Ordenador con datos estadísticos
En 1854, muchos años antes de que se empezase a hablar de inteligencia artificial, una enfermedad estaba acabando con la vida de millones de personas. Se trataba del cólera, una plaga que se extendía con fuerza por las calles de Londres, el centro político y social de un imperio que se extendía por los cinco continentes.
Las autoridades sanitarias del momento se centraron en el mal aire de la ciudad, pero hubo un médico al que no le convencían estas explicaciones. Se fiaba más del poder que otorgan los datos. Hizo estudios estadísticos calle por calle y logró crear un mapa que reveló la relación entre las muertes y una bomba de agua contaminada.
Con estos análisis geográficos, el médico (que se llamaba Jhon Snow pero nada tenía que ver con el personaje de Juego de Tronos) acababa de sentar las bases de la epidemiología moderna. Aunque no vivió para ver a la Junta de Salud Pública de Reino Unido reconocer plenamente su teoría, su aportación a la medicina se sigue recordando casi dos siglos después de su muerte.
No menos relevante, y más o menos contemporánea, fue la aportación de Florence Nightingale, la enfermera que se convirtió en la precursora de la estadística aplicada. Por aquel entonces, la estadística era privilegio de científicos sumidos en números, tablas y fórmulas complejas de entender para el público general.
Los gráficos estadísticos se limitaban a barras y los más vanguardistas, eran gráficos circulares (torta o pie). Sin embargo, Florence reconoció en la estadística la oportunidad de leer su propia realidad (sanitaria en este caso) y hacer propuestas de solución, es decir, aplicar la estadística al mundo real. Su gran aportación fue un gráfico circular que pasó a la historia como “la rosa de Nightingale”.
La aportación de Florence Nightingale, la enfermera que se convirtió en la precursora de la estadística aplicada
Cuenta la leyenda que Florence eligió hacer este resumen gráfico con la intención de persuadir a la Reina Victoria de la necesidad de crear políticas públicas en torno a salud, con el objeto de mejorar las pésimas políticas de salubridad que se practicaban al interior del ejército inglés y de toda Inglaterra, lo que, entre otras cosas, derivó en la creación de la carrera de enfermería.
Pero no hace falta irse tan lejos en el tiempo para entender cómo el análisis de los datos ha salvado miles de vidas. De la última vez nos acordamos todos. En el año 2020, una enfermedad sin precedentes obligó a más de la mitad de la humanidad a recluirse en sus domicilios.
Se calcula que pudo causar la muerte a 20 millones de personas, pero podría haber sido mucho peor. Pfizer y BioNTech lograron desarrollar la vacuna contra la Covid-19 en un tiempo récord de solo 269 días, en gran parte gracias al análisis de datos y el uso de nuevas tecnologías. Redujeron así un proceso que normalmente lleva entre 8 y 10 años.
Un 50% menos de accidentes en carreteras
El análisis de los datos no salva vidas solo a través de la medicina. También puede hacerlo a través de la prevención, como en Suecia. El país báltico es hoy uno de los más seguros del mundo, con solo 314 muertes al año. Pero no ha sido fruto de la casualidad, sino de un programa conocido como Vision Zero.
Esta iniciativa analiza datos de tráfico para rediseñar carreteras y establecer límites de velocidad adaptados a cada una de ellas. Desde su puesta en marcha en 1997, ha conseguido reducir un 50% las muertes en las carreteras donde se aplica. Además, el dinero empleado en mejorar la seguridad de las carreteras ha demostrado ser una excelente inversión que aporta una rentabilidad financiera anual situada entre el 9% y el 22%. El gasto en seguridad vial se ha visto más que compensado por el ahorro en el costo de los traumatismos generados por los accidentes.
Hay más casos. El sistema RAPIDS (Resource and Patient Delivery System) en la India utiliza análisis de datos para optimizar la ubicación de ambulancias y mejorar los tiempos de respuesta en emergencias. Este enfoque combina datos de localización y algoritmos de predicción para asignar ambulancias estratégicamente y garantizar que lleguen rápidamente a los pacientes en situaciones críticas.
Las cosas han cambiado mucho desde 1854, pero una constante permanece: el valor de los datos para salvar vidas. Solo que hoy contamos con mucha más tecnología. Con redes neuronales capaces de imitar aspectos del pensamiento de las personas, con un sistema de computación muy robusto y mayor acceso a los datos gracias a Internet. Combinar esas variables para salvar vidas está en nuestras manos, y a eso deberían enfocarse gran parte de los esfuerzos en este momento de la IA. Conseguirlo debe ser hoy una prioridad para todos.
*** Alicia Richart es directora general de Afiniti para España y Portugal.