Sigesa, líder en soluciones innovadoras para mejorar la gestión sanitaria, se complace en anunciar la promoción de Mikel Calero al cargo de Director de Desarrollo de Software.
En el mundo de la atención médica, la seguridad del paciente se ha consolidado como una prioridad fundamental en el ámbito de la atención médica. El objetivo principal es minimizar los riesgos y daños asociados con la atención clínica a través de prácticas y procesos rigurosos que prevengan errores y eventos adversos. Este enfoque no solo mejora la calidad del cuidado, sino que también garantiza que cada paciente reciba una atención segura y de calidad.
Actualmente, el sector sanitario está experimentando una transformación derivada del uso de tecnologías avanzadas en analítica e Inteligencia Artificial. Las demandas y desafíos a los que se enfrentan los sistemas de salud han impulsado el desarrollo de Modelos de Riesgo, que se han consolidado como una estrategia eficaz para abordar estas necesidades de manera eficiente y efectiva.
El proceso de codificación presenta muchos desafíos. En este artículo, exploraremos algunos de los errores más comunes en la Codificación Clínica del Capítulo 11 CIE-10-MC.
Los sesgos presentes en los modelos de ML representan una preocupación de gran envergadura, en especial en sectores como la Sanidad, donde la precisión y la imparcialidad son aspectos fundamentales para brindar una atención de calidad. Abordar estos sesgos exige un enfoque multidisciplinar que abarque desde la recolección y selección de datos hasta el diseño e implantación de los algoritmos.
Recopilamos los conceptos de IA y Machine Learning así como los sistemas de información en Sanidad, los desafíos que hay y cómo se aplican en Sigesa.
Desmenuzamos los códigos que nos aportan información sobre “Factores que influyen en el estado de salud y contacto con los servicios de salud”
Comentaremos conceptos como la generalización y la robustez, sus desafíos y sus mejoras, la monitorización del rendimiento de los modelos de producción y sus limitaciones.
Se profundizará en los conceptos de interpretabilidad y transparencia y se desmitificará el concepto de "cajas negras" explicando qué hay detrás de los modelos.
Trataremos los sesgos en Sanidad, por qué se pueden producir dichos sesgos y como se pueden mitigar, introduciendo conceptos como imparcialidad y equidad.
