COGNITIA: Sistemas de Aprendizaje Profundo para la Generación de Conocimiento Sanitario Accionable.
Convocatoria del proyecto: Hazitek 2019
Entidad financiadora: Departamento de Desarrollo Económico, Sostenibilidad y Medio Ambiente
IP: Eduardo Millán
Financiación concedida: 10.000€
Descripción: Las organizaciones sanitarias están cada vez más interesadas en la aplicación de la Inteligencia Artificial (IA) para la mejora de atención sanitaria y la reducción de costes y mejora de la eficiencia de los servicios sanitarios. El punto de partida del proyecto está formado por los resultados obtenidos en los proyectos OPTIMUS (HAZITEK) y OMEGA3 (ELKARTEK) finalizados en 2018. A partir de las necesidades y las líneas de trabajo a futuro identificadas en dichos proyectos se plantea un proyecto de investigación industrial en tecnologías de aprendizaje profundo que permite dar un salto cualitativo en las soluciones basadas en tecnologías de IA aplicadas al sector sanitario.
Objetivo: Investigación, desarrollo y validación de tecnologías de aprendizaje profundo para la generación de conocimiento sanitario accionable a través de la integración de modelos predictivos en la práctica diaria. Además de este objetivo general, el proyecto plantea una serie de objetivos científico-tecnológicos y de impacto socio-económico.
Diseño del estudio: Se abordarán tanto intervenciones no adecuadas que se deberían revertir, como recomendaciones basadas en evidencia que se propone incorporar a la práctica, para facilitar la lectura de la memoria se hará referencia en todo momento a ellas con la expresión genérica intervenciones de escaso valor (IEV). El análisis de estas intervenciones tiene especial relevancia en pacientes crónicos. En este proyecto se plantea un caso práctico centrado en la Insuficiencia Cardiaca Crónica (ICC). El caso de estudio se basará en una cohorte dinámica, creada con datos a partir de 2010, de pacientes mayores de 40 años ingresados por un primer episodio de ICC. El conjunto de datos de partida contendrá pacientes entre los años 2013-2018 (aproximadamente 19.000 personas), momento en el que se desplegó Presbide (sistema de prescripción electrónica) en el sistema de información de Osakidetza.
Resultados:
Modelo predictivo de carga asistencial en urgencias.
Mejora de la consultoría de gestión vinculados con: Eficiencia Operacional y Lean Management, Reingeniería de Procesos y Modelos Organizativos, en el ámbito de la urgencia.
Sistema de ayuda a la decisión clínica basada en modelo predictivo en pacientes de Insuficiencia cardiaca crónica
Plataforma de analítica avanzada de datos sobre tecnologías de IA para desarrollo de proyectos ad-hoc a clientes o desarrollo de nuevos productos verticales futuros.
Rol: Kronikgune es una de las entidades de la RVCTI y entidad subcontratada en el proyecto.