El Blog de Nessy¿Te suenan los conceptos de “Inteligencia artificial”, “Blockchain” e “IoT”?
Seguramente los has escuchado, ya que son conceptos de tecnología muy de moda y que generalmente van acompañado de mucho marketing.
En este post, voy a explicar estos conceptos y otros más desde el punto de vista del ámbito de salud.
Para reírse un poquito… en “La cocina de la Salud digital” tenemos la receta perfecta para venderle proyectos al ecosistema de innovación en salud (👀 léase con ironía):
¿Qué son los “Algoritmos”?
Partimos con la definición de “Algoritmo”, ya que es un concepto que nos ayudará a entender mejor la Inteligencia Artificial:
Los algoritmos son reglas que muestran el paso a paso necesario para la realización de un problema. A través de una secuencia lógica, definida y finita de instrucciones, ellos determinan el camino a seguir para ejecutar una tarea. (Fuente).
Cuando un programador escribe un programa, lo que está haciendo es construir un algoritmo.
Te daré dos ejemplos por si no te ha quedado muy clara la definición.
El primer ejemplo, una receta para hacer huevo frito lo podríamos ver como un algoritmo:
Imagen extraida de "Programación: etapas de la programación"
El segundo ejemplo, en el ámbito de salud, tenemos algunos algoritmos de diagnóstico:
Imagen extraida de guía "Algoritmo dolor torácico" del MINSAL
¿Qué es la “Inteligencia Artificial”?
Los principales libros de texto de IA definen el campo como el estudio de los “agentes inteligentes”: cualquier sistema que perciba su entorno y tome acciones que maximicen sus posibilidades de lograr sus objetivos Fuente
Esta es una definición amplia, pero mucho más aterrizada de lo que suele ver en las noticias.
Un ejemplo es una “aspiradora robot”, que son capaces de limpiar el suelo de tu casa, sin saber de antemano (al momento de comprar) cómo están distribuidos los cuartos o tus muebles.
Existen distintas técnicas en el área de Inteligencia Artificial. A continuación veremos 2: “Machine Learning” y “Deep Learning”.
¿Qué es “Machine Learning”?
Machine Learning (Aprendizaje automático) son algoritmos que mejoran su rendimiento en una tarea a través de la experiencia.
es una técnica de inteligencia artificial que te permite decirle a la computadora “en base a estos ejemplos, encuentra la forma de resolver el problema”.
Esa es una diferencia clave con algoritmos normales, donde el programador es el encargado de encontrar la forma de resolver el problema.
Veamos un ejemplo. Digamos que queremos saber si un examen de PAP (Papanicolao) tiene células anormales, ¿cómo se hace esto con Machine Learning?
Haces un programa al cual le pasas imágenes de los exámenes ya clasificados como “normal” y “anormal”. Luego, el programa “estudia” los exámenes y “aprende” a descifrar el problema.
La parte de “estudiar” y “aprender” es automática.
Es mágico.
¿Qué es “Deep Learning”?
Es un tipo de algoritmo de Machine Learning, construido a partir del principio de redes neuronales (fuente).
Es decir, es un tipo particular de algoritmo de Machine Learning. Es una herramienta más para resolver problemas.
Esta técnica es popular por su uso en clasificación de imágenes y de texto. Son algoritmos muy buenos para detectar patrones de forma automática.
Por ejemplo, en mi proyecto final de DATA SCIENCE en Desafio Latam, utilizamos Deep Learning para buscar anormalidades en muestras del examen Papanicolao (PAP).
¿Qué es la “Automatización”?
Muchos confunden automatización con inteligencia artificial.
La automatización es simplemente automatizar alguna tarea repetitiva.
La inteligencia artificial podemos verla como un medio para lograr automatización. De hecho, puedes automatizar muchas cosas con algoritmos corrientes.
Una aplicación sencilla que te ayuda a calcular el IMC de un paciente es un tipo de automatización, pues te ahorra hacer los cálculos mentalmente.
Algo más elaborado son extensiones de Chrome que te permiten ejecutar acciones repetitivas en el explorador. Por ejemplo, si pasas datos de un excel a una plataforma web habitualmente, una herramienta de ese estilo podría hacerlo por ti.
Así que cuando hablamos de automatización, no hablamos necesariamente de inteligencia artificial.
¿Qué es el “Blockchain”?
Blockchain es una tecnología que permite que distintos participantes que no confían entre sí, puedan ponerse de acuerdo sin la necesidad de un árbitro.
En finanzas, podemos crear una moneda virtual que nos permita transferir a otras personas sin necesidad de un banco.
En salud, su uso está en estudio y evaluación. Uno de los usos que más me gusta es en la cadena de suministro farmacéutica, donde por ejemplo, puedes llevar un registro de los cambios de propiedad de los medicamentos recetados a nivel nacional, sin intervención de un tercero.
Puedes ver el post “Blockchain en salud” para más detalle y ejemplos de esta tecnología.
¿Qué es “Big Data”?
Big Data son técnicas y tecnologías que te permite “trabajar” con “grandes cantidades de datos”.
Con trabajar me refiero a procesar los datos para obtener alguna información de utilidad. Puede ser algo tan simple como obtener un promedio o algo más complicado como estimar un valor futuro.
Con grandes cantidades de datos me refiero a una cantidad tal que un computador normal no pueda procesarlos.
Es clave que estos dos conceptos estén presente. Puede que tengas que guardar mucha información, pero si no tienes que trabajarla, no necesitas Big Data. Simplemente necesitas un disco duro extra.
¿Qué es “IoT”?
“IoT” (de “Internet of things”, “Internet de las cosas”) es un concepto que se refiere a la conexión digital de dispositivos cotidianos con internet.
Un ejemplo en medicina puede ser un termómetro que se utilice a la hora de transportar fármacos que requieran estar bajo una cierta temperatura. El termómetro podría estar conectado a Internet para que los operadores vean en tiempo real las variaciones de temperatura.
Conclusiones
Una de las razones por las que los conceptos se mezclan es porque hay sinergias entre estas tecnologías:
IoT te permite conectar dispositivos a internet, y por ende, recolectar gran cantidad de datos. Si quieres demostrar inmutabilidad de estos, Blockchain es una opción. Y si necesitas trabajar sobre esos datos, seguramente necesitarás Big Data. Y si quieres extraer patrones o aprender de la información recolectada, tendrás que utilizar algún algoritmo de inteligencia artificial.
A continuación una tabla resumen con las tecnologías y conceptos definidos en este post.
| Tecnología | Descripción | Ejemplo |
|---|---|---|
| Automatización | Lograr ejecutar una tarea de forma automática | Generación de alertas cuando hay bajo stock de insumos |
| Algoritmo | Reglas que muestran el paso a paso necesario para la realización de un problema | Una aplicación que al responder un cuestionario te diga el riesgo de tener COVID |
| Inteligencia Artificial | Cualquier sistema que perciba su entorno y tome acciones que maximicen sus posibilidades de lograr sus objetivos | Predecir la probabilidad de rehospitalización de un paciente |
| Machine Learning | Son algoritmos que mejoran su rendimiento en una tarea a través de la experiencia. | Detectar el núcleo en una imagen de una célula |
| Deep Learning | Un tipo de Machine Learning que imita la red neuronal del cerebro humano para resolver un problema | Detectar el riesgo de cáncer en un examen PAP |
| Blockchain | Tecnología que permite que distintos participantes que no confían entre sí, puedan ponerse de acuerdo sin la necesidad de un árbitro. | Llevar un registro de los cambios de propiedad de los medicamentos recetados a nivel nacional, sin intervención de un tercero (descentralizado) |
| Big Data | Son técnicas y tecnologías que te permiten “trabajar” con “grandes cantidades de datos”. | Datos recolectados por los Glucómetros a nivel nacional |
| IoT | Es un concepto que se refiere a la conexión digital de dispositivos cotidianos con internet | Glucómetros conectados a internet |
En futuras publicaciones continuaremos explicando términos utilizados en el ambiente de la informática.
Nessy Letter