É certo que sen unha ENORME masa de datos un sistema de aprendizaxe profundo non vai ser quen de chegar a ren. Así as IAs que poden analiza-las mamografías e atopar lesións precanceríxenas o acadan grazas a ter sido nutridas con MILLEIROS de mamografías informadas e cos datos da evolución de cada unha das mulleres ás que se lle fixeron e que os seus "adestradores" revisaron (e publicaron) os resultados que estes modelos informaban en novas mamografías para "afinar" o producto.
Ese esforzo de xunta-los datos, refinalos, formatealos e pasalos polo modelo e logo darlle novas mamografías e revisa-los informes que a IA fai delas semella só ó alcance dun potente musculo financieiro e industrial. Un músculo que só se movería polo interés dos beneficios crematísticos a futuro... nada que ver cos beneficios para as persoas e a sociedade cos que envolven as súas presentacions ós directivos de saúde.
Hai estudos sobre os efectos dos distintos niveis de plantillas de enfermeiras e os resultados en saúde? Si, sen ir mais lonxe en Europa o estudo RN4CAST, un estudo financiado pola UE con case 3 millons de euros cuxos datos ben poderían formatearse para servir de primeira papilla dunha IA que axude a adptar plantillas a necesidades... outra cousa é que todos os actores estemos interesados nelo. Tanto os xestores á hora de ter que reforzar plantillas como os grupos profesionais á hora de verse movilizados de áreas/servizos con menor presión asistencial cara a outras sobresaturadas...
E cómo adestrar a unha IA para axeita-las plantillas nas tarefas de prevención? Hai estudos sobre elo? Hai evidencias que indican qué tarefas de prevención se deben levar a cabo en grupos de poboación concretos, e tamén hai "estimacions" de tempos de realización desas tarefas. Na entrada referida ó principio quixen transmitir o meu desexo de que unha IA fixera o cálculo da correlación entre o que se pide e a plantilla...
Por exemplo; este ano pídese no programa de obxectivos "realización de ECG" a tódolos maiores de 65 anos. No meu cupo son 341 e vexo posible facer os electros a todos sobor de todo se non hai que adicar tempo a chamalos (un día temos de falar da cantidade de "subproducción" que representan as chamadas perdidas).
O que non sei si se estimou é o tempo de interpreta-los e de poñelos en relación con anteriores ECG (e o tempo que leva buscalos nos arquivos de papel) e logo está a resolución dos riscos detectados e arquiva-lo ECG (dixitalizado e en papel). En fin, que algo que semella sinxelo e sen impliacions acaba sendo utópico cando se xeneraliza porque sen un mapa dos procesos e os tempos de cada etapa se perde a perspectiva.
Pode unha IA "mapear" un proceso? Comprende-las súas implicacions para non cometer erros no cálculo ou se convertirá unha volta mais nunha "arma de destrucción matemática"?
