Noticias

Liliana Millán expone en el Data Pub de marzo sobre inteligencia artificial para la codificación médica en urgencias

27 de Marzo de 2025
Imagen 1

El 27 de marzo, la sede Mixcoac de la Escuela de Gobierno y Transformación Pública (EGobiernoyTP) fue el escenario del más reciente Data Pub, un evento dedicado a la discusión de avances y desafíos en ciencia de datos e inteligencia artificial. En esta edición, la ponente fue Liliana Millán Núñez, científica de datos en el Laboratorio de Ciencia de Datos para el Bien Social de la Universidad Carnegie Mellon.

 

El objetivo de la charla fue analizar cómo, aunque los modelos de lenguaje (LLM´s) han revolucionado la inteligencia artificial y la interacción con la tecnología en diversas industrias, estas herramientas no siempre son la mejor solución. Se discutió la importancia del contexto en la toma de decisiones basadas en IA, argumentando que el problema en sí mismo debe guiar la elección de la tecnología y no al revés.

 

Durante su presentación, Millán compartió su experiencia en el desarrollo de un modelo de clasificación para mejorar la codificación de diagnósticos médicos en salas de urgencias de Pakistán, en colaboración con Indus Hospital and Health Network (IHHN). Explicó que la falta de un sistema estandarizado en los registros médicos dificulta el análisis histórico de visitas, la identificación de brotes y la planificación de recursos médicos. Actualmente, este proceso depende de especialistas que leen y codifican manualmente las notas médicas, lo que demanda tiempo y recursos significativos.

 

El proyecto, surgido en 2022 a partir de un fellowship, planteó la automatización del proceso mediante modelos de inteligencia artificial. Se analizaron diferentes enfoques, desde métodos tradicionales de recuperación de información y machine learning hasta modelos de lenguaje avanzado (LLMs). A pesar de su potencial, los LLMs resultaron ser costosos y difíciles de implementar en el entorno específico de los hospitales asociados. Finalmente, se optó por un modelo de Random Forest, que actualmente se encuentra en fase de pruebas y análisis comparativo con LLMs para evaluar su precisión y aplicabilidad en distintos niveles de diagnóstico.

 

Entre los principales aprendizajes del proyecto, Liliana destacó la importancia de delimitar correctamente el alcance del problema, identificar a los actores involucrados y considerar desde el inicio las restricciones del entorno en el diseño de soluciones tecnológicas. También enfatizó que el desempeño de un modelo no debe medirse únicamente por métricas de precisión, sino que factores como la viabilidad de implementación y la compatibilidad con los sistemas existentes son cruciales para su éxito.

 

Al término de la presentación, se abrió un espacio de preguntas y respuestas en el que los asistentes pudieron profundizar en los detalles técnicos del proyecto y debatir sobre el impacto de la IA en la toma de decisiones. Posteriormente, se llevó a cabo una sesión de networking que permitió la interacción directa entre el público y la ponente.

 

Desde la EGobiernoyTP, este tipo de encuentros refuerzan el compromiso con la generación de conocimiento aplicado y la promoción de soluciones tecnológicas que impacten positivamente en la sociedad. La exploración de innovaciones en inteligencia artificial y su alineación con necesidades específicas del sector público y social reflejan la visión de la escuela en la creación de valor público y en la formación de profesionales capaces de transformar su entorno.