La Universitat Politècnica de València ha desenrotllat un model de microsimulació basat en intel·ligència artificial per a millorar la salut de les persones sense llar. La ferramenta permet preveure com influïxen la qualitat de vida i l’accés a l’atenció mèdica en els resultats de salut i orienta el disseny d’estratègies de prevenció del càncer i d’altres malalties cròniques en poblacions vulnerables.
microsimulació per a anticipar intervencions
El model utilitza tècniques avançades d’aprenentatge automàtic per a generar poblacions sintètiques, és a dir, representacions virtuals de persones amb característiques similars a les reals. Amb estes poblacions se simulen escenaris i s’estima com respondrien diferents grups a una intervenció abans d’aplicar-la, la qual cosa facilita prioritzar accions, ajustar el seu abast i optimitzar l’ús dels recursos disponibles. En treballar amb dades sintètiques, a més, es protegix la privacitat dels participants sense perdre capacitat d’anàlisi.
Per al seu entrenament s’han analitzat dades de 652 persones sense llar d’Espanya, Grècia, Àustria i el Regne Unit, que van participar durant 18 mesos en un programa basat en el model Health Navigator, centrat en l’acompanyament sanitari i l’apoderament personal. Este enfocament permet mesurar canvis en variables clau —com a adherència a cites, hàbits d’autocura o barreres d’accés— i traslladar eixos patrons a l’entorn simulat per a valorar quines intervencions són més eficaces en contextos reals.
‘Les persones que viuen al carrer afronten un major risc de patir càncer degut a l’exclusió social, la falta de vivenda i les dificultats d’accés a l’atenció mèdica. Este estudi busca millorar la prevenció del càncer i donar suport a la presa de decisions en polítiques sanitàries’, explica Juan Miguel García-Gómez, responsable del grup BDSLab-ITACA.
El treball, publicat en la revista Computer Methods and Programs in Biomedicine, forma part del projecte europeu CANCERLESS, finançat per Horizon 2020. Esta integració permet avaluar, de manera comparable entre països, quines mesures de cribratge, acompanyament o educació per a la salut aporten un major benefici quan els recursos són limitats.
Impacte i següents passos
‘El nostre algorisme demostra el potencial de la IA per a simular l’impacte de les intervencions i fer costat als professionals sanitaris en la planificació de recursos. A més, permet anticipar l’efecte d’una intervenció fins i tot quan les dades són limitades, i fer-ho sense comprometre la privacitat dels participants’, destaca l’investigador principal de l’estudi Antonio Blasco-Calafat.
Segons l’equip, la ferramenta oferix una nova manera d’avaluar virtualment programes de salut i prevenció abans de la seua aplicació real, amb millores en eficiència i equitat en assignar recursos allí on generen major impacte. S’ha creat, a més, un demostrador interactiu en línia que permet visualitzar el procés de simulació i entendre com canvien els resultats en modificar les intervencions.
‘La intel·ligència artificial ens ajuda a dissenyar intervencions més precises i sostenibles per a les persones més vulnerables‘, afig Vicent Blanes, investigador de l’Institut ITACA. La metodologia obri la porta a la seua aplicació en altres àmbits de la salut pública i de les polítiques socials, especialment en la prevenció de malalties cròniques i en l’avaluació d’estratègies d’inclusió i benestar.
‘La intel·ligència artificial aplicada a la microsimulació ens permet comprendre millor com les desigualtats estructurals influïxen en la salut i dissenyar solucions més eficaces i basades en l’evidència científica’, conclou Ascensión Doñate, investigadora d’ITACA.
