Datatón APRH.AI: encuentro de equipos de investigación y desarrollo de soluciones
Recientemente se llevó a cabo el primer Dataton [1] interno, en el marco del proyecto ARPH.AI -Argentinian Public Health research on data science and Artificial Intelligence for epidemic prevention- con el objetivo de integrar los aportes de todos los equipos de trabajo técnicos que desarrollarán las diferentes soluciones tecnológicas en base a los datos disponibles de las Historias Clínicas Electrónicas (HCE).
El encuentro se realizó durante 7hs. de manera sincrónica y con la participación de más de 35 asistentes, especialistas en las temáticas y representantes de una nutrida y plural procedencia institucional. Los participantes pertenecen a los equipos de investigación dedicados al desarrollo de las soluciones de Inteligencia artificial y Ciencia de datos (IAyCD) realizadas en base a datos de HCE correspondientes a ARPH.AI. Del encuentro se destaca su carácter interdisciplinario por la participación de personas relacionadas al proyecto en diversos planteles y funciones, así como su distribución federal (Entre Ríos, Santa Fe, Córdoba, Buenos Aires, Tandil) y el trabajo articulado de distintas instituciones participantes.
La metodología de la jornada promovió la integración de -y entre- los grupos de trabajo y fue planteada en dos etapas. La primera, se focalizó en la presentación de los equipos de soluciones tecnológicas y sus propuestas iniciales; la segunda fue orientada al trabajo colaborativo donde cada equipo puntualizó objetivos, alcances y limitaciones de cada solución tecnológica. Estas soluciones fueron definidas inicialmente como Dashboard de visualización de datos, Modelo predictivo y Fenotipado computacional. En colaboración con el desarrollo de estos productos, fueron presentados los equipos transversales que abordarán la detección y mitigación de sesgos, acceso a datos, apoyo y coordinación. Se espera que estas soluciones sean incorporadas en la HCE nacional.
ARPH.AI tiene como propósito sentar las bases para incorporar tecnologías y técnicas de frontera como la AyCD a fin de detectar tempranamente potenciales brotes epidémicos en el país y favorecer la toma de decisiones de salud pública preventiva, basada en evidencia, y con perspectiva de género, tanto a nivel nacional como subnacional. Parte del diagnóstico de que, para ello, es necesario disponer de datos digitales de calidad y generar las condiciones para que cada vez más jurisdicciones y provincias argentinas implementen la Historia Clínica Electrónica (HCE), en la cual se captura el dato primario, fundamental para avanzar hacia un sistema público de salud más eficaz y eficiente.
El proyecto ARPH.AI es uno de los 9 proyectos seleccionados por IDRC (Centro Internacional de Investigaciones para el Desarrollo) y Sida (Agencia Sueca de Cooperación Internacional para el Desarrollo) como adjudicatarios de la convocatoria Global South AI4 COVID (http://covidsouth.ai/grantees) y uno de los dos elegidos a nivel regional (LATAM). El programa AI4 COVID se propone apoyar la investigación multidisciplinaria centrada en el uso de Inteligencia Artificial y Ciencia de Datos (IAyCD) para ayudar a la respuesta y recuperación de COVID-19 en países de ingresos bajos y medios.
Para más información del proyecto ARPH.AI ingresá aquí.
Para más información del Global South AI4 COVID ingresá aquí.
[1] Una Maratón de Datos: es una jornada para evidenciar los beneficios que otorga el análisis de datos y de grandes volúmenes de información para la mejora y optimización de las política públicas.