https://revistacuantica.iescinoc.edu.co/index.php/rcq/
Vol – 1 No. 2, Julio - Diciembre 2020
Pgs 1-32
1
Las TIC en el sector salud, machine learning para el
diagnóstico y prevención de enfermedades
Direction of educational projects applied to information and communication
technologies
Edgar Olmedo Cruz Micán
Doctor en Administración de Negocios, con estudios en Alta Investigación
posdoctoral en Educación, Ciencias Sociales e Interculturalidad
Docente Investigador – Corporación Universitaria Minuto de Dios – UNIMINUTO
ecruz@uniminuto.edu
Fernando Augusto Poveda Aguja
Doctor en Education in Educational Technology
Docente Investigador – Corporación Universitaria Minuto de Dios – UNIMINUTO
Fernando.poveda@uniminuto.edu
Leidy Marcela Buitrago Márquez
© Magíster en Gerencia de TIC
Universidad ECCI
leidym.buitragom@ecci.edu.co
RESUMEN
Las tecnologías de la información y comunicación (TIC), desde su aparición han
desempeñado un papel fundamental en la sociedad, desde que el hombre aplico su
ingenio y sus diferentes habilidades de invención e innovación, la tecnología ha sido
siempre una gran aliada para el continuo avance y desarrollo del mismo ser humano, es
por esto que no es de extrañar que la tecnología este tan intrínsecamente asociada a
diversos campos y aspectos de la salud.
Recibido Julio 2019 – Aceptado Noviembre 2019
Quántica. Ciencia con impacto social
Vol – 1 No. 2, Julio - Diciembre 2020
e-ISSN: 2711-4600
Pgs 1-32
2
El aprendizaje automatizado o de maquina es un campo de aplicación e investigación,
derivado del desarrollo de las ciencias de la información y la computación combinados,
denominado usualmente como machine learning (ML), los métodos de los que se
componen el ML permiten de manera avanzada por medio de recursos
computacionales, el tratado de datos a gran escala, con el fin de generar modelos de
aprendizaje que retornen información relevante, datos estadísticos y posibles caminos
de solución o aplicación para cambiar o predecir eventos o resultados.
Aplicando una metodología de revisión sistemática de literatura (SLR) se propone
explicar cómo el machine learning puede ser usado para la prevención, diagnóstico e
inclusive el tratamiento de enfermedades, describiéndolo como una potente herramienta
tecnológica para mejorar el bienestar, tratamiento y promoción de la salud en el ser
humano.
Palabras clave: Algoritmo, aprendizaje, predicción, enfermedad, base de datos
ABSTRACT
Information and communication technologies (ICT), since their appearance have
played a fundamental role in society, since man applied his ingenuity and his different
skills of invention and innovation, technology has always been a great ally for the
continuum advancement and development of the human being himself, this is why it is
not surprising that technology is so intricately associated with various fields and aspects
of health.
Automated or machine learning (ML) is a field of application and research, derived
from the development of information sciences and computing combined, the methods
that make up the ML allow in an advanced way through computational resources, the
treatment of large-scale data, in order to generate learning models that return relevant
information, statistical data and possible ways of solution or application to change or
predict events or results.
Applying a Methodology Systematic Literature Review (SLR) aims to explain how
machine learning can be used for the prevention, diagnosis and even treatment of
diseases, describing it as a powerful technological tool to improve well-being, treatment
and health promotion in the human being
Keywords: Algorithm, learning, prediction, disease, database
Vol – 1 No. 2, Julio - Diciembre 2020
3
1. Introducción
La medicina moderna en sus diferentes campos de investigación y aplicación de la salud
humana, se vale de tecnologías de la ciencia de la computación para desarrollar métodos
más confiables y seguros de diagnóstico de enfermedades, con estos avances la medicina
usa métodos estadísticos que en base a un significativo grupo de datos pueden establecer
patrones de comportamiento que ayuden a crear modelos predictivos para detectar
enfermedades o patologías de determinado grupo poblacional, con estas mismas
técnicas de detección se podrán trabajar en tratamientos preventivos con mayor eficacia,
que ayuden a que el o los individuos no desarrollen las enfermedades, con mayor
probabilidad de aparición, o que ayuden a bajar el nivel de impacto o afectación de estas
en la salud de los pacientes; con la capacidad de procesamiento de los computadores
actuales la medicina puede aplicar modelos estadísticos que permiten crear deducciones
como pruebas de estimación, pruebas de hipótesis, pruebas paramétricas y no
paramétricas, términos que más adelante serán explicados de forma simple, para dar a
entender como a partir de bases de datos y algoritmos de aprendizajes, el machine
learning transforma datos en conocimiento, y este conocimiento aplicado al diagnóstico
y prevención de enfermedades, genera resultados altamente positivos y concretos en el
sector salud.
Conceptos importantes y como se relacionan con el Machine Learning
Las tecnologías de la información y la comunicación (TIC) se forman de un gran número
de ciencias, recursos, herramientas, equipos, programas informáticos, redes de
información y comunicación, medios, aplicaciones, etc., que permiten a todas las
escalas, actividades de compilación, procesamiento, almacenamiento, transmisión e
información de voz, datos, texto, video e imágenes (Art. 6 Ley Colombiana 1341 de
2009) que orientadas a determinados campos de acciones pueden aportar grandes
beneficios a la sociedad y aportes significativos a la ciencia.
Con lo anterior sabemos que las TIC en su diversidad de componentes ayudan al
adelanto de investigaciones que en este caso en la medicina y en la salud tienen como
propósito el diagnóstico y prevención de enfermedades, para esto una de esas muchas
herramientas tecnológicas abarcadas en las TIC, el Machine Learning, combinado con
diferentes fuentes de información establece un servicio predictivo que permita el
diagnóstico o pronóstico.
Medicina
Según la organización mundial de la salud (OMS, 2017) la medicina es la suma total de
conocimientos, habilidades y prácticas basados en teorías, creencias y experiencias
4
oriundos de las diferentes culturas, usados en el mantenimiento de la salud, así como en
la prevención, diagnosis o tratamiento de las enfermedades físicas o mentales.
La medicina es entonces la ciencia de prevenir, cuidar y asistir en la curación de
enfermedades, como uno de los principales objetivos de la medicina es la prevención,
el machine learning se acopla con este propósito ya que a partir de modelos matemático
puede predecir y prevenir a partir de datos genéticos, cito-genéticos (estudia el material
hereditario principalmente por medio del ADN), clínicos, imágenes médicas (tales
como: mamografías, ecografía, radiografía, resonancia magnética, tomografía axial
computarizada, etc.), entre otros, enfermedades.
Salud
Según la definición que la OMS, hace del término desde el año 1946, es un estado de
completo bienestar físico, mental y social, por tanto, la salud es la condición positiva de
un individuo; mientras que se comprende como sector salud, la atención a las personas,
un conjunto de valores, normas, instituciones y actores que desarrollan actividades de
producción, distribución y consumo de bienes y servicios cuyos objetivos principales o
exclusivos son promover la salud de individuos o grupos de población, también se puede
ver al sector salud como un grupo de instituciones estatales, educativas, investigativas,
públicas o privadas como por ejemplos corporaciones, fundaciones y universidades con
y sin fines de lucro que aportan servicios, productos y atención que promueven la salud
(Ministerio de Salud Colombiano, 2020).
Prevención (Concepto)
La prevención de la enfermedad es una estrategia de la atención primaria, que se hace
efectiva en la atención integral de las personas, Por lo anterior se dice que la prevención
implica promover la salud, así como diagnosticar y tratar oportunamente a un enfermo,
(Escalante, P. 2004)
“Medidas destinadas no solamente a prevenir la aparición de la enfermedad, tales como
la reducción de factores de riesgo, sino también a detener su avance y atenuar sus
consecuencias una vez establecida” (OMS,1998).
Diagnóstico (Concepto)
Es el proceso de reconocimiento, análisis y evaluación de una cosa o situación para
determinar sus tendencias, solucionar un problema o remediar un mal, en la salud se
considera el diagnostico como el proceso mediante el cual son evaluadas, analizadas e
identificadas las diferentes variables que influyen en los procesos salud y enfermedad
de la población. (Escalante, P. 2004)
Esto se traduce en que a partir de datos o fuentes de información se analizan para evaluar
cierta condición, con el machine learning se genera un proceso ordenado, sistemáticos
para establecer de manera clara por medio de patrones las causas de algún padecimiento
Vol – 1 No. 2, Julio - Diciembre 2020
5
o enfermedad y con esto conocer el estado de salud de un individuo o población.
(Raffino M. 2020)
Factores de riesgo (Concepto)
Se denomina factor de riesgo a ciertas variables asociadas con la probabilidad del
desarrollo de una enfermedad, pero que no son suficientes para provocarlas, estos
factores se pueden relacionar a la edad, genero, herencia, etc., y existen otros factores
susceptibles al medio o al comportamiento del individuo o población, como tabaquismo,
obesidad, actividad física regular, etc. (Escalante, P. 2004). Los factores de riesgos son
un insumo que alimentan las bases con las que interactuar lo sistemas de aprendizaje y
en base a estos se puede crear modelos y patrones. (Escalante, P. 2004)
Conducta de riesgo (Concepto)
La OMS (1998) la define como la forma específica de conducta de la cual se conoce su
relación con una susceptibilidad incrementada para una enfermedad específica o para
un estado de salud deficiente, estas conductas de riesgo también son insumos para las
bases de datos, que pueden arrojar indicadores claves de que conductas aumentan más
el riesgo de enfermedad, como por ejemplo hábitos de alimentación de productos
inadecuados, que podrían generar obesidad o diabetes, estas conductas sin una
enfermedad asociada no darían un nivel de riesgo apropiado, por lo que es una relación
de dos aspectos, la enfermedad y la conducta, en este sentido es más fiable el uso de
herramientas de análisis como el ML, para generar todas esta relaciones y reducir
posibilidad de omisión si se usara un análisis tradicional con apoyo humano al sistema,
por lo que la aplicación del ML , cambia el enfoque del apoyo del sistema automatizado
al análisis humano.
Estadística
De acuerdo al autor Cabria S. en su libro “La filosofía de la estadística” (1994), la
estadística estudia el comportamiento de los fenómenos de los colectivos, o también
denominado poblaciones, la estadística se caracteriza por una información acerca de un
colectivo o universo, lo que crea un objeto, un modo propio de razonamiento, el método
estadístico busca unas previsiones de cara al futuro, se basa en un ambiente de
incertidumbre, es una rama de la matemáticas y utiliza el cálculo de las probabilidades,
la estadística estudia fenómenos aleatorios intentando deducir leyes sobre los mismos.
Esta es una de las bases funcionales del machine learning, ya que aplica partes de
modelos estadísticos para determinar relación entre los datos, como por destacar algunos
muy comunes: porcentajes, tasas, proporciones, y algunas otras medidas de tendencia
central como mediana moda promedio o desviaciones estándar.
Probabilidad
Se puede definir la probabilidad como un método por el cual se obtiene la frecuencia de
un acontecimiento determinado, la probabilidad se maneja con eventos aleatorios, la
6
probabilidad constituye un importante parámetro en la determinación de las diversas
casualidades obtenidas tras una serie de eventos esperados dentro de un rango
estadístico, el ML apropia los métodos de probabilidad y trabaja sobre ellos para indicar
que tan posible en escala de tiempo y número de veces en ocurrir puede presentarse
determinado evento, esto contribuye con el modelo predictivo que se busca para la
prevención de enfermedades, (Murphy, K. 2012).
Algoritmo
Se puede definir de forma simple, como un método conformado por una serie de pasos
finitos para resolver una tarea o problema, la definición y construcción de un algoritmo
es un proceso meticuloso que define cada paso sin generar ninguna ambigüedad en datos
de entradas, procesos (funciones, operaciones, métodos, etc.) o datos de salidas, en
informática un algoritmo se plantea por medio de un lenguaje de programación que se
ejecuta en una máquina, el autor mexicano Juan Bernardo Vázquez, en su libro “Análisis
y diseño de algoritmos” (2012) resalta una propiedad relevante de cualquier algoritmo
en el campo de la informática y es que: “En cada problema el algoritmo se puede
expresar en un lenguaje diferente de programación y ejecutarse en una computadora
distinta; sin embargo, el algoritmo será siempre el mismo.”
Es entonces que uno o un conjunto combinado de algoritmos define como va hacer el
funcionamiento de terminado programa, los algoritmos son lo más importante en la
programación de software y por tanto, al momento de desarrollar un sistema de machine
learning es fundamental, que los algoritmos estén bien definidos y que sean en cierto
modo capaces de aportar inteligencia al sistema, con esto último el ML posee una serie
de Métodos de aprendizajes que se traducen con algoritmos y aportan al gran propósito
del aprendizaje automatizado, más adelante en el desarrollo de este documento, se
enumeraran y se describirán los métodos de aprendizaje pilares del ML.
Base de datos
Las bases de datos (BD), son repositorios o almacenes de datos que guardan relación
entre sí, las bases de datos, son una forma organizada de almacenar datos para
posteriormente entablar relación entre ellos, la función principal de una base de datos es
mantener la integridad y seguridad de los datos, es decir que las bases de datos están en
función de los datos, los datos son segmentos de información como por ejemplo, edad,
dirección o nombre, y es hasta que los datos se unen que pueden brindar información, y
con una análisis más profundo de esta información se puede generar conocimiento (A.
Silberschatz, H. F. Korth & S. Sudarshan 2002).
Modelado de datos
En el manejo de grandes volúmenes de datos, como lo debe de hacer el machine
learning, y más cuando se aplica aun área de investigación tan extensa como lo es la
Vol – 1 No. 2, Julio - Diciembre 2020
7
salud y la medicina, el modelado de datos es crucial, ya que reduce el tiempo de
búsqueda de determinado dato en una base de datos, el modelado de datos es una forma
de describir el proceso de diseño de las BD (bases de datos).
Un modelo de datos es un conjunto de conceptos y prácticas utilizadas para organizar
los datos de interés y describir su estructura en forma comprensible para un sistema
informático, aporta significativamente en el rendimiento y agilidad de los procesos de
asociación y consulta que debe realizar el ML, el modelamiento de datos ayudara para
la tarea de agrupación y clasificación, en este sentido los algoritmos de ML, al extraer
datos de la base de datos, podrán de forma más simple, hacer agrupaciones de
poblacionales y clasificarlas de acuerdo a los factores y conductas de riesgo en una
categoría de probabilidad de ser diagnosticados con una enfermedad y con esos
resultados almacenarlos de acuerdo al modelo definido en la BD, y así ir aumentado su
banco de datos, (Ordoñez, M., Tapia, J. & Asanza, W. 2015).
Minería de Datos
Con el fin de desarrollar máquinas de aprendizaje automático, los datos son importantes
para el proceso de enseñanza, por lo que la minería de datos es fundamental para poder
determinar cómo explotar la información de grandes bases de datos; los algoritmos para
la minería de datos llevan a cabo tareas de tipo descriptivas es decir, con fin de hacer
reconcomiendo de los datos es decir descifrar la relación entre ellos y su significado
individual y en conjunto, como el descubrimiento de patrones, o tareas predictivas,
como la clasificación o el ajuste de modelos que permitan predecir el comportamiento,
los algoritmos para minería de datos se forman principalmente de: un modelo de datos,
reglas o criterios de selección, criterios de satisfacción que indica que es correcta la
selección, o funciones de optimización del modelo, todos estos componentes se suman
en un algoritmo de búsqueda, cuyo primer paso suele ser el de la iniciación de todos los
parámetros (campos de datos) del modelo a valores de estado inicial, normalmente
aleatorios, para luego ajustar iterativamente el modelo según el criterio de satisfacción.
(Benítez, I. & Diez, J. 2005)
En la siguiente tabla se podrán visualizar los objetivos de la minería de datos en el ML
Tabla 1 Tabla de objetivos de la Minería de Datos
Objetivos
Análisis de
secuencia
Clasificación
Agrupación
8
Tratamiento a las
secuencias de datos,
análisis y comparación
de valores característicos
en secuencias de datos,
como los valores medios,
medianas, desviación
típica, varianza, etc.
Clásica los
objetos, entre un rango
de categorías,
algoritmos que generar
reglas de clasificación
de datos
Agrupan los
objetos según
similitud de
características,
formando
conjuntos o clases,
los algoritmos de
clasificación no
agrupan los datos,
sino que los
clasifican uno a uno
Asociación
Dependencia de
modelo
Predicción
El objetivo es el de
descubrir relaciones
ocultas entre los objetos,
o incluso entre los
propios atributos de los
objetos, de los cuales se
puede extraer una base de
reglas, con estructura
condicional
Describen
relaciones de
dependencia entre
variable y el grado de
relación entre dichas
variables
Entrenamient
o de los modelos,
con el fin de validar
hipótesis de
comportamientos
futuros
Regresión
Summarización
Visualizació
n de modelo
Vol – 1 No. 2, Julio - Diciembre 2020
9
A partir de
muestras de datos, se
espera estimar un modelo
que pueda establecer
relaciones de
dependencia de ciertas
variables respecto de
otras, con el fin de poder
predecir valores a partir
de nuevos datos
El objetivo es
generar descripciones
globales de conjuntos
de datos. en algunos
casos estas
descripciones son
cualitativas. Se suelen
usar para la extracción
de información de
textos
Adecuar y
reinterpretar los
datos para que sean
visual-mente
entendibles y se
puedan extraer
conclusiones de un
vistazo.
Comprende todo
tipo de gráficos,
como histogramas,
gráficos en
coordenadas
Análisis exploratorio de datos
Dado un conjunto de datos del cual se desconocen sus posibles
interdependencias y relaciones de similitud, estas técnicas tratan de
identificar patrones de forma visual y sin ninguna estructura de búsqueda
o semejanza preconcebida o sin conocimiento previo de los datos.
Fuente: Adaptado de Benítez, I. & Diez, J. (2005). Técnicas de agrupamiento o
reconocimiento de patrones
Inteligencia artificial
El aprendizaje de maquina o machine learning, se considera como una rama de la
inteligencia artificial (IA), La inteligencia artificial se basa a los medios de simular las
capacidades de inteligencia del cerebro humano, y a las conductas del ser humano.
(Badaró, Ibañez, Agüero, 2013). Grandes Corporaciones a nivel mundial y con un fuerte
posicionamiento en el sector TIC, han aportado grandes desarrollos en el campo de
sistemas de IA con fuertes componentes como análisis de datos como, IBM, Microsoft,
Amazon, Facebook, Google y entre otras grandes empresas. (Marr. B. 2016)
10
¿Qué es el Machine Learning?
El aprendizaje automático o
Machine Learning es un método
científico que nos permite usar
los ordenadores y otros
dispositivos con capacidad
computacional para que
aprendan a extraer los patrones
y relaciones que hay en nuestros
datos por sí solos. Esos patrones
se pueden usar luego para
predecir comportamientos yen
la toma de decisiones.
De acuerdo a Hurwitz y a Kirsch (2018) se describe al aprendizaje automatizado (en
inglés al Machine Learning - ML) como una forma o derivación de la inteligencia
artificial, que permite que un sistema aprenda a partir de datos en lugar de una
programación directa y descriptiva, que detalla a exactitud lo que se desea, para esto, el
aprendizaje automático utiliza una gran cantidad de algoritmos que se ejecutan de forma
reiterativa.
Otra definición dada por Murphy (2012) en su libro “Machine Learning: A Probabilistic
Perspective” indica que el ML es un conjunto de métodos capaces de detectar
automáticamente patrones en los datos y usarlos para predecir sobre datos futuros o para
ayudar en la toma de decisiones en un entorno de incertidumbre, en su libro Murphy
resalta ciertos componentes del aprendizaje automático definidos por primera vez por el
profesor Tom Mitchell (1997):
▪ Fuentes de información: indican la experiencia, que en el modelo
básico del ML se denomina con la letra “E”, estas fuentes se alimentan de:
● Datos estructurados: Datos configurados de tal forma que extraer
información de ellos es simple, se presentan de forma ordenada y es fácil
Vol – 1 No. 2, Julio - Diciembre 2020
11
su análisis, algunos ejemplos son: bases de datos relacionales y sistemas
de ficheros como los encontrados en archivos de extensión xml o json
● Datos no estructurados: son datos que no siguen un modelo de
organización claro, no son fáciles de relacionar entre si e implican mayor
complejidad de asociación y clasificación, ejemplo: voz, imágenes,
videos, textos, etc.
▪ Técnicas y algoritmos: indican las acciones o tareas a realizar, para el
tratamiento de la experiencia, se denomina con la letra “T”, se resaltan algunas
técnicas de ejemplo:
● Técnicas para el tratamiento de la información no estructurada:
según Magnus Stensmo y Mikael Thorson (2003), se cita textualmente
"La Gestión de la Información no Estructurada consiste en las
herramientas y métodos necesarios para almacenar, acceder, recuperar,
navegar y generar conocimiento primordialmente de la información
basada en texto",
● Métodos basados en la cantidad de supervisión humana en el
proceso de aprendizaje como por ejemplo los modelos supervisados y no
supervisados, se podrían describir como algoritmos de asociación entre
las muestras de datos de entrada y sus salidas correspondientes, sea de
forma automática o tradicional.
● Métodos basados en la capacidad de aprender a partir de muestras
de datos incrementales.
▪ Capacidad de autoaprendizaje: es la medida de rendimiento o
desempeño, se expresa con la letra “P”, que se podría medir a determinados
indicadores, como el entretenimiento automático y cíclico del sistema o maquina
a parir de nueva información, y como en sí mismo el modelo se reajusta o calibra
para disminuir la probabilidad de error en los resultados.
Un componente adicional aplicado a las tecnologías de la información, es el uso de
sistemas y software, que por medio de algún lenguaje de programación se crean los
algoritmos y así se pueden visualizar los resultados, por ejemplo, el uso de lenguajes
como: R, Python, scala, SQL, Matlab, etc., y de plataformas de visualización como
Power BI, Tableau, SAS visual Analytics, etc.
Tendencias en Aprendizaje Automático (ML)
Con el uso de diferentes fuentes de información junto con la variedad existentes de
técnicas y algoritmos capaces de aprender a partir de los datos, se pueden obtener varios
beneficios como (Utrera, R. 2017):
▪ Generación de nuevos datos que permiten aumentar el tamaño de la base
original de información
12
▪ Métodos más eficientes de procesamiento de información que ayudan a
la toma de decisiones.
▪ Detección de patrones
▪ Proceso automatizado de modelamiento de información y aprendizaje
del sistema o máquina, que permiten un mayor nivel de predicción, con esto se
aumenta la ventaja frente a los sistemas tradicionales de información que
requieren de una intervención humana constante y especializada en el campo de
estudio para generar resultados.
Antecedentes
En la revisión histórica de la evolución de la TIC y más propiamente de la Inteligencia
Artificial y del Machine Learning, se puede ver como pequeños y grandes avances han
contribuido a los sistemas inteligentes que hoy en día se ponen a pruebas en área como
la salud, para no remontarnos tan atrás, un antecedente importante fue generado por el
matemático inglés Alan Turing (1912-1954) quien propuso una prueba con el objetivo
de demostrar la existencia de “inteligencia” en un dispositivos no biológico, la prueba
es conocida como el “test de Turing”.
El Test de Turing se basa en la hipótesis de que “si una máquina se comporta en todos
aspectos como inteligente, entonces debe ser inteligente” (Alan Turing, 1950), esta
prueba llamo el interés de la comunidad científica hacia el concepto de máquinas
inteligentes. Dos de las contribuciones más importantes de Alan Turing son el diseño
de la primera computadora capaz de jugar al ajedrez y el establecimiento de la naturaleza
simbólica de la computación.
El test de Turing: en el Libro Inteligencia Artificial (2014) indica que el test intenta
ofrecer una situación de Inteligencia Artificial que se pueda evaluar. Para que un ser o
máquina se considere inteligente debe lograr engañar a un evaluador de que este ser o
máquina se trata de un humano, evaluando todas las actividades de tipo cognoscitivo
que puede realizar el ser humano, es decir que una persona debe establecer si sostuvo
una charla con una máquina o con otra persona.
ELIZA: En el año 1965 Joseph Weizenbaum construyo el primer programa interactivo
el cual consistía en que un usuario podía sostener una conversación en ingles con una
computadora utilizando una comunicación por escrito.
ChatBots: Son una representación más sutil de la IA combinado en un menor grado con
el ML, son asistentes virtuales, que pretenden entablar una conversación humana a
través de una plataforma de mensajes instantáneos (ejemplo Whatsapp), un bot en es un
software que automatiza una tarea sencilla, de recibir un mensaje y devolver una
respuesta, aplican algoritmos de ML para aprender las diferentes posibilidades de
mensajes de entrada y mensajes de salida que deben devolver en la conversación
(Murphy, K. 2012). El primer chatbot se estima que fue desarrollado en la década de los
Vol – 1 No. 2, Julio - Diciembre 2020
13
60 por el alemán Joseph Wiezenbaum en el laboratorio de inteligencia artificial del
Instituto Tecnológico de Massachusetts (MIT).
Escuelas de la IA: se formaron dos grandes “escuelas” de IA, el primero liderado por
Newell y Simon de la Universidad de Carnegie-Mellon, proponiéndose desarrollar
modelos de comportamiento humano con aparatos cuya estructura se pareciese lo más
posible a la del cerebro (Newell, A. & Simon H. A. 1961); el segundo formado por
McCarthy y Minsky en el Instituto Tecnológico de Massachusett (MIT), centrándose
más en que los productos del procesamiento tengan el carácter de inteligente, sin
preocuparse por que el funcionamiento o la estructura de los componentes sean
parecidas a los del ser humano (McCarthy J. 1960).
Métodos de Machine Learning
Se pueden establecer 3 grandes métodos, que enmarcan los algoritmos que se pueden
emplear, es decir que un proyecto de ML, puede utilizar uno o varios métodos y así uno
o varios algoritmos de aprendizaje, para poder analizar los datos consumidos de las
Bases, en la Figura 5 se listan los métodos conocidos.
Método de Clasificación: La clasificación es una subcategoría de aprendizaje
supervisado donde el objetivo es predecir las etiquetas de clases categóricas de las
nuevas observaciones, basada en observaciones pasadas.
Método de Regresión: En el Análisis de Regresión, dada una serie de variables
predictorias (explicativas) y una variable de respuesta continua, se requiere encontrar
una relación entre esas variables que nos permita predecir un resultado. Con este
conocimiento, se puede predecir respuestas para observaciones nuevas no conocidas,
proceso que es similar a la clasificación, pero con salidas numéricas continuas.
Método de Agrupación o Clustering: en la investigación de Benítez, Ignacio & Diez,
Jose Luis. (2005) sobre técnicas de agrupamiento de datos, se indica que son métodos
de aprendizaje automático que intentan encontrar patrones de similitud y relaciones
entre muestras de un conjunto de datos, y luego agrupan estas muestras en varios grupos,
de modo que cada cluster o grupo de muestras de observaciones tiene cierta similitud,
según los atributos o características inherentes. Este método posee algunos submétodos,
que permiten elegir que algoritmo es mejor para el análisis de la población objeto, esto
de acuerdo al tipo de datos que se posean.
- Métodos basados en centroides: se emplea el K-means (es un método que tiene
como objeto la partición de un conjunto de n observaciones en K grupos, en el que
cada observación pertenece al grupo cuyo valor medio es más cercano)
- Métodos de agrupamiento jerárquico: Aglomeración y División (algoritmos de
Ward, propagación de afinidad).
- Métodos de agrupación basados en distribuciones: Modelos de mezclas
gaussianas.
14
- Métodos basados en densidades: se basa en la detección de en qué áreas existen
concentraciones de puntos y dónde están separados por áreas vacías o con escasos
puntos. Los puntos que no forman parte de un clúster se etiquetan como ruido
Método de Aprendizaje Reforzado: se utiliza cuando no hay muchos datos
disponibles, pero existe un entorno con el cual el sistema puede interactuar, aquí el
concepto de Agente toma mayor relevancia, en el libro “Inteligencia Artificial” (2014)
los autores definen que una agente es una entidad física o virtual, es capaz de percibir el
entorno y tener una representación parcial del mismo; es capaz de actuar sobre el
entorno; puede comunicarse con los otros agentes (pueden ser humanos o no) Según
Norvig & Russel (Russel & Norvig 2009) “un agente inteligente es aquél que puede
percibir su ambiente mediante sensores y actuar sobre ese mundo mediante efectores (o
actuadores)”.
Aprendizaje por Lotes: también llamado aprendizaje offline, el modelo se entrena con
todos los datos disponibles, lo que se hace antes de realizar ningún tipo de predicción.
Si los datos de entrenamiento cambian -por ejemplo, si se reciben nuevos datos-, el
modelo deberá ser reentrenado desde cero.
Aprendizaje en línea: El modelo se entrena incrementalmente con cada una de las
nuevas muestras que se reciban, o en grupos pequeños de muestras llamados mini-
batches. Estos sistemas son más adecuados en entornos en los que los datos a partir de
los que se entrena el algoritmo cambian con cierta rapidez. También son especialmente
útiles en escenarios en los que no es posible cargar todos los datos en la memoria del
ordenador.
Aprendizaje basado en instancias: En este tipo de aprendizaje, se almacenan los
ejemplos
de entrenamiento y cuando se quiere clasificar un nuevo objeto, se extraen los objetos
más parecidos y se usa su clasificación para clasificar al nuevo objeto.
Aprendizaje basado en Modelos: En el aprendizaje basado en modelo el objetivo es la
creación de un modelo a partir de los datos de entrenamiento, modelo que servirá para
realizar predicciones posteriormente. En este enfoque, una vez creado el modelo, los
datos de entrenamiento son descartados. Un ejemplo de esto es una regresión lineal: a
partir de los datos de entrenamiento se crea el modelo (por ejemplo, una recta de
regresión con la fórmula matemática básica: ax + b), y será esta recta (y no los datos de
entrenamiento) la que se utilizará para predecir las etiquetas de las nuevas muestras.
Arboles de decisión
Los arboles de decisión son clasificadores, que utilizan una estructura de árbol para
modelar la relación entre las características del modelo y los posibles resultados, a partir
de los árboles de decisión, generados por expertos, se puede crear un algoritmo potente
de ML. Los expertos identifican algunas ventajas y desventajas de los árboles de
Vol – 1 No. 2, Julio - Diciembre 2020
15
decisión, como ventajas se tienen que son sencillo de armar y de entender, no requieren
de una base de datos extensa, puede manejar datos numéricos y categóricos, mientras
que algunas desventajas son: se puede llegar a crear árboles que no generalicen ni
clasifiquen bien los datos, variaciones en los datos de entrada pueden generar grandes
cambios en los resultados esperados, se requieren métodos heurístico para formarlos, es
decir del apoyo de un experto en el tema a tratar, como por ejemplo de un médico
cardiólogo que ayude en la formación del árbol de decisión para saber de acuerdo a
varios criterios que tratamientos se deben seguir para patologías cardiacas.
Desarrollo de la investigación – Machine learning en la salud
Caso Práctico
Con bases clara de cómo funciona el ML, y en que consiste, se pueden plantear un
escenario ficticio del uso del ML en el sector salud, para esto se utilizara el ejemplo
dado por el consultor en informática medica Juan Ignacio Barrios Arce en su artículo
“Inteligencia Artificial y salud… un caso práctico” (2019), miembro editor de la
plataforma Health Big Data.
Escenario plantado: Un grupo de 80 pacientes con características demográficas
variadas (Sexo, Edad, Presencia de Hipertensión Arterial, Diabetes, Alcoholismo,
tabaquismo y Obesidad) los pacientes habían sido clasificados de previo por haber
sufrido o no isquemias del miocardio o bien Infartos.
Definir Variables categóricas, como se ven en la Tabla 2.
Tabla 2 Definición de variables categórica – caso practico
Categorías
Variables
Cardiopatía
1 sano o leve; 2 grave o moderado
Sexo
1 = mujer; 2 = hombre
Fuma
1= SI; 2 = no; 3 = ex fumador; 0 = no se sabe
Hipertensión
arterial
0= no consta; 1 = sí; 2= no
Diabetes
0= no consta; 1 = sí; 2= no
Obesidad
0= no consta; 1 = sí; 2= no
Edad
Edad en numero
16
Grupo de edad
1= Joven; 2 = edad fértil; 3 = adulto; 4= persona mayor
Fuente: Adaptado de https://www.juanbarrios.com/inteligencia-artificial-y-salud-un-
caso-practico-borrador/ (Barrios, J. 2019)
Con el set de datos cargados en el sistema, se deben de escoger los algoritmos de ML,
para analizar la información, para este caso será el Algoritmo de árbol de decisión, que
hace parte del modelo de aprendizaje supervisado.
Con este algoritmo se deben de ajustar 4 parámetros S:
min_samples _split: Es el número de muestras antes de dividirse el árbol en una nueva
rama.
min_samples _leaf: Es el número de muestras minino que debe tener cada hoja al final
= 5 para este caso tratándose de que son muy pocos casos.
max_depth: Es el número de niveles que tendrá el árbol = 2 para este caso, tratándose
de que son muy pocos casos.
class_weight: Se refiere al desbalance que hubiese que corregir por desbalance entre las
clases en nuestro caso 1:1.633, (esto significa el porcentaje de desviación de resultados
por un numero de datos muy bajo).
Cuando todo lo anterior se aplica en una máquina, utilizando un lenguaje de
programación, se deberán de invocar recursos de programación (como librerías y
funciones) para que el algoritmo de aprendizaje quede bien definido y sea funcional, en
este caso el resultado de la aplicación del Machine Learning, es el siguiente diagrama
de decisión, que muestra gráficamente cómo será el procedimiento de decisión que haría
la máquina. Ver Figura 7.
Explicación de resultado: Como se aprecia en el diagrama que simboliza el
procesamiento de la máquina, a partir de los datos de una determinada población, se
determinan ciertos datos relevantes y que serían factores de riesgo y conductas de riesgo
para determinar por agrupación, la posibilidad de que los individuos posean un infarto
agudo, de esta forma se simula la detección temprana de afecciones cardiacas.
Métodos de validación de sistemas con ML
Como todo proyecto de investigación que se desarrolla y se prueba en un ambiente de
laboratorio, los sistemas de ML, deben ser validados, para certificar su funcionamiento,
para lo cual existen diferentes técnicas, usadas también por lo general en pruebas de
software de cualquier tipo, descritas como:
- Pruebas de Estimación: Estimar qué va a ocurrir respecto a algo o qué está
ocurriendo, o qué ocurrió en el pasado, a pesar de ser un elemento muy claramente
Vol – 1 No. 2, Julio - Diciembre 2020
17
estadístico, es un proceso complejo, en el análisis de datos, las pruebas se soportan
con la estadística, es por esto, que estas pruebas validan los resultados del sistema
de ML, estimar es establecer conclusiones sobre características poblacionales a
partir de resultados muéstrales, y que dichos resultados sean semejantes o iguales a
los que el sistema genero por medio de los algoritmos de aprendizaje. (Gardner, M.,
& Altman, D. 1993)
- Pruebas de Hipótesis: De acuerdo al libro “Metodología de la investigación,
bioestadística y bioinformática en ciencias médicas y de la salud, 2e” sus autores
indican que la hipótesis de investigación que se genera en todo proyecto, se define
como la postulación de lo que se busca o se trata de probar, la decisión relaciona la
elección entre dos enunciados o afirmaciones competitivas y mutuamente
excluyentes, respecto de uno o más parámetros de la población.
Para pasar una prueba de hipótesis, el resultado generado por el sistema ML debe ser lo
suficientemente cercano al valor hipotético, como para aceptar la hipótesis planteada,
de lo contrario se rechazará.
Se resaltan los atributos principales que debe poseer una hipótesis:
1. Debe situarse en una situación real.
2. Las variables que se presentan en la hipótesis deben ser precisas,
comprensibles y concretas.
3. Las relaciones entre las variables deben ser claras, admisibles y
lógicas.
4. Los términos y las relaciones planteadas deben ser observables y
medibles.
- Pruebas Paramétricas: (Murphy 2012) son una herramienta de la probabilidad,
que se usa para analizar todos los factores de una población, mientras más grande
sea la muestra más exacta será la estimación, mientras más pequeña, más
distorsionada será la media de las muestras, sus ventajas es que da estimaciones
probabilísticas bastante exactas, más eficientes y menos posibilidad de error, pero
su desventaja en que son pruebas más complejas y solo se pueden aplicar a ciertos
grupos de datos, la idea de esta prueba es validar que las asociaciones,
clasificaciones o agrupaciones y que hace el sistema de ML respecto a una
población de acuerdo a sus características (como factores de riesgos o conductas de
riesgo) sean las más acertadas de acuerdo a los resultados paralelos de esta prueba.
- Pruebas no Paramétricas: (Murphy 2012) Las pruebas no paramétricas
permiten analizar datos en escala nominal (se refiere a que las variables se
diferencian por sus nombres) u ordinal (se refiere al orden de las variables en este
18
sentido las primeras a analizar son más críticas que las ultimas, o en sentido
contrario), se usa en apoyo a las pruebas de hipótesis, su ventaja es que se pueden
aplicar aun cuando no se den todas las condiciones para validar con exactitud una
variable o parámetro poblacional, y al igual que las paramétricas buscan medir la
eficiencia del sistema ML para genera asociaciones.
Estadísticas de apropiación del Machine Learning
El machine Learning desde su inicio a tenido gran acogida en varios sectores no solo de
investigación, sino también en mercados laborales, por aplicación en diferentes áreas de
aplicación, como medicina, finanzas, seguridad informática, marketing, entre otras, en
la Figura 8, se evidencia Según el Artificial Intelligence Index Report 2019, informe
anual del Human-Centered Artificial Intelligence Institute de la Universidad de
Stanford, un interés importante en la contratación de profesionales con conocimiento y
manejo del Machine Learning en Estados Unidos, donde la contratación aumento del
0,07% en el 2010 a más de un 0,51% en el 2019
Figura 1 Crecimiento de las ofertas de empleo relacionadas con inteligencia artificial
en Estados Unidos desde 2010
Fuente: adaptado de Artificial Intelligence Index Report 2019
Vol – 1 No. 2, Julio - Diciembre 2020
19
Adicional en reporte del 2019 de la ACCA (the Association of Chartered Certified
Accountants), que estudia el impacto y conocimiento del Machine learning en varios
países, en el reporte se indica los resultados de una encuesta generada en el 2019 del
estado de la adopción del ML, los encuestados expresaron diferentes niveles de
comodidad (Figura 9) al hacer decisiones basadas en ML en áreas como: clasificación
de transacciones (53%), Medición contable (47%), pruebas de auditoría (43%) y
detección de fraude (41%). Sin embargo, hubo menos comodidad en ciertas aplicaciones
donde su uso es más amplio, como con datos médicos o de finanzas personales.
Y siguiendo la tendencia anterior, el reporte más reciente de la universidad de Stanford
en su “Artificial Intelligence Index Report 2021” indica que existen cada vez más
profesionales que estudian y se especializan en ML y en IA, entre todos los graduados
de doctorado en ciencias de la computación en 2019, aquellos que se especializaron en
inteligencia artificial / aprendizaje automático (22,8%), teoría y algoritmos (8,0%) y
robótica / la visión (7,3%) encabeza la lista. La especialidad AI / ML ha sido el más
popular en la última década.
Proyectos nivel internacional y nacional
En el sector salud, el machine learning se aplica en proyectos tales:
- Transformación digital del sistema de salud colombiano, de acuerdo a
Christian Peter Clausen, asesor de Transformación Digital del Ministro de Salud y
Protección Social de Colombia (2020), el ministerio de salud busca adaptar el
sistema de salud a un mejor esquema de gestión apoyado en varias tendencias
tecnológicas actuales, el proyecto denominado Agenta TD-Salud, busca tecnologías
en salud orientadas al ciudadano, con el objetivo de integrar las siguientes
tecnologías por etapas: Interoperabilidad de la Historia Clínica, Facturación
Electrónica, Telesalud, análisis de Big Data, Ventanilla Única Electrónica, “AI
Hospital” – inteligencia artificial hospitalaria, Autorizaciones Electrónicas, y
desarrollo de capacidades de modelos de análisis soportados en Machine Learning,
con esto busca atreves de los datos prestar un mejor servicios a los colombianos,
crear procesos más eficientes, óptimos y confiables.
Adicional el impacto de esta transformación ayudara a la prevención de la Salud de
personas mayores, de acuerdo a González M. (2019) la importancia de la transformación
digital en el desarrollo de un diagnóstico médico de forma predictiva permitiría un
tratamiento y seguimiento a tiempo, los servicios que brindan actualmente los sistemas
de salud, deben ser un proceso de innovación constante, los estudios de genética serán
necesarios para evaluar los pacientes mayores, y debe ser posible que con anticipación
se establezca un diagnóstico temprano en la prevención de enfermedades crónicas y
cáncer.
20
- Plataforma de análisis y predicción de datos del Covid-19 en Colombia:
(Universidad Católica de Colombia, 2020) el proyecto desarrollo por un grupo de
investigación colombiano, han desarrollado el servicio tecnológico para el análisis
y visualización de datos de salud pública y registros hospitalarios en la pandemia
COVID-19 apoyados en el Machine Learning y en la Inteligencia Artificial, “El
cual permite la construcción en tiempo real de modelos predictivos para la detección
temprana de casos sintomáticos y asintomáticos, monitoreo e identificación de
medidas de mitigación del contagio y formulación de posibles medidas adicionales
susceptibles de optimizarse a partir de la analítica predictiva”, el proyecto hizo uso
de los portales de datos públicos de la ciudad de Bogotá como son SALUDATA
(plataforma web de información abierta, acerca de la situación en salud de Bogotá).
- La empresa internacional SAAS, es un ejemplo de utilización del ML no solo
como investigación sino como herramienta para un modelo de negocio rentable, la
empresa de origen estadounidense fundada en 1966, líder en analítica con presencia
en 149 países, cuyo servicio es apoyar a las empresas de diferentes sectores, entre
ellos el sector salud, a analizar por medio de los datos soportados en tecnologías de
minería de datos, business intelligence, y con el machine learning, fortalecer los
procesos de las empresas para obtener mejores resultados, en la industria de la
medicina aporta soluciones para: Salud de las poblaciones (Integra datos de salud y
no relacionados con la salud para guiar la atención integral de las personas, así como
los programas comunitarios que reducen las disparidades en la salud. Mejora en base
a los datos la calidad de la atención y los resultados de salud integrando análisis
dentro de su vista de 360 grados de pacientes, miembros y clientes) posee 3 ejes de
análisis: datos clínicos de los pacientes, seguridad de los pacientes (aplicación de
predicción de medicamentos, riesgos de infección y predicción y prevenciones de
enfermedades evitables) y cuidado general de las personas (pronóstico de demanda
de servicios de atención en poblaciones de alto riesgo).
- En el Hospital Infantil de Cincinnati (Ohio, EEUU), trabajaron en un proyecto
de investigación del ML aplicado al fenómeno del suicidio, donde por medio de
algoritmos de clasificación y regresión que aplicaron a los datos obtenidos por
medio de encuestas para clasificar a los tres grupos que existían: personas que habían
cometido (o con riesgo de) suicidio, personas con trastornos mentales sin riesgo de
suicidio y un grupo control (formado por personas sin riesgo de suicidio ni
enfermedades mentales) de identificar hasta con un 93% de precisión si una persona
posee riesgo de suicidio o no (Jiménez J. 2016).
- Medicina Intensiva y atención médica, en el artículo de revisión “Big Data
Analysis y Machine Learning en Unidades de Cuidados Intensivos” (Núñez A.,
Vol – 1 No. 2, Julio - Diciembre 2020
21
Armengol M.A. & Sánchez M. 20219) se resalta el uso del ML y el análisis de datos
como herramienta para la mejora de investigación clínica y dirigir de manera más
precisa las terapias proporcionadas a los diferentes pacientes, al usar esta tecnología
se pueden generar nuevas estrategias de atención en base a los datos clínicos de los
pacientes y como el análisis retrospectivo puede apoyar los ensayos clínicos en
poblaciones de pacientes que comparten santos y enfermedades similares para hallar
las causas de las enfermedades.
- Diagnóstico de enfermedades cancerígenas: como se puede resaltar en la
investigación denominada “Clasificación asistida por computadora de nódulos
pulmonares en imágenes de tomografía computarizada mediante una técnica de
Deep learning” (Hua K., Hsu C., Hidayati S., Cheng W., Chen Y., 2015), técnicas
de aprendizaje automatizado pueden ser empleadas para el pronóstico de
enfermedades tales como el cáncer, por medio de racionamiento de patrones en
tomografías, en el estudio realizado en el 2015, se diseñó un esquema de diagnóstico
asistido por computadora convencional (CAD - conventional computer-aided
diagnosis), que requirió de varios pasos de procesamiento de imágenes y
reconocimiento de patrones para lograr un resultado de diferenciación tumoral
cuantitativa, Los resultados experimentales sugieren que los métodos de aprendizaje
profundo podrían lograr mejores resultados discriminativos y ser prometedores en
el dominio de la aplicación CAD. Para el estudio se usaron gran cantidad de
tomografías computarizadas, para hacer el diagnostico de nódulo pulmonar (que
pueden ser formaciones anómalas que podrían ser cancerígenas) los cuales pueden
ocurrir en cualquier parte del pulmón, lo que hace que el diagnóstico clínico sea una
tarea complicada, La clasificación de los nódulos pulmonares con técnicas de
aprendizaje se probó en el conjunto de datos del Lung Image Database Consortium,
que incluye 1010 pacientes recopilados de Weill Cornell Medical College,
University of California en Los Ángeles, University of Chicago, University of
Chicago, University of Iowa y University de Michigan.
Los anteriores son solo algunos ejemplos de la aplicación del machine learning en el
sector salud, ya que realmente existen cientos de estudios publicados en las diferentes
bases y revisaste de medicina, como por ejemplo los cerca de 62,629 resultados en la
búsqueda de la base de consulta PubMed, desde comportamientos predictivos de virus
como el COVID-19, en anestesiología, probabilidad de obesidad, diagnostico de
patologías, oftalmología, psicología, descubrimiento de fármacos, propagación de
enfermedades, etc..
22
Metodología de investigación de los proyectos de ML
En revisión de múltiples proyectos de investigación de Machine, se pueden detectar
ciertos principios fundamentales en los proyectos de ML que deben de cumplirse, de
acuerdo a (González M. 2019) es su tesis “El impacto de la transformación digital en la
prevención de la salud
de personas mayores en Colombia”, indica que los efectos de las aplicaciones
tecnológicas en Medicina deben ser:
▪ Eficaces: Efecto procedente en la variable a evaluar cuando la
intervención se aplica en condiciones ideales.
▪ Efectivos: El resultado obtenido es favorable por la aplicabilidad del
proyecto, como casos diagnosticados, vidas salvadas, años de vida ganados,
calidad de vida del paciente, entre otros.
▪ Utilidad: es la aplicabilidad del proyecto en la realidad, como al aplicar
la tecnología la calidad de vida del paciente mejora
▪ Beneficio: se relaciona al beneficio económico que el desarrollo genera,
sea en nuevos ingresos o reducción de costos y gastos.
▪ Excelencia: Es la obtención de los mejores resultados con el mínimo de
gastos posibles para satisfacción, tanto del paciente como del personal de salud,
al realizar correctamente la tarea que corresponde y ahorrar recursos (tiempo,
dinero, esfuerzos, etc.) que puedan emplearse en producir nuevos servicios.
Una metodología de investigación y desarrollo es la usada por la Fundación Pfizer, a
través del proyecto “Mendelian”, identifica todas las enfermedades genéticas inusuales
(centrarse en el problema o necesidad), selecciona las bases de datos en donde obtendrán
los datos para alimentar el sistema (recopilación de datos), realiza un mapeo (modelado
de datos) y a través de algoritmos (selección, diseño y programación de algoritmos de
ML), búsqueda de patrones (enseñanza del sistema, procesos reiterativos de análisis)
para buscar variantes para identificar el diagnostico de forma acelerada en
aproximadamente 7 años (resultados, evidenciar aquellos criterios o condiciones para
generar diagnósticos predictivos), esta es una tarea compleja, que los equipos de
investigación deben realizar paso a paso y de manera íntegra entre diferentes
profesionales, realizar múltiples pruebas para que el sistema aprenda y se disminuyan
las probabilidades de error.
Como lo destaca (Bhatt M. 2016) los proyectos de investigación de ML, traen consigo
varios retos y desafíos que hay que contemplar en todas las fases de planeación y
desarrollo, que son:
Vol – 1 No. 2, Julio - Diciembre 2020
23
1. Heterogeneidad de los datos: muchos algoritmos, requieren que los datos
sean de tipo numérico y a su vez estén normalizados y homogéneos (por lo que
al momento de trabajar con una fuente o una base de datos lo primero será hacer
una limpieza y tratamiento de dichos datos). Los algoritmos que emplean
métricas de distancia son muy sensibles a esto, los algoritmos de árboles de
decisión pueden manejar datos heterogéneos con mucha facilidad.
2. Redundancia de datos: si los datos contienen información redundante, es
decir, contienen valores altamente correlacionados, entonces es inútil utilizar
métodos basados en la distancia debido a la inestabilidad numérica. En este caso,
se puede emplear algún tipo de norma o regla de los datos para prevenir esta
situación.
3. Características dependientes: si existe alguna dependencia entre los
vectores de características (relaciones entre los campos de la BD), los algoritmos
que monitorean interacciones complejas como las redes neuronales y los árboles
de decisión funcionan mejor que otros algoritmos, por lo que se deberá hacer
una selección cuidadosa de que método de enseñanza o algoritmo de
aprendizaje, para hacer un sistema optimo y que no consuma recursos excesivos
de la máquina.
4. Compensación de sesgo-varianza: un algoritmo de aprendizaje está
sesgado para una entrada particular, si cuando se entrena el sistema en cada uno
de estos conjuntos de datos de entrada, es sistemáticamente y continuamente
errada la información, al predecir la salida se tendrán datos incorrectos, una
característica clave de los algoritmos de aprendizaje automático es que pueden
ajustar el equilibrio entre el sesgo y la varianza automáticamente, o mediante un
ajuste manual utilizando parámetros de sesgo, y el uso de dichos algoritmos
resolverá esta situación, entonces en la fase de entrenamiento del sistema se debe
prestar minuciosa atención a los datos de entrada con única o múltiples salidas
para que los errores se minimicen o se corrijan.
5. Maldición de la dimensionaldad: si el problema tiene un espacio de
entrada que tiene una gran cantidad de dimensiones es decir capas de aplicación
para un solo set de datos pequeño, el algoritmo de aprendizaje automático puede
confundirse por la gran cantidad de dimensiones y, por lo tanto, la varianza del
algoritmo puede ser alta. En la práctica, si el científico de datos puede eliminar
manualmente características irrelevantes de los datos de entrada, es probable que
esto mejore la precisión de la función aprendida. Además, existen muchos
algoritmos para la selección de características que buscan identificar las
características relevantes y descartar las irrelevantes (es decir que el sistema este
programado para que determine que datos tener en cuanta y cuáles no, o también
24
asociar a los campos o características una escala de relevancia, para que al
sistema le quede más fácil decidir), por ejemplo, el análisis de componentes
principales para el aprendizaje no supervisado. Esto reduce la dimensionaldad.
6. Sobreajuste: anuqué el proceso de entrenamiento es fundamental en el
ML, un sobre exposición, causar que el sistema responda perfectamente a los
escenarios de entrenamiento, pero para casos no detallas, el sistema tendrá alta
probabilidad de error, Una forma práctica de prevenir esto es detener
prematuramente el proceso de aprendizaje, así como aplicar filtros a los datos en
la fase de pre-aprendizaje para eliminar ruidos.
Como se indica en el libro “The Elements of Statistical Learning: Data Mining,
Inference, and Prediction” (2001), solo después de considerar todos estos factores se
puede elegir un algoritmo de aprendizaje supervisado que funcione para el conjunto de
datos en el que se está trabajando. Por ejemplo, si se estuviera trabajando con un
conjunto de datos que consta de datos heterogéneos, entonces los árboles de decisión
funcionarían mejor que otros algoritmos. Si el espacio de entrada del conjunto de datos
en el que se está trabajando tiene N dimensiones, entonces es mejor realizar primero un
tratamiento de datos y un modelamiento en los datos antes de usar un algoritmo de
aprendizaje supervisado en ellos.
recolección de información
La metodología que se aplicó para la investigación sobre la influencia de las TIC en el
sector salud y como se puede emplear el machine learning para el diagnóstico y
prevención de enfermedades, se denomina Metodología Revisión sistemática de la
literatura (SLR), es un método que ayuda al estudio de determinada materia para que
sea un estudio selectivo y crítico, sustentado por múltiples autores, este estudio aunque
no propone una investigación original, si recopila la información más relevante de los
temas a tratar, aquí se resume y analiza la información disponible sobre un tema
específico basado en una búsqueda cuidadosa de la literatura, para llegar a conclusiones
acerca de la evidencia científica para la prevención, diagnóstico o tratamiento de una
enfermedad específica apoyadas en herramientas tecnológicas.
Para la recolección de referencias de la metodología SLR se consultaron las bases de
datos IEEE explore, Google scholar, Research gate y arXiv, entre muchas otras
orientadas al sector salud como MEDLINE (NLM), INDEX MEDICUS, LILACS,
EMBASE. Con el fin de clasificarlas según su impacto en este estudio y poder descartar
las que menos relevancia o incidencia aportaban.
Otra parte importante que se aplicó de esta metodología fue la definición clara de las
preguntas que se buscan responder con este estudio, la principal es:
Vol – 1 No. 2, Julio - Diciembre 2020
25
● ¿Cómo el Machine Learning, combinado con diferentes tecnologías,
prácticas y métodos establece un servicio predictivo que permita el diagnóstico
y prevención de enfermedades?
Y la definición de las preguntas secundarias que aportan a la repuesta de la pregunta
principal:
● ¿Qué es Machine learning?
● ¿Cómo funciona el Machine learning?
● ¿Cómo pude ser usado en el sector salud?
● ¿Cuáles son los aspectos que componen el Machine learning?
Recomendaciones
Como indican los autores Beunza, J., Puertas, E. & Condés E. en su libro “Manual
práctico de inteligencia artificial en entornos sanitarios”, hay algunas claves
importantes, para que el machine learning dentro de un sistema inteligente tenga éxito
en proyectos de la salud, los cual se describen como:
1. Definir preguntas muy concretas y específicas (las denominadas tarea
“T”) que den respuesta a una necesidad específica, para evitar saturaciones en los
sistemas, pero para aprovechar las capacidades estas tareas pueden ser
combinadas y secuenciadas, para que arrojen varios resultados de un tema en
particular, como por ejemplo determinar las poblaciones más propensas a padecer
diabetes.
2. Usar preferiblemente “datos duros” es decir datos de alta confiabilidad y
calidad, para que los resultados sean lo más asertivos y veraces posibles, datos
provenientes de fuentes seguras y por demás confiables.
3. Que las variantes y características de la población final u objetivo estén
incluidas en los datos de la población de entrenamiento, a lo que esto se refiere
es que mientras se trabaja en el desarrollo del sistema de ML, las pruebas se
realicen con datos de poblaciones reales, es decir, que el entrenamiento del
sistema sea con datos reales y no ficticios, clave relacionada a ítem anterior.
4. Incluir profesionales técnicos con conocimientos en ciencia de datos,
más allá del desarrollo de algoritmos de machine learning, es decir que el equipo
de trabajo en el proyecto, no solo se centre en profesionales capacitados en la
programación de algoritmos, sino también en personas con conocimiento en base
de datos, modelamiento y conocimiento en Big Data y Minería de datos.
5. Incluir a los profesionales sanitarios desde las primeras fases del
desarrollo, es decir que, en todas las fases del desarrollo, se acompañe con el
conocimiento de un profesional en salud, biológica y medicina como
farmacéuticos, nutricionistas, médicos generales, especialistas, etc. ya que ellos
26
son los que aportan el conocimiento fundamental del sector salud hacia donde
esta encaminados las investigaciones, y pueden indicar como deberían ser los
resultados esperados.
6. Incluir profesionales sanitarios con conocimientos de machine learning,
adicional al ítem anterior, es importante que el equipo de trabajo tenga apoyo de
profesionales con experiencia o conocimiento teórico o practico del ML, así será
más fácil articular todas las áreas de trabajo.
7. Los resultados de inteligencia artificial y el machine learning aporte
valor de manera evidente, es decir que el impacto de las investigaciones pueda
ser reconocido, para así incentivar la inversión.
8. Los autores recalcan comenzar con proyectos piloto y diseñar un éxito
prematuro.
9. Definir los puntos de referencia del algoritmo antes de comenzar el
entrenamiento de aprendizaje de la máquina.
10. Validar el algoritmo en la población sobre la que se va a aplicar en
producción, es decir que si se buscar prevenir la diabetes, se debería trabajar sobre
las poblaciones que de acuerdo a sus factores de riesgo son más propensas a
sufrirlos y así generar mejores prácticas de entrenamiento y cuando su uso sea
aplicado fuera de pruebas, prueba predecir en poblaciones generales esta
enfermedad.
Conclusiones
Como se ha podido evidenciar en el transcurso de este capítulo, el Machine Learning es
una herramienta altamente tecnológica, que se basa en muchos ramas de la tecnología
tanto de hardware (servidores de almacenamiento, servidores de aplicación, equipos de
cómputo equipos de red, etc.), software (programas licenciados y no licenciados,
lenguajes de programación, interfaces de usuario, programación de algoritmos), ciencias
de la información (big data, minería de datos, modelamiento de base de datos, bodegas
de datos, lagos de datos, etc.), tecnologías de redes de comunicación (servicios de
interconexión de plataformas o también llamados web services, conexiones de internet
o intranet), tecnologías de servicio en la nube (para modalidades de proyectos de
investigación compartidos entre varias entidades, que requieran acceso al sistema de
ML desde la web) entre otra serie de componentes tecnológicos que hagan de los
sistemas de ML realizables, seguros y confiables, y que a su vez no puedan ser
vulnerados o hackeados, esta tecnología se ha desarrollado desde hace ya varias décadas
atrás fácilmente remontándose al siglo XVIII, con el desarrollo de modelos estadísticos
y probabilísticos (The Royal Society. 2017), mejorando y evolucionando en lo que en
la actualidad conocemos como uno de los ejes fundamentales de la Inteligencia
Artificial, que busca simular capacidades humanas de aprendizaje y razonamiento
Vol – 1 No. 2, Julio - Diciembre 2020
27
lógico, aunque para eso aún falta mucho camino por recorrer, aunque por ahora y como
se ha tratado de explicar desde el inicio del capítulo con la recopilación confiable de
muchas fuentes y autores, el ML cuenta con gran potencial de desarrollo, no solo en el
sector salud, sino en incontables áreas, como en el sector bancario, educación, atención
al cliente, predicciones climáticas, sector agrícola, de transporte de mercancía, ventas,
marketing, industria de juegos y el entretenimiento, control de tráfico, seguridad policial
y nacional, entre muchas otras más.
Se evidencia que para que los proyectos de ML tenga éxito, es necesario que cuenten
con un objetivo claro, que se planee desde el inicio el objetivo del aprendizaje
automatizado y entorno a él se desarrolló, se programe y se ejecuten pruebas orientadas
a que los resultados sean acorde al objetivo propuesto, sea una necesidad o un problema
que se quiera predecir y resulte beneficioso para la población, como en este caso en la
detección y prevención de enfermedades, los proyectos se deberán centrar en una
enfermedad especifica sea cáncer pulmonar, depresión u contagio de un virus, es
necesario acotar el sistema, ya que un solo sistema de ML que detecte todas la
enfermedades conocidas, sería un proyecto desproporcionado y que se saldría de las
capacidades que hoy en día se manejan, pero si se inicia con una necesidad y se entrena
al sistema con el objetivo por el que se creó, las probabilidades de éxito son más altas,
adicional que es fundamental contar con los recursos de personal experto e idóneo de
varias áreas de conocimiento, de tiempo de programación, pruebas y entrenamiento para
ver los primeros resultados éxitos, acceso a importantes volúmenes de información y
también recursos financieros.
Aunque es claro que proyectos de este tipo y aún más aplicados al sector salud, un área
de tanta importancia a nivel mundial, no es fácil, se destacan proyectos de ML
nacionales e internacionales que han tenido éxito y que se siguen adaptando a las
necesidades crecientes y a las tecnologías que día a día aparecen para ser proyectos más
confiables, de mayor relevancia y que perduren más allá de la actual tendencia o moda
que posee el Machine Learning; se demuestra cada día que el análisis de datos es
fundamental para la toma de decisiones, acción que hace a cabalidad el ML junto con
acciones de predicción y detección o prevención de eventos, para este caso estudio de
enfermedades.
28
Referencias
ACCA (the Association of Chartered Certified Accountants). (2019). N2. Navigating
the terminology. En Machine learning More science than fiction (52). Reino
Unido: The Association of Chartered Certified Accountants. P 18.
A. Silberschatz, H. F. Korth & S. Sudarshan, (2002) Fundamentos de Bases de Datos,
España: MacGraw Hill.
Badaró, S., Ibañez, L., & Agüero, M. (2013, Diciembre). SISTEMAS EXPERTOS:
Fundamentos, Metodologías y Aplicaciones. Revista Ciencia y Tecnología, Vol
13, 15. 2021, Mayo 01, De Universidad de Palermo Base de datos.
Benítez, I. & Diez, J..\ (2005). Técnicas de agrupamiento o reconocimiento de patrones
(clustering) . En Técnicas de Agrupamiento para el Análisis de Datos
Cuantitativos y Cualitativos. Valencia, España: Universidad Politécnica de
Valencia. Pp 16 – 23
Beunza, J., Puertas, E. & Condés E. (2020). Libro, Manual práctico de inteligencia
artificial en entornos sanitarios. Mayo 02, 2021, de Elsevier Sitio web:
https://www.elsevier.com/es-es/connect/ehealth/claves-del-exito-de-un-
programa-de-inteligencia-artificial-en-salud
Bhatt M. (Mayo 2016). Machine Learning Project. University of New Orleans, 1, 19.
2021, Mayo 30, De ResearchGate Base de datos.
Cabría, S. (1994). Filosofía de la estadística. España: Publicacions de la Universitat de
València. pp 37-54.
Calvo, J., Guzman, M., & Ramos, D. (2018). Machine Learning, una pieza clave en la
transformación de los modelos de negocio. abril 10, 2021, de Management
Solutions Sitio web:
https://www.managementsolutions.com/sites/default/files/publicaciones/esp/mac
hine-learning.pdfCarmona L, Rozo C, Mogollón A. (2005). La salud y la
promoción de la salud: una aproximación a su desarrollo histórico y social.
Revista Ciencias de la Salud, pp.3, 62-77.
Carrasco, O., (2009). Cómo escribir artículos de revisión. Revista Médica La Paz, Vol
15, 7. 2021, Abril 10, De Scielo Base de datos.
Clausen, C. (2020). Transformación digital del sistema de salud colombiano. 2021,
mayo 29, de Ministerio de Salud y Protección Social
Vol – 1 No. 2, Julio - Diciembre 2020
29
Cruz, E., et al. (2018). Aplicación de las Tic en los sectores económicos (productivo,
comercial y servicios). Editorial Scientometrics E Researching Consulting Group
SAS.
Cruz, E., et al. (2019). Importancia de las TIC en los sectores económicos. Editorial
Scientometrics E Researching Consulting Group SAS.
Dodson, T., Mattei, N., & Goldsmith, J. (2011). A natural language argumentation
interface for explanation generation in Markov decision processes. In
International Conference on Algorithmic. Decision Theory, pp. 42-55.
Escalante, P. (2004). Prevención de la enfermedad. En Curso de Gestión Local de Salud
para Técnicos del Primer Nivel de Atención. Uruguay: CENDEISSS y
Universidad de Costa Rica. pp. 7-10
Galvez, R. (2018). Extracción y Análisis de Datos No Estructurados: Aplicaciones
usando texto, audio, imágenes y video. abril 23, 2021, de Universidad Nacional
de Córdoba Sitio web:
https://ecodev.eco.unc.edu.ar/files/ief/workshops/2018/Galvez_Extraccin_y_Anl
isis_de_Datos_No_Estructurados__Aplicaciones_usando_texto_audio_imgenes_
y_video.pdf
Gardner, M. J., & Altman, D. G. (1993). Intervalos de confianza y no valores p:
estimación en vez de pruebas de hipótesis. Boletín de la Oficina Sanitaria
Panamericana (OSP). De google scholar.
García J., López J., Jiménez F., Ramírez T., Lino L. & Reding A. (2014). Metodología
de la investigación, bioestadística y bioinformática en ciencias médicas y de la
salud, 2e. México, D.F.: McGRAW-HILL INTERAMERICANA EDITORES.
Capítulo 25
González, M. C. (2019). El impacto de la transformación digital en la prevención de la
salud de personas mayores en Colombia. Repositorio Instituciona UMNG.
Universidad Militar Nueva Granada. Pp 14 - 16
Hastie, Trevor, Robert Tibshirani, and J. H. Friedman (2001). The Elements of
Statistical Learning: Data Mining, Inference, and Prediction: With 200 Full-color
Illustrations. New York: Springer
Hua K., Hsu C., Hidayati S., Cheng W., Chen Y. (2015, Agosto 4). Computer-aided
classification of lung nodules on computed tomography images via deep learning
technique. Onco Targets Therapy, 2021, Mayo 29, De NCBI Base de datos.
30
Hurwitz, J., & Kirsch D. (2018). Machine Learning For Dummies®, IBM Limited
Edition. Hoboken: John Wiley & Sons, Inc.
Interactive Chaos, Curso online: Machine Learning, Mayo 02, 2021, Sitio Web:
https://interactivechaos.com/es/manual/tutorial-de-machine-
learning/presentacionJiménez, J. (2016, Noviembre 15). Frente al suicidio,
tecnología: así es cómo el "machine learning" puede ayudarnos a luchar contra la
gran epidemia silenciosa. Xataka, 2021, Mayo 29.
Joyanes, L. (2008). Fundamentos de la Programación. Ed. McGraw-Hill. 2ª Edición.
Joyanes Aguilar, L. (2003) Fundamentos de programación. España: Mc Graw Hill. p.
53.
Lantz, B. (2015). Machine Learning with R Second Edition. Michigan: Packt
Publishing.
Linthicum KP, Schafer KM, Ribeiro JD. Machine learning in suicide science:
Applications and ethics. Behav Sci Law. 2019 Mayo. doi: 10.1002/bsl.2392. Epub
2019 enero 4.
Marr. B. (2016, Febrero 20). A Short History of Machine Learning -- Every Manager
Should Read. Revista Forbes
Monterrey, P. & Gómez-Restrepo, C. (2007). Aplicación de las pruebas de hipótesis en
la investigación en salud: ¿estamos en lo correcto?. Universitas Medica,
48(3),193-206.[fecha de Consulta 26 de Abril de 2021]. ISSN: 0041-9095.
Disponible en: https://www.redalyc.org/articulo.oa?id=231018668002
Morales, E. & Escalante H.. (2019). Aprendizaje Basado en Instancias. Abril 01, 2021,
de INAOE - Gobierno de México Sitio web:
https://ccc.inaoep.mx/~emorales/Cursos/NvoAprend/Acetatos/ibl2019.pdf
Murphy, K. (2012). Machine Learning: A Probabilistic Perspective. Canadá: MIT Press;
Illustrated edition.
Núñez A., Armengol M.A. & Sánchez M. (octubre 2019). Big Data Analysis y Machine
Learning en Unidades de Cuidados Intensivos. Medicina Intensiva, Volume 43,
Pp 416-426.
Oliveros, A. (2020). Interoperabilidad de la Historia Clínica, 2021, mayo 30, de
Ministerio de Salud y Protección Social
Ordoñez, M., Tapia, J. & Asanza, W.. (2015). Fundamentos de base de datos. Ecuador:
Ediciones Utmach. pp 23-43.
Vol – 1 No. 2, Julio - Diciembre 2020
31
Pacheco, J. (2017, Diciembre). METODOLOGÍA PARA ELABORAR EL MODELO
CONCEPTUAL DE DATOS. Ediciones Universidad Cooperativa de Colombia,
N.° 37, 22. 2021, Mayo 01, De Course Work Base de datos.
Perrault, R., Shoham. Y., Brynjolfsson, E., Clark, J., Etchemendy J., Grosz b, Lyons T.,
Manyika J., Mishra S. & Niebles J. (2019). Artificial Intelligence Index Report
2019. Stanford University, Edición 2019, 291. 2021, mayo 29, De HAI, Stanford
University Base de datos. P 74.
Ponce, Julio & Torres, Aurora & Aguilera, Fátima & Silva Sprock, Antonio & Flor,
Ember & Casali, Ana & Scheihing, Eliana & Tupac, Yvan & Torres, Dolores &
Ornelas, Francisco & Hernández¹, José-Alberto & D., Crizpín & Vakhnia, Nodari
& Pedreño, Oswaldo. (2014). Inteligencia Artificial, Vol 1, Iniciativa
Latinoamericana de Libros de Texto Abiertos. P 20.
Poveda, F., et al. (2019). Lineamientos y orientaciones investigativas desde la disciplina
del derecho. Colombia: Editorial Scientometrics E Researching Consulting Group
SAS.
Poveda, F., et al. (2020). Research, Artificial Intelligence And Tools For Researchers.
Colombia: Editorial Scientometrics E Researching Consulting Group SAS.
Raffino, M. (2020). Concepto de Diagnostico. abril 12, 2021, de Concepto.de Sitio web:
https://concepto.de/diagnostico/Serna, C.. (2018). Una Pequeña Introducción a
Machine Learning. abril 4, 2021, de Universidad Central Sitio web:
http://hpclab.ucentral.edu.co/~hfranco/data_analysis/SessionV/VSession.pdf
SAS. Análisis de atención médica (2021), Mayo 29, Sitio Web:
https://www.sas.com/es_co/industry/health-care/solution/population-
health.htmlStensmo, M., & Thorson M. (2003). Unstructured Information
Management. Suecia: Infosphere AB.
The Royal Society. (2017). Machine learning: the power and promise of computers that
learn by example. The Royal Society, 4, 128. 2021, Mayo 30, De ResearchGate
Base de datos.
Tumbay, M. R. S. (2018). fatherhood’s subjective experience in the face of adolescent
children’depressive symptomatology and suicide attempt. Studia Universitatis
Babes-Bolyai-Philosophia, 63(1), Pp 119-135.
Universidad Católica de Colombia. (2020). Facultad de Ingeniería desarrolla plataforma
de análisis y predicción de datos del Covid-19 en Colombia. 2021, Mayo 29, de
Universidad Católica de Colombia Sitio web:
32
https://www.ucatolica.edu.co/portal/facultad-de-ingenieria-desarrolla-
plataforma-de-analisis-y-prediccion-de-datos-del-covid-19-en-colombia/Utrera,
R.. (2017). Uso de algoritmos de aprendizaje automático aplicados a bases de
datos genéticos. abril 15, 2021, de Universitat Oberta de Catalunya Sitio web:
http://openaccess.uoc.edu/webapps/o2/bitstream/10609/65426/6/rgagoTFM0617
memoria.pdfVázquez, J. (2012). Análisis Y Diseño De Algoritmos. México: Red
Tercer Milenio S.C. pp. 16-18.
Valdez, A. (2019). Machine Learning para Todos. 4° Congreso Nacional de
profesionales de Computación, información y Tecnologías, Congreso llevado a
cabo en Perú.
Velásquez, J., Una Guía Corta para Escribir Revisiones Sistemáticas de Literatura Parte
3, Revista DYNA - Facultad de Minas, vol. 82, no. 189, pp. 9-12, 2015
