Con el objetivo de generar un diálogo que ayude a reconocer todas las oportunidades y desafíos que presenta la innovación digital y la Ciencia de Datos para los temas en salud, el Departamento de Salud Pública de la Facultad de Medicina de la UNAM organizó el conversatorio “Innovación Digital y Ciencia de Datos en Salud Pública: Hacia políticas basadas en evidencia”.
En la actividad desarrollada en el auditorio “Dr. Fernando Ocaranza”, y transmitida por YouTube, Katherine Priscila Villalobos Abarca, alumna en proceso de titulación de la Licenciatura de Registros y Estadísticas de Salud en la Universidad Estatal a Distancia de Costa Rica, presentó el informe final de su investigación titulada “Comparación de las tendencias o patrones en los registros del Sistema de Información para la Vigilancia Epidemiológica (SISVE) mediante series temporales de datos COVID-19 en población adulta de 18 a 50 años en la sección de Estadística del Área de Salud Oreamuno, Pacayas, Tierra Blanca durante el año 2024”.
Katherine Villalobos explicó que su objetivo pretende mejorar la comprensión de los patrones epidemiológicos locales, con miras a optimizar las estrategias de respuesta sanitaria y reforzar la capacidad de análisis de datos en contextos de Salud Pública. “Este proyecto busca ofrecer una base sólida para la toma de decisiones en Salud Pública mediante un enfoque estadístico avanzado y poco común en el área”, señaló.
La metodología empleada en el estudio se basó en el modelo estadístico ARIMA, comúnmente usado en disciplinas como las finanzas, pero con gran potencial para la Epidemiología. Agregó que el análisis de series temporales le permitió realizar predicciones a partir de datos históricos de 2023 y la primera mitad de 2024. Esta herramienta, aplicada mediante el uso del lenguaje de programación Python, “permitió obtener una visión clara sobre la evolución de casos, identificando patrones y generando proyecciones de los posibles comportamientos epidemiológicos a futuro”, mencionó. La elección de ARIMA y Python facilitó una comprensión más precisa y ágil de los datos, optimizando el análisis y reduciendo la dependencia en métodos convencionales como Excel.
Los resultados del análisis revelaron una clara disminución en la incidencia de COVID-19 a lo largo de 2024, en particular durante el último trimestre del año. A través del modelo ARIMA, se observaron patrones estacionales en los registros de SISVE, lo cual permitió predecir con mayor precisión los cambios en la incidencia de casos. “Los datos confirman que las medidas preventivas implementadas han tenido un efecto positivo, reflejado en la disminución sostenida de casos en los meses recientes”, afirmó la doctora Villalobos Abarca.
Posteriormente, la maestra María Alejandra Aguilar Rodríguez, Jefa de la Sección Académica de Investigación del Departamento de Salud Pública y organizadora del evento, moderó la participación de los panelistas en el conversatorio sobre el tema principal de la actividad.
La doctora Helena Montserrat Gómez Adorno, miembro del Departamento de Ingeniería en Sistemas Computacionales y Automatización del Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas (IIMAS) de la UNAM, compartió su experiencia en Procesamiento de Lenguaje Natural (PLN) aplicado a la Salud Pública, ilustrando cómo esta tecnología se utilizó para analizar expedientes médicos durante la pandemia de COVID-19. Explicó que su equipo implementó un sistema para identificar y centralizar información médica relevante, superando desafíos asociados a la interpretación del lenguaje natural en notas clínicas.
“Uno de los problemas fue procesar de manera automatizada las entrevistas médico-paciente registradas en lenguaje natural. Implementamos algoritmos de PLN para identificar palabras clave como síntomas y comorbilidades en las bases de datos locales de hospitales, creando un sistema que centralizaba esta información para desplegar estadísticas útiles en el manejo de la pandemia”, detalló.
Desde su experiencia en el procesamiento de imágenes médicas, el doctor Jorge Luis Pérez González, miembro de la Unidad Académicas IIMAS en Yucatán, destacó el valor de las pruebas radiográficas y tomográficas en el diagnóstico y seguimiento de pacientes afectados por COVID-19. En su intervención, propuso la inclusión de estas herramientas en estudios epidemiológicos para cuantificar el grado de lesión pulmonar en diferentes tipos de pacientes y así poder realizar análisis más detallados sobre las secuelas de la enfermedad. “Sería interesante plantear estudios adicionales que incorporen la imagen médica para cuantificar el grado de lesión pulmonar. Esto ayudaría a observar secuelas en los pacientes y contribuir a un diagnóstico más rápido. Aunque podría ser complicado en áreas rurales sin acceso a equipo avanzado, es un enfoque que valdría la pena explorar”, subrayó.
Por otro lado, en el ámbito de las tecnologías emergentes, el doctor Eduardo González Guerra, Jefe de Área de Vigilancia Epidemiológica de Sistemas Especiales de Enfermedades No Transmisibles de la UNAM, enfatizó la importancia de una infraestructura que centralice y estandarice los datos médicos a nivel nacional, especialmente para avanzar en los esfuerzos de diagnóstico y vigilancia. Asimismo, señaló que las políticas gubernamentales tienen un papel fundamental en el aprovechamiento de estas innovaciones, destacando el cambio de sexenio como una oportunidad para redefinir el manejo de la información en salud: “No podemos hacer mucho hasta que tengamos una estandarización y recuperación completa de la información médica. Este proceso es crucial para el análisis y la integración de datos a nivel nacional, lo cual podría definir nuestra dirección futura. En este sentido, tengo esperanzas de que el nuevo equipo de la Secretaría de Salud impulse estos esfuerzos.”
El doctor Carlos Alberto Pantoja Meléndez, académico del Departamento de Salud Pública de la Facultad de Medicina, subrayó la importancia de contextualizar la vulnerabilidad de las comunidades antes de diseñar estrategias de vigilancia sanitaria. Según su experiencia, es fundamental entender las realidades específicas de cada población y cuestionar los estándares de vulnerabilidad para generar datos de calidad que reflejen de manera precisa la situación de salud en estas áreas: “Antes de considerar una comunidad como vulnerable, es esencial entender sus condiciones reales de desarrollo y acceso a servicios. En muchos casos, el sistema de información se centra en volúmenes de datos sin abordar la calidad de la información, lo cual limita la capacidad de comprender lo que realmente ocurre en estas poblaciones.”
Fotografías: Brisceida López
Finalmente, la maestra Aguilar Rodríguez agradeció a los ponentes y a los asistentes por su participación, recalcando que esta actividad dio la oportunidad de analizar la importancia de la colaboración interdisciplinaria para fortalecer tanto la Ciencia de Datos como la Salud Pública, y generar políticas más informadas que ayuden a mejorar el estado de salud de la población.
Diego García
