El desarrollo de la herramienta de predicci\u00f3n tiene por objetivo aprovechar las posibilidades de la inteligencia artificial (IA) entorno al dise\u00f1o de modelos de aprendizaje autom\u00e1tico que ayuden a adecuar la gesti\u00f3n del servicio.<\/i><\/p>\n
El Govern, a trav\u00e9s de la Secretar\u00eda de Pol\u00edticas Digitales del Departamento de Empresa y Trabajo, ha presentado hoy un modelo avanzado de inteligencia artificial (IA) para la previsi\u00f3n de incidentes que han desarrollado el Sistema de Emergencias M\u00e9dicas de Catalu\u00f1a (SEM) y el Centre of Innovation for Data tech and Artificial Intelligence (CIDAI), en el marco de la Estrategia de Inteligencia Artificial de Catalu\u00f1a, Catalonia.AI.<\/p>\n
El desarrollo de este modelo predictivo tiene la finalidad de adaptar la capacidad de respuesta y de gesti\u00f3n del SEM ante posibles crecimientos o decrecimientos de la actividad que se puedan prever. Esta iniciativa nace con el objetivo de hacer una predicci\u00f3n cuidadosa de la actividad bas\u00e1ndose en la detecci\u00f3n de patrones derivados de los datos hist\u00f3ricos generados por el SEM.<\/p>\n
En palabras de la secretaria de Pol\u00edticas Digitales de la Generalitat de Catalunya, Maria Galindo<\/b>, \u201clos Proyectos de Alto Impacto como este, que el CIDAI desarrolla mediante la colaboraci\u00f3n p\u00fablico-privada en el marco de la estrategia Catalonia.AI, contribuyen a fomentar el desarrollo y adopci\u00f3n de innovaci\u00f3n con IA, demostrando el valor de esta tecnolog\u00eda para resolver retos de alto impacto, con casos de uso reales.\u201d \u201cDe este modo, no solo se validan soluciones innovadoras, sino que adem\u00e1s se transfiere este conocimiento avanzado en IA hacia el ecosistema\u201d, a\u00f1ade.<\/p>\n
Si bien actualmente la predicci\u00f3n de la actividad se lleva a cabo a partir de la media de datos hist\u00f3ricos, la apuesta por la IA permite crear un modelo predictivo con autoaprendizaje gracias a la introducci\u00f3n de variables. Esta visi\u00f3n predictiva permite sistematizar el c\u00e1lculo del dimensionado de recursos del SEM.<\/p>\n
\u201cEl SEM tiene un volumen de actividad variable que requiere una adaptaci\u00f3n constante de los recursos disponibles, tanto en la Central de Coordinaci\u00f3n Sanitaria como en las unidades distribuidas estrat\u00e9gicamente en todo el territorio\u201d, explica la directora del SEM, Anna Fontquerni<\/b>. El a\u00f1o 2023 el SEM dio respuesta a 2.211.161 incidentes<\/b>, de los cuales 1.171.291 no requirieron la activaci\u00f3n de recurso y se atendieron a trav\u00e9s de asistencia no presencial. Por otro lado, 1.039.870 incidentes s\u00ed que requirieron la movilizaci\u00f3n de recurso, como por ejemplo una ambulancia. \u201cEl 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 a\u00f1o 2014 y a la confecci\u00f3n de los modelos predictivos por parte del CIDAI, este adelanto es de gran utilidad en la toma de decisiones\u201d, asegura la directora del SEM.<\/p>\n
El jefe del \u00c1rea de Sistemas de Informaci\u00f3n, TIC y Datos del SEM, Raimon Dalmau<\/b>, destaca que \u201cesta prueba de concepto es un primer paso para el SEM en el uso de t\u00e9cnicas de IA y aprendizaje autom\u00e1tico, 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\u201d. Para generar esta herramienta se ha llevado a cabo un vertido de datos masivos recopilados desde el a\u00f1o 2014. Concretamente, se ha usado la informaci\u00f3n de 27 millones de incidentes de tipolog\u00eda diversa.<\/p>\n
En este sentido, Albert Gual, subjefe de CECOS de Reus<\/b>, pone especial \u00e9nfasis en la capacidad predictiva que ofrece el modelo en diferentes escalas temporales. Resalta que con la herramienta \u201cse tiene la aproximaci\u00f3n de incidentes que se pueden recibir diariamente en cada turno de trabajo, sea tanto en una semana vista como en las pr\u00f3ximas horas\u201d. Gracias a la precisi\u00f3n de los datos, esta herramienta ayuda en la planificaci\u00f3n del servicio y a mejorar la eficiencia sin hacer uso de recursos innecesarios, y \u201cpermitir\u00eda dimensionar correctamente el equipo de profesionales en funci\u00f3n de la actividad\u201d, asegura Gual.<\/p>\n
\u201cEl impacto de este proyecto va m\u00e1s all\u00e1 de su implementaci\u00f3n t\u00e9cnica, dado que la elevada fiabilidad de la predicci\u00f3n de incidentes demostrada con el proyecto facilita una gesti\u00f3n m\u00e1s proactiva y eficiente de los recursos del Sistema de Emergencias\u201d, a\u00f1ade el director del CIDAI y director Cient\u00edfico del \u00c1rea Digital de Eurecat, Joan Mas y Albaig\u00e8s<\/b>.<\/p>\nModelos de inteligencia artificial que pueden predecir con un alto grado de precisi\u00f3n el volumen de incidencias<\/h2>\n
El SEM recibe un gran n\u00famero de llamadas relacionadas con incidentes, si bien su volumen var\u00eda en funci\u00f3n de la hora del d\u00eda, el d\u00eda de la semana o la \u00e9poca del a\u00f1o, entre otros factores. En este escenario, el reto que se plante\u00f3 fue el de implementar un sistema basado en IA que pudiera predecir el n\u00famero de incidentes en un horizonte temporal corto, permitiendo una gesti\u00f3n temprana y eficiente de los recursos.<\/p>\n
En el proyecto, se han desarrollado modelos de IA entrenados con datos hist\u00f3ricos generados por el SEM que pueden predecir con un alto grado de precisi\u00f3n el volumen de actividad futura. El proyecto incorpora tambi\u00e9n un cuadro de mando que se ha puesto a disposici\u00f3n del SEM, para complementar su operativa habitual.<\/p>\n
El gerente del CIDAI, Marco Orellana, ha conducido el acto de presentaci\u00f3n del proyecto, en el cual tambi\u00e9n ha participado la jefa de Innovaci\u00f3n de la Fundaci\u00f3n i2CAT, Karla Trejo; el director de Desarrollo del Ecosistema de inteligencia artificial y Espacios de Datos en Huawei, Roi Rodr\u00edguez; y el investigador en aprendizaje autom\u00e1tico de Eurecat, Arnau Berenguer Jim\u00e9nez.<\/p>\n
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 participaci\u00f3n del SEM como promotor del reto, ha sido liderado por Eurecat, que en colaboraci\u00f3n con la Fundaci\u00f3n i2CAT y Huawei, ha desarrollado la soluci\u00f3n innovadora basada en herramientas de anal\u00edtica avanzada de datos e IA.<\/p>\n","protected":false},"excerpt":{"rendered":"
El desarrollo de la herramienta de predicci\u00f3n tiene por objetivo aprovechar las posibilidades de la inteligencia artificial (IA) entorno al dise\u00f1o de modelos de aprendizaje autom\u00e1tico que ayuden a adecuar la gesti\u00f3n del servicio. El Govern, a trav\u00e9s de la Secretar\u00eda de Pol\u00edticas Digitales del Departamento de Empresa y Trabajo, ha presentado hoy un modelo\u2026<\/p>\n","protected":false},"author":2,"featured_media":19526,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_scj_primary_category_id":91,"_scj_featured":false,"_scj_featured_from":"","_scj_featured_until":"","_scj_featured_order":0,"_scj_visibility_class":"current","_scj_layout_family":"standard","_scj_article_style":"","_scj_display_overrides":[],"_scj_intro_image_id":19526,"_scj_intro_alt":"Modelo de IA predictivo para gesti\u00f3n de emergencias en Catalu\u00f1a","_scj_intro_caption":"","_scj_intro_class":"","_scj_intro_float":"","_scj_full_image_id":19526,"_scj_full_alt":"","_scj_full_caption":"","_scj_full_class":"","_scj_full_float":"","_scj_media_type":"","_scj_media_provider":"","_scj_media_external_id":"","_scj_media_url":"","_scj_media_poster_id":0,"_scj_media_width":0,"_scj_media_height":0,"_scj_media_aspect_ratio":"","_scj_media_description":"","_scj_gallery_items":[],"_scj_related_post_ids":[],"_scj_additional_authors":[],"scj_layout_family":"standard","scj_media_provider":"","scj_media_url":"","scj_full_caption":"","footnotes":""},"categories":[91],"tags":[172,4172,2246],"class_list":["post-19527","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-healthtech","tag-inteligencia-artificial","tag-iot","tag-prediccion-de-datos"],"yoast_head":"\n