, los algoritmos ya se implementan en el sector público con el propósito de identificar errores en las fichas socioeconómicas que se utilizan como puerta de entrada a los programas sociales. Así, cuando el algoritmo detecta un patrón extraño (una familia que declara tener un techo de adobe en un barrio de clase media, por ejemplo) se levanta una alerta para verificar la información.

Finalmente, en China se ha utilizado información de telefonía celular con el propósito de medir la actividad económica con alta desagregación geográfica y construir índices de desempleo, consumo y desempeño de empresas.


Machine Learning en América Latina

Dos fuerzas impulsan el uso de algoritmos de este tipo para mejorar la política pública en nuestra región. Por un lado, el diseño de herramientas fáciles de utilizar, el carácter abierto de muchas iniciativas y la creciente demanda por educación en el área de aprendizaje automático incrementan la oferta y bajan los costos de implementarla.

Por otro lado, a medida que los países fortalecen sus sistemas administrativos de información y se logra mayor uso de teléfonos inteligentes, incluso en sectores más pobres de la población, se incrementa la información disponible para entrenar algoritmos que mejoren la toma de decisiones. Un esfuerzo regional que sirva de catalizador para un mayor empuje en la implementación de esta tecnología en la región y logre acceso y generación de mayor información podría tener altos retornos al lograr que América Latina y el Caribe se conviertan en líderes en la adopción de la tecnología para el sector público.

¿Cómo crees que este tipo de tecnologías podría apoyar las políticas públicas en salud en tu país? Cuéntanos en la sección de comentarios o mencionando a @BIDgente en Twitter.

Luis Tejerina es Economista de la División de Protección Social y Salud en la oficina de Honduras del Banco Interamericano de Desarrollo. 

Napoleón Cornejo es el Director de investigación y desarrollo de Axiome Labs B.V., especializada en el desarrollo de soluciones con machine learning e inteligencia artificial.

Vladimir Aguiñada es el Director de negocios de Axiome Labs B.V., que implementa soluciones de machine learning en diferentes industrias de Latinoamerica y Europa.


Archivado bajo:Transformación digital Etiquetado con:América Latina, Banco Interamericano de Desarrollo, BID, innovación, políticas públicas, Salud

Autor invitado

Reader Interactions

Comments

  1. MARIA ALTAGRACIA MENDOZA REYES dice

    April 18, 2017 at 9:07 am

    Es muy interesante el artículo!! Estoy totalmente segura de que las tecnologías tienen un alto potencial para resolver problemas en salud y en múltiples áreas. Creo que iniciativas como estas deben difundirse en las universidades para que los jóvenes de manera que puedan ampliar sus horizontes, dar la oportunidad de colocarse en esta dirección del conocimiento para que puedan aportar con sus talentos.

    Reply
  2. Carmen Oliva Espinosa Martinez dice

    April 22, 2017 at 10:35 pm

    Una aplicación de ML puede darse analizando los medicamentos consumidos por una persona y el tiempo de consumo para detectar las posibles enfermedades generadas por este consumo por efectos adversos, o usos concomitantes.

    Reply

Leave a Reply Cancel reply

Your email address will not be published. Required fields are marked *

Primary Sidebar

SIGUENOS

Subscribe

Buscar

Salud

Los países de América Latina y el Caribe se enfrentan a grandes retos para garantizar la salud de sus ciudadanos. En este blog, los especialistas del BID y expertos internacionales exploran temas de actualidad sobre la salud y buscan, a través de tus comentarios, un diálogo enriquecedor.

Latin American and Caribbean countries face multiple challenges to provide quality healthcare for their citizens. In this blog, IDB Specialists and international experts discuss current health issues and hope to build a dynamic dialogue through your comments.

Artículos relacionados

  • DIABETIMSS: Novedoso estudio usa aprendizaje automático para mejorar el tratamiento de diabetes en México.
  • Mi algoritmo es mejor que el tuyo
  • Por qué necesitamos una revolución estadística
  • Y si el algoritmo en salud se equivoca, ¿a quién reclamo?
  • +Digital, un impulso a la transformación digital en la región

Footer

Banco Interamericano de Desarrollo
facebook
twitter
youtube
youtube
youtube

    Blogs escritos por empleados del BID:

    Copyright © Banco Interamericano de Desarrollo ("BID"). Este trabajo está disponible bajo los términos de una licencia Creative Commons IGO 3.0 Reconocimiento-No comercial-Sin Obras Derivadas. (CC-IGO 3.0 BY-NC-ND) y pueden reproducirse con la debida atribución al BID y para cualquier uso no comercial. No se permite ningún trabajo derivado. Cualquier disputa relacionada con el uso de las obras del BID que no se pueda resolver de manera amistosa se someterá a arbitraje de conformidad con el reglamento de la CNUDMI. El uso del nombre del BID para cualquier otro propósito que no sea la atribución, y el uso del logotipo del BID estarán sujetos a un acuerdo de licencia escrito por separado entre el BID y el usuario y no está autorizado como parte de esta licencia CC-IGO. Tenga en cuenta que el enlace proporcionado anteriormente incluye términos y condiciones adicionales de la licencia.


    Blogs escritos por autores externos:

    Para preguntas relacionadas con los derechos de autor para autores que no son empleados del BID, por favor complete el formulario de contacto de este blog.

    Las opiniones expresadas en este blog son las de los autores y no necesariamente reflejan las opiniones del BID, su Directorio Ejecutivo o los países que representan.

    Atribución: además de otorgar la atribución al respectivo autor y propietario de los derechos de autor, según proceda, le agradeceríamos que incluyera un enlace que remita al sitio web de los blogs del BID.



    Política de privacidad

    Derechos de autor © 2025 · Magazine Pro en Genesis Framework · WordPress · Log in

    Banco Interamericano de Desarrollo

    Aviso Legal

    Las opiniones expresadas en estos blogs son las de los autores y no necesariamente reflejan las opiniones del Banco Interamericano de Desarrollo, sus directivas, la Asamblea de Gobernadores o sus países miembros.

    facebook
    twitter
    youtube
    En este sitio web se utilizan cookies para optimizar la funcionalidad y brindar la mejor experiencia posible. Si continúa visitando otras páginas, se instalarán cookies en su navegador.
    Para obtener más información al respecto, haga clic aquí.
    X
    Manage consent

    Privacy Overview

    This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.
    Necessary
    Always Enabled
    Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
    Non-necessary
    Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.
    SAVE & ACCEPT