El Gobierno, a través de la Secretaría de Políticas Digitales del Departamento de Empresa y Trabajo, ha presentado hoy un modelo avanzado de inteligencia artificial (IA), de la mano de Eurecat, para la previsión de incidentes que han desarrollado el Sistema de Emergencias Médicas de Catalunya (SEM) y el Centro of Innovation for Fecha tech and Artificial Intelligence (CIDAI), en el marco de la Estrategia de Inteligencia Artificial de Catalunya, Catalonia.AI.
Estadística y previsión
El desarrollo de este modelo predictivo tiene la finalidad de adaptar la capacidad de respuesta y de gestión del SEM ante posibles crecimientos o decrecimientos de la actividad que se puedan prever. Esta iniciativa nace con el objetivo de hacer una predicción esmerada de la actividad basándose en la detección de patrones derivados de los datos históricos generados por el SEM.
En palabras de la secretaria de Políticas Digitales de la Generalitat de Catalunya, Maria Galindo, "los Proyectos de Alto Impacto como este, que el CIDAI desarrolla mediante la colaboración público-privada en el marco de la estrategia Catalonia.AI, contribuyen a fomentar el desarrollo y adopción de innovación con IA, demostrando el valor de esta tecnología para resolver retos de alto impacto, con casos de uso reales". "De esta manera, no solo se validan soluciones innovadoras, sino que además se transfiere este conocimiento avanzado en IA hacia el ecosistema", añade. Si bien actualmente la predicción de la actividad se lleva a cabo a partir de la media de datos históricos, la apuesta por la IA permite crear un modelo predictivo con autoaprendizaje gracias a la introducción de variables. Esta visión predictiva permite sistematizar el cálculo del dimensionado de recursos del SEM.
Un 50% de los incidentes no requieren seguimiento
"El SEM tiene un volumen de actividad variable que requiere una adaptación constante de los recursos disponibles, tanto a la Central de Coordinación Sanitaria como a las unidades distribuidas estratégicamente por todo el territorio", explica a la directora del SEM, Anna Fontquerni. El año 2023 el SEM dio respuesta a 2.211.161 incidentes, de los cuales 1.171.291 no requirieron la activación de recurso y se atendieron a través de asistencia no presencial. Por otra parte, 1.039.870 incidentes sí que requirieron la movilización de recurso, como una ambulancia. "El desarrollo de este modelo predictivo con uso de IA es el primer paso para contar con una herramienta que nos permite anticipar la actividad presencial y no presencial. Gracias a todos los datos generados por el SEM desde el año 2014 y a la confección de los modelos predictivos por parte del CIDAI, este avance es de gran utilidad en la toma de decisiones", asegura la directora del SEM.
El jefe del Área de Sistemas de Información, TIC y Datos del SEM, Raimon Dalmau, destaca que "esta prueba de concepto es un primer paso por el SEM en el uso de técnicas de IA y aprendizaje automático, que ha dado un resultado muy bueno como modelo predictivo de actividad y nos proponemos ampliar su alcance a corto plazo a otros aspectos del servicio". Para generar esta herramienta, se ha llevado a cabo un vertido de datos masivos recopilados desde el año 2014. Concretamente, se ha usado la información de 27 millones de incidentes de tipología diversa.
En este sentido, Albert Gual, subjefe de CECOS de Reus, pone especial énfasis en la capacidad predictiva que ofrece el modelo en diferentes escalas temporales. Resalta que con la herramienta "se tiene la aproximación de incidentes que se pueden recibir diariamente en cada turno de trabajo, sea tanto a una semana vista como en las próximas horas". Gracias a la precisión de los datos, esta herramienta ayuda en la planificación del servicio y a mejorar la eficiencia sin hacer uso de recursos innecesarios, y "permitiría dimensionar correctamente el equipo de profesionales en función de la actividad", asegura Gual. "El impacto de este proyecto va más allá de su implementación técnica, dado que la elevada fiabilidad de la predicción de incidentes demostrada con el proyecto facilita una gestión más proactiva y eficiente de los recursos del Sistema de Emergencias," añade el director del CIDAI y director Científico del Área Digital de Eurecat, Joan Mas y Albaigès.
El SEM recibe un gran número de llamadas relacionadas con incidentes, si bien su volumen varía en función de la hora del día, el día de la semana o la época del año, entre otros factores. En este escenario, el reto que se planteó fue el de implementar un sistema basado IA que pudiera predecir el número de incidentes en un horizonte temporal corto, permitiendo una gestión temprana y eficiente de los recursos. En el proyecto, se han desarrollado modelos de IA entrenados con datos históricos generados por el SEM que pueden predecir con un alto grado de precisión el volumen de actividad futura. El proyecto incorpora también un cuadro de mandos que se ha puesto a disposición del SEM, con el fin de complementar la suya operativa habitual.
El gerente del CIDAI, Marco Orellana, ha conducido el acto de presentación del proyecto, en el cual también ha participado la jefa de Innovación de la Fundación i2CAT, Karla Trejo; el director de Desarrollo del Ecosistema de inteligencia artificial y Espacios de Datos en Huawei, Roi Rodríguez; y el investigador en aprendizaje automático de Eurecat Arnau Berenguer Jiménez. La iniciativa se inscribe en los Proyectos de Alto Impacto (PAI) que lleva a cabo el CIDAI en el marco de la estrategia Catalonia.AI. Este PAI, que ha contado con la participación del SEM como promotor del reto, ha sido liderado por Eurecat, que en colaboración con la Fundación i2CAT y Huawei, ha desarrollado la solución innovadora basada en herramientas de analítica avanzada de datos e IA.