big data

Destacado home

Destacado

Categoría

Big Data

fecha noticia

NOVIEMBRE 2024

Imagen destacada

ficheros_documentos

Autor original

Schneider Electric

Etiquetas

schneider electric

Destacado listado

IA y Big Data aplicadas a procesos asistenciales

redaccion@hospitecnia.com — Wed, 26 Jun 2024 11:12:54 +0000

IA y Big Data aplicadas a procesos asistenciales Mié, 26/06/2024 - 11:12

Programación tradicional vs. machine learning

La inteligencia artificial (IA) es un término amplio que engloba varios subcampos que abarcan desde la planificación y resolución de problemas hasta la robótica y el procesado de lenguaje natural. El aprendizaje automático, o machine learning (ML), es una rama de la IA que ha cobrado especial relevancia debido a su rol catalizador en los progresos recientes de otras disciplinas de la IA. Estos avances han provocado un cambio paradigmático, desplazando técnicas antiguas en favor de métodos de ML en áreas como la visión por computadora y el análisis de texto y audio.

El machine learning ofrece un enfoque para construir programas informáticos en situaciones donde el conocimiento exacto de todas las variables y su interacción es inaccesible o demasiado complejo para una codificación explícita y directa. A diferencia de la programación tradicional, donde el comportamiento del sistema está claramente definido por reglas explícitas, el ML permite generar modelos a partir de datos históricos que “aprenden” a hacer predicciones y, en algunos casos, a tomar decisiones. Esto es crucial en campos como la medicina, donde la precisión del conocimiento puede ser difusa, como en la detección de tumores en imágenes médicas. A pesar de su potencial, los modelos de ML requieren validaciones rigurosas para asegurar su fiabilidad, ya que no se pueden predecir todas sus respuestas con certeza.

Los algoritmos de ML se dividen en dos categorías principales: supervisados y no supervisados.

Los algoritmos supervisados se utilizan para crear modelos predictivos que inferirán una variable futura o presente a partir de datos conocidos; estos pueden ser tanto de regresión, para predecir una cantidad numérica, como de clasificación, para determinar una etiqueta entre varias posibles.

Por otro lado, los algoritmos no supervisados están orientados a extraer conocimientos y patrones de los datos, encontrando asociaciones intrincadas entre múltiples variables, diferenciando poblaciones o identificando subgrupos con características similares a través de técnicas de clustering.

Las aplicaciones de ML en el sector salud también incluyen modelos generativos y prescriptivos, que a menudo se basan en modelos predictivos o descriptivos subyacentes. Este artículo pone el foco en cómo la introducción de la IA, en particular del ML, puede beneficiar la gestión y la operación en el ámbito sanitario, un aspecto crucial que forma el núcleo de la discusión.

La gestión

La visión comúnmente difundida de la inteligencia artificial aplicada a la salud se centra en la medicina de precisión, que contempla el diagnóstico y tratamiento personalizado para cada paciente. Sin embargo, la implementación generalizada de este enfoque se enfrenta a múltiples barreras en la realidad actual. Para realizar predicciones o prescripciones individualizadas es necesario acceder a un volumen sustancial de datos del paciente, que, debido a la fragmentación del sistema de salud, están dispersos en múltiples sistemas de información no interoperables.

Además, la aplicación de tratamientos basados en datos implica retos éticos, resistencia al cambio por parte de los profesionales de la salud, y desafíos legales en cuanto a la validación de las soluciones propuestas. Los riesgos asociados a un error en estos sistemas pueden tener consecuencias graves para la salud o incluso la vida de los pacientes, lo que justifica el escepticismo y la demanda de validaciones exhaustivas y un marco legal y jurisprudencial más amplio y sólido.

La medicina de precisión también requiere considerable inversión en investigación y recursos, limitando su alcance a grandes organizaciones y centros de investigación avanzada. Por otra parte, la gestión de la salud utilizando IA es una alternativa inmediatamente viable y de alto impacto en las organizaciones sanitarias. Se pueden emplear datos de actividades rutinarias, como la administración y la facturación, que son más accesibles y sencillos de estandarizar que los datos clínicos requeridos para la medicina de precisión.

La predicción en el ámbito de la gestión de la salud, como el número de visitas a urgencias, tiene implicaciones éticas menores, y se sujeta a regulaciones más permisivas. Además, en un contexto donde los recursos para la salud pública son limitados, el enfoque en la gestión mediante IA puede generar eficiencias en el sistema, liberando recursos económicos y humanos que a largo plazo pueden favorecer la evolución hacia prácticas más personalizadas en medicina.

La gestión territorial

La necesidad de una gestión territorial informada por datos es cada vez más crítica debido a la complejidad de los pacientes y del sistema de salud en su conjunto. La gestión efectiva debe atender a la amplia diversidad de recursos sanitarios disponibles, que son cada vez más escasos, y debe enfrentarse a la variabilidad inherente a los grandes sistemas de salud. En muchos casos, dicha variabilidad puede ser indeseada o incluso perjudicial, y es frecuentemente desconocida. Los algoritmos de machine learning desempeñan un papel crucial en la identificación y análisis de esta variabilidad, permitiendo a los gestores detectarla, evaluarla y mitigarla acorde a las necesidades.

La idea de un hospital SMART solo puede concebirse dentro del marco de un territorio igualmente SMART. El territorio influye significativamente en el perfil de los pacientes que acuden al hospital y, en consecuencia, en los tratamientos y recursos necesarios para su atención. Los gestores territoriales, que pueden ser responsables de un país entero, una región sanitaria o una localidad, tienen dos grandes responsabilidades: hacia el financiador, garantizando la optimización de la actividad y recursos, y hacia la población, asegurando que los servicios de salud concuerdan con las necesidades reales, promoviendo la equidad, accesibilidad, calidad en los tratamientos y la prevención.

Para cumplir estas responsabilidades, los gestores necesitan herramientas que les permitan analizar el flujo de pacientes a través del territorio, las desviaciones y variabilidades, y las necesidades de personal sanitario. Con un conocimiento profundo de la población, pueden valerse de la inteligencia artificial para desarrollar programas de salud que incluyan alternativas a la hospitalización, priorizando los cuidados domiciliarios y la atención en el entorno del paciente cuando sea posible.

Caso práctico

En el contexto de un área montañosa con una población dispersa y envejecida que enfrenta desafíos tanto en el ámbito económico como en el sanitario, una herramienta de machine learning no supervisada puede ser de gran ayuda para entender los patrones de salud y las necesidades de la comunidad. La herramienta permite identificar qué problemas de salud son más prevalentes en la región y cómo estos están interconectados. Este análisis detallado es esencial para garantizar la equidad y la accesibilidad de los servicios sanitarios, alineándose con el deber del sistema de salud de ofrecerlos a todos por igual.

Los hallazgos sustanciales mostraron que un número significativo de casos atendidos fuera del área de gestión local podría haber sido manejado a nivel local. Se determinó que la mayoría de los casos, potencialmente hasta un 80%, podrían resolverse sin referirlos a servicios especializados externos. Esto abre la posibilidad de retener más de la mitad de los casos actualmente referidos, lo que tiene implicaciones tanto en eficiencia como en satisfacción del paciente.

Sin embargo, no todos los casos se benefician de ser atendidos localmente debido a la escasez de especialistas en estas regiones menos desarrolladas, lo que desincentiva su presencia y suscita la necesidad de explorar alternativas a la hospitalización tradicional. La gestión territorial se enfrenta al desafío de mejorar la integración y el cuidado, así como de maximizar la derivación y motivación de los profesionales sanitarios.

La herramienta de machine learning examina los datos de hospitalización (CMBD) para identificar patrones significativos que indican las enfermedades crónicas y condiciones predominantes entre los pacientes. Este conocimiento puede contribuir a la implementación de programas de salud específicos y a la introducción de tecnologías como la telemedicina, que podrían ser más adecuadas antes que otras intervenciones. La telecardiología, por ejemplo, puede ser prioritaria en regiones con un alto porcentaje de pacientes cardíacos que podrían beneficiarse de este acercamiento proactivo.

La prevención también juega un rol crucial. Es posible identificar patrones de pacientes con insuficiencia cardíaca que ingresan al hospital para desarrollar estrategias de coordinación con atención primaria y servicios de cuidado a domicilio, con el fin de reducir el número de hospitalizaciones evitables. Más allá de la prevención básica enfocada en hábitos como el tabaquismo, es posible orientar esfuerzos hacia la prevención en enfermedades con alta tasa de hospitalización como la insuficiencia cardíaca.

Las herramientas de machine learning tienen la capacidad de trabajar con cientos de dimensiones y variables, lo que permite establecer patrones comprensivos sobre los perfiles de salud de los pacientes y vincular esos patrones a tratamientos médicos, procedimientos quirúrgicos y otras atenciones, incluida la atención social. La integración de datos sociales y sanitarios se ha vuelto más accesible y puede proporcionar una visión más amplia y coherente de las necesidades de una población, en comparación con el análisis estadístico convencional.

La visualización de la información permite a los expertos concentrarse en grupos específicos de pacientes con necesidades particulares, como por ejemplo aquellos con múltiples comorbilidades que requieren cuidados a domicilio. Prever las necesidades de atención a domicilio en una población de edad avanzada y discernir qué problemas diferencian a los pacientes que ya están recibiendo este tipo de atención, permite a los gestores de salud tomar decisiones más informadas.

En términos de planificación estratégica y operativa, la herramienta puede ser utilizada para realizar análisis a varios niveles administrativos, desde una perspectiva nacional hasta una más localizada, como los centros de atención primaria. La eficiencia radica no en la granularidad del análisis, sino en la disponibilidad y calidad de los datos históricos, permitiendo enfocarse en la prevención y el manejo de condiciones complejas antes de que escalen a requerir intervenciones más costosas y extensas como el ingreso en residencias sanitarias.

En resumen, el análisis integral que ofrecen estas herramientas basadas en machine learning es fundamental para comprender y responder a las necesidades diferenciadas de un territorio en materia de salud, lo que facilita una gestión más efectiva y adaptativa de los recursos y servicios de atención sanitaria.

La gestión hospitalaria: triple responsabilidad

En la gestión hospitalaria, se reconoce una triple responsabilidad que incorpora no solo las obligaciones hacia el financiador y la población, sino también hacia los profesionales de la salud. La dirección hospitalaria debe garantizar no solo el cumplimiento de contratos y un uso eficiente de los recursos para la sociedad, sino también asegurar la accesibilidad y minimizar los riesgos para los pacientes, además de identificar y corregir cualquier desviación de los estándares de calidad establecidos.

La responsabilidad hacia los profesionales se manifiesta de manera más directa, enfocándose en ofrecer buenas condiciones de trabajo y las herramientas necesarias para su desempeño eficiente. Esto incluye la desburocratización y la eliminación o automatización de tareas de bajo valor añadido. La inteligencia artificial es un medio para mejorar significativamente la anticipación y planificación de los recursos hospitalarios, facilitando así el trabajo del personal y los directores de servicio.

Desburocratización y automatización de procesos

La desburocratización y la automatización de procesos están entre los primeros aspectos en los que la inteligencia artificial está comenzando a ofrecer asistencia. Los verificadores de síntomas, como Symptom Mate, pueden ayudar a los pacientes a entender su condición y decidir si necesitan asistir a urgencias. Chatbots específicos, como los desarrollados para manejar las consultas de COVID-19, y sistemas de triaje automatizado para casos de baja complejidad son otros ejemplos de cómo la IA puede optimizar la gestión de los servicios de salud.

En el futuro próximo, se espera que la IA tenga la capacidad de transcribir interacciones médico-paciente, liberando a los profesionales de la salud de la carga administrativa y permitiéndoles concentrarse más en el paciente en lugar de en tareas de documentación. La automatización de la gestión administrativa y la generación de alertas inteligentes son otras áreas en las que la IA puede desempeñar un papel significativo. Hay sistemas existentes que generan advertencias relacionadas con prescripciones incompatibles o interacciones entre medicamentos, pero el potencial de la IA para aprender de la experiencia y generar nuevas alertas representa una evolución importante en esta área.

Además, hay que enfatizar la importancia de desarrollar herramientas de inteligencia artificial que sean validadas, fiables, escalables, y que puedan extenderse más allá del contexto en el que fueron creadas inicialmente. La colaboración entre profesionales de la salud y expertos en inteligencia artificial es fundamental para asegurar que las soluciones propuestas sean efectivamente aplicables en distintos entornos hospitalarios y que contribuyan significativamente a la mejora de la calidad del cuidado y la eficiencia de los servicios ofrecidos.

Herramientas tipo “anticipar y planificar”

En el ámbito de la gestión hospitalaria, la adopción de herramientas de inteligencia artificial que permiten anticipar y planificar futuras necesidades se ha vuelto crucial para transformar organizaciones de salud reactivas en entidades proactivas. Anticipar se refiere a prever la demanda de servicios médicos en el corto y largo plazo, desde horas hasta meses, pronosticando tipos de pacientes y la severidad de sus condiciones, los recursos necesarios para su atención, así como la disponibilidad de dichos recursos, incluido el personal. Estas predicciones se basan en datos históricos analizados mediante algoritmos de machine learning.

La capacidad de prever con precisión permite mejorar los tiempos de espera, tanto en urgencias como en listas de espera quirúrgicas, y reducir el estrés que afrontan los profesionales sanitarios. Se ha documentado ampliamente que reduciendo estos dos factores se disminuye el número de errores médicos y complicaciones, lo que a su vez mejora la seguridad y las condiciones de trabajo para el personal y aumenta la satisfacción y seguridad de los pacientes. Además, la planificación a largo plazo puede optimizar los contratos y turnos de los trabajadores, una de las principales influencias en la satisfacción laboral.
Estas herramientas también pueden mejorar la coordinación entre servicios y la toma de decisiones colaborativas si los distintos departamentos pueden prever no solo sus propias necesidades sino también las de otros, facilitando así la redistribución de recursos cuando sea necesario.

Flujos de pacientes

La gestión eficaz de los flujos de pacientes dentro de un hospital es fundamental para la mejora continua del sistema sanitario. Las herramientas de inteligencia artificial han ido adquiriendo gran relevancia en la anticipación de la actividad hospitalaria y en la disponibilidad de recursos en los puntos críticos, como son las urgencias. Estas herramientas pueden predecir la tipología de pacientes entrantes, su grado de severidad, cuántos requerirán hospitalización y, por tanto, el número de camas necesarias, así como la presión que se ejercerá sobre bloques quirúrgicos y otros recursos. Igualmente, son capaces de predecir la lista de espera y la carga de trabajo en servicios de soporte como laboratorios y farmacias.

Uno de los puntos clave de estas soluciones es su escalabilidad; se enfocan en predecir volúmenes de actividad y recursos más que en eventos individuales. Esto es crucial debido a que realizar predicciones a nivel de pacientes individuales puede ser extremadamente complejo, debido a la necesidad de acceso a datos que no siempre están fácilmente disponibles o integrables. Además, al predecir volúmenes, las implicaciones éticas son menores y se facilita la adopción debido a que los profesionales pueden percibir una mejora tangible en su gestión de manera más inmediata.

Imagen destacada

Destacado home

Destacado

Categoría

Big Data

Etiquetas

analítica de datos

Puede descargar este artículo en formato PDF haciendo clic aquí.

Fecha Artículo

JUNIO 2024

Autor

Ricard Gavaldà

País

España

Recursos humanos

El análisis y la predicción de recursos humanos también es un área importante para la aplicación de la inteligencia artificial en la gestión hospitalaria. Las predicciones pueden dirigirse no solo hacia las tasas generales de absentismo sino también hacia la planificación y asignación de turnos. Asimismo, puede apoyar la contratación, teniendo en cuenta las necesidades futuras de personal y el absentismo programado, y ayudar en la planificación de la formación y el desarrollo profesional. En este contexto, la cultura del registro es fundamental: sin datos registrados adecuadamente, es imposible hacer predicciones precisas.

Desde una perspectiva técnica, muchas de las aplicaciones en cuestión involucran la predicción de series temporales, donde el eje X representa el tiempo y el eje Y representa el volumen de alguna variable, como absentismo o necesidad de camas de hospital. A diferencia de los modelos estadísticos, que generalmente no son adaptativos a los cambios en los patrones de datos, los algoritmos de machine learning pueden actualizar sus predicciones en tiempo real en respuesta a variaciones ambientales como el clima o eventos locales.

Predicción de series temporales

Adicionalmente, para ciertas predicciones se puede utilizar información ya disponible de los pacientes actualmente dentro del sistema, como los que están ocupando camas en el hospital. En estos modelos la identidad del paciente no es relevante y los datos deben estar altamente anonimizados para cumplir con regulaciones como el RGPD, garantizando así la privacidad de la información.

La inteligencia artificial puede ser una herramienta muy potente para una administración más eficiente de los recursos humanos y físicos de los hospitales, propiciando una óptima planificación de servicios y una mejora en la calidad de atención al paciente. La implementación de estas tecnologías representa un paso adelante hacia la optimización de la atención médica y la gestión hospitalaria moderna.

Machine learning, soporte de la gestión hospitalaria

Análisis de diagnósticos NOPOA: prevención

El análisis de diagnósticos conocidos como NOPOA (Non-Present on Admission, o No Presentes al Ingreso) es esencial para la prevención de complicaciones y la mejora de los resultados en la atención hospitalaria. Las herramientas de inteligencia artificial pueden identificar patrones y variabilidades en los tipos de pacientes atendidos y asociar aquellas complicaciones que no estaban presentes al momento del ingreso del paciente. Esto permite una acción más precisa y enfocada hacia áreas que requieren intervención para mejorar los indicadores de calidad de atención.

Estos análisis pueden realizarse a diversos niveles, desde el hospital en su conjunto hasta servicios específicos o procesos particulares. Por ejemplo, al analizar los patrones de pacientes atendidos en un servicio y examinar los diagnósticos NOPOA asociados con cada tipología de pacientes, se pueden identificar grupos específicos de pacientes con un riesgo elevado de problemas post-ingreso significativos, como infecciones o fallos renales. La detección de estos grupos o clústeres permite a los profesionales médicos enfocarse en intervenciones más dirigidas y eficientes. En el caso de pacientes sometidos a intervenciones médicas como amputaciones, el análisis de patrones puede revelar subgrupos con condiciones particulares, como diabetes o insuficiencia renal crónica, que presentan una mayor probabilidad de complicaciones. Así, las acciones preventivas o correctivas pueden dirigirse hacia aquel segmento de pacientes —ya sean el 15%, el 20% o hasta el 50%— que representan un alto riesgo de desfechos adversos.

Análisis de case-mix

El análisis de case-mix también puede aplicarse a grupos que, aunque considerados homogéneos según ciertos sistemas de clasificación, al analizarlos más a fondo revelan variabilidades significativas. Por ejemplo, a pesar de compartir un mismo grupo de DRG (una categoría de severidad de enfermedad), se puede observar que dentro de este grupo existe una tasa de mortalidad elevada que exige un análisis detallado para determinar las causas y posibles intervenciones.

Este enfoque permite, por lo tanto, un diagnóstico de la situación mucho más rápido y específico para cada servicio, lo que a su vez facilita las acciones de mejora no solo a nivel de los servicios clínicos, sino también en la documentación, calidad y apoyo a la dirección clínica. La implementación de esta tecnología ayuda a reducir no solo el personal necesario y la burocracia, sino también el estrés y los riesgos, contribuyendo al mejoramiento de la seguridad del paciente y del profesional.

En última instancia, estos análisis y mejoras no se ejecutan sobre individuos específicos de forma directa, sino sobre conjuntos de pacientes que comparten características similares. Si bien la predicción de resultados para una persona en particular no puede ser del todo precisa, la optimización de los procesos se traduce en beneficios tangibles para el colectivo de pacientes atendidos.

Para continuar leyendo este artículo, y descargarlo en formato PDF, debe registrarse o iniciar sesión en la web.

Destacado listado

Schneider Electric presenta una nueva gama de productos para centros de datos de IA eficaz y aplicaciones de alta densidad

redactor@hospitecnia.com — Thu, 13 Jun 2024 20:57:33 +0000

Schneider Electric presenta una nueva gama de productos para centros de datos de IA eficaz y aplicaciones de alta densidad Jue, 13/06/2024 - 20:57

Schneider Electric, líder en la automatización y transformación digital de la gestión de la energía, ha presentado la nueva gama de productos de White Space para centros de datos, es decir, el espacio donde se ubican los racks y los equipos informáticos dentro de un centro de datos. Esta nueva cartera incluye la segunda generación de racks NetShelter SX (NetShelter SX Gen2), el nuevo NetShelter Aisle Containment y una próxima actualización de la NetShelter Rack PDU Advanced, diseñada para satisfacer las necesidades cambiantes de los centros de datos modernos, en particular los que manejan aplicaciones de alta densidad y cargas de trabajo de IA, así como requisitos normativos como la Directiva Europea de Eficiencia Energética (EED).

Los racks NetShelter SX Gen2 se han diseñado específicamente para satisfacer las exigencias de los centros de datos actuales. Estos nuevos racks pueden soportar hasta un 25% más de peso que los modelos anteriores, con una capacidad aproximada de 1.814 kg, lo que resulta esencial para alojar los equipos más pesados y densos asociados a la IA y la informática de alto rendimiento.

La perforación mejorada de las puertas aumenta el flujo de aire, vital para refrigerar los servidores de alta densidad, mientras que los racks ofrecen más espacio y mejores opciones de gestión del cableado para configuraciones de servidores más grandes y complejas.

Dado que la seguridad de los equipos físicos sigue siendo un requisito importante, los armarios están fabricados totalmente en acero y cuentan con sistemas de cierre de 3 puntos para mejorar la protección del centro de datos.

Los racks NetShelter SX Gen2 reducen su impacto global en el cambio climático en un 3,3% por rack y están diseñados para ser altamente reciclables, ya que aproximadamente el 97% de su estructura es reciclable. Estos racks están disponibles en tamaños estándar de 42U, 45U y 48U junto con modelos anchos, extra-anchos y profundos.

«Nuestros racks NetShelter SX Gen2 suponen un gran avance a la hora de resolver las necesidades críticas de las aplicaciones de alta densidad», afirma Elliott Turek, Director of Category Management, Secure Power Division, Schneider Electric. «Con un mejor soporte de peso, gestión del flujo de aire y seguridad física, estamos permitiendo a nuestros clientes optimizar las operaciones de sus centros de datos a la vez que impulsamos su sostenibilidad.»

Refrigeración avanzada y flexibilidad con la contención de NetShelter Aisle

El último NetShelter Aisle Containment puede conseguir hasta un 20% más de capacidad de refrigeración. Esto es crucial para gestionar el calor generado por los servidores de IA y otras aplicaciones de alta densidad. El sistema incorpora un controlador de flujo de aire que automatiza la velocidad de los ventiladores, reduciendo su consumo de energía hasta en un 40% en comparación con los sistemas tradicionales de refrigeración pasiva.

Los sistemas de contención de fabricantes independientes ofrecen mayor flexibilidad y rapidez de configuración a los operadores de centros de datos, lo que permite una integración y adaptación más sencillas a las construcciones existentes. El nuevo diseño también simplifica la instalación y las modificaciones sobre el terreno, al tiempo que reduce el gasto energético entre un 5 y un 10%.

«La contención sigue siendo primordial en los centros de datos de alta densidad actuales», afirma Elliott Turek. "Incluso en las aplicaciones refrigeradas por líquido, el rechazo del calor del aire desempeña un papel fundamental. Nuestras soluciones NetShelter Aisle Containment no sólo mejoran la capacidad de refrigeración, sino que también ofrecen un importante ahorro energético, en línea con nuestro compromiso con la sostenibilidad."

Seguridad y control con NetShelter Rack PDU Advanced y Secure NMC3

La NetShelter Rack PDU Advanced con Secure NMC3 es una unidad de distribución de energía actualizada equipada con funciones de seguridad avanzadas y capacidades de gestión mejoradas. La placa de gestión de red Secure NMC3 proporciona sólidas medidas de ciberseguridad y permite la validación por terceros de las actualizaciones de firmware para un cumplimiento coherente. Esta compatibilidad con actualizaciones masivas de firmware reduce significativamente la gestión manual necesaria para mantener las PDU seguras y actualizadas, lo que resulta crucial para mantener la seguridad en grandes instalaciones.

La PDU es adecuada para una amplia gama de aplicaciones, incluidas aquellas con requisitos de potencia de hasta 70 kW por rack, lo que la convierte en una solución versátil para diversas configuraciones de centros de datos. Incluye características que mejoran la eficiencia energética y la fiabilidad operativa, contribuyendo a la sostenibilidad general del centro de datos.

«La seguridad y la eficiencia están a la vanguardia de nuestras PDU avanzadas», añadió Elliott Turek. «Al integrar funciones de seguridad y gestión expendidas, estamos garantizando que nuestros clientes puedan mantener operaciones seguras y eficientes con facilidad».

Todos los productos de la renovada cartera White Space de Schneider Electric están disponibles para presupuesto y pedido (Secure NMC3 en el cuarto trimestre).

Web

Destacado home

Destacado

Categoría

Big Data

fecha noticia

JUNIO 2024

Imagen destacada

ficheros_documentos

Autor original

Schneider Electric

Etiquetas

schneider electric

Destacado listado

Monitorización y digitalización de instalaciones de agua sanitaria: requisitos sanitarios para la prevención y control de la legionelosis

redactor@hospitecnia.com — Wed, 15 May 2024 20:06:52 +0000

Monitorización y digitalización de instalaciones de agua sanitaria: requisitos sanitarios para la prevención y control de la legionelosis Mié, 15/05/2024 - 20:06

El pasado 21 de noviembre de 2023 se celebró el webinar "Monitorización y digitalización de instalaciones de agua sanitaria", organizado por Hospitecnia, Italsan, Ulbios y TTR Mechanical dentro de la nueva comunidad de usuarios in·hospitecnia. A Continuación os presentamos la versión artículo de este webinar.

Normativas

La normativa hospitalaria está atravesando una renovación significativa en España, guiada por la implementación de nuevos reales decretos derivados de directivas europeas. Concretamente, la Directiva Europea 2020/2184, traspuesta a la legislación nacional mediante el Real Decreto 487, sustituye al previo Real Decreto 865 y fija nuevas pautas para el control de la proliferación de legionela, un patógeno que ha causado un crecimiento sostenido en la incidencia de enfermedades infecciosas en Europa y ha mostrado una presencia preocupante en las áreas costeras de la península ibérica. Asimismo, el Real Decreto 03 está orientado a elevar aún más la calidad del agua de uso humano dentro de las instalaciones, poniendo especial énfasis en el agua potable directamente desde el grifo.

Las instalaciones hospitalarias, de hecho, se encuentran entre los edificios con mayor incidencia de brotes de legionela, siendo superados únicamente por las instalaciones turísticas y hoteleras. Se ha identificado que el mayor riesgo de proliferación de legionela se halla en los sistemas de agua caliente sanitaria y en otros puntos susceptibles a temperaturas idóneas para el desarrollo bacteriano (entre 20 y 45 grados Celsius) y a la producción de aerosoles, que son los vehículos a través de los cuales la bacteria puede llegar a ser inhalada y causar infecciones en seres humanos.

El Real Decreto 487 insta a realizar una vigilancia más estrecha y frecuente de las condiciones que favorecen la aparición de la bacteria. Esto incluye aumentar la periodicidad de las revisiones y muestreos, enfocando de manera especial el control de temperaturas en acumuladores y puntos terminales, así como la detección de biocapas y la existencia de incrustaciones que podrían contribuir al desarrollo de la legionela. Se espera que con el tiempo la normativa pueda adaptarse para alinear mejor estas exigencias con los imperativos medioambientales, reconociendo la necesidad de preservar recursos hídricos y reducir el impacto de las purgas de agua en el medio ambiente.

La directiva también subraya la relevancia de digitalizar las instalaciones para optimizar el seguimiento y la interpretación de los datos adquiridos, facilitando así no solo el cumplimiento normativo sino también la mejora en la eficiencia y seguridad de las operaciones hospitalarias. Los sistemas telemáticos y la posibilidad de monitoreo continuo son señalados como alternativas deseables frente a los métodos manuales, que suelen ser más costosos y menos eficaces.

En paralelo, el Real Decreto 03 refuerza estas nociones, expandiéndolas al ámbito de la calidad del agua potable dentro de los edificios. Se enfoca, adicionalmente, en el reporte y gestión de datos para la mejora de la calidad, abogando por el uso de tecnologías telemáticas y soportes informáticos que puedan facilitar el procesamiento y la notificación de los datos recogidos.

Alcance de las normativas: PPCL y PSL

El Real Decreto 487/2022 tiene un alcance definido que abarca sistemas “prioritarios”, que incluyen instalaciones de agua caliente sanitaria, torres de refrigeración, equipos de enfriamiento evaporativo, sistemas contra incendios y cualquier otra instalación que utilice agua y tenga la capacidad de producir aerosoles. Con la entrada en vigor de este decreto el 1 de enero de 2023, las entidades afectadas deben desarrollar un Plan de Prevención y Control de la Legionela (PPCL) o un Programa Sanitario de Legionela (PSL) para enero de 2024, en línea con la necesidad de prevenir la proliferación de legionela en sus sistemas. Además, las instalaciones existentes deben ajustarse a los requisitos del Real Decreto y completar las adecuaciones necesarias para enero de 2025.

En contraste, el Real Decreto 03 se centra en los edificios “prioritarios”, diferenciando en términos de las acciones requeridas. Entre los edificios considerados prioritarios se encuentran hospitales y clínicas con más de 200 camas o unidades de cuidados intensivos, así como distintos tipos de instalaciones que reciben una alta afluencia de personas. La reglamentación destaca la importancia de estos lugares debido a su impacto significativo en la salud pública y su capacidad de influenciar la calidad del agua interna.

En julio de 2024, los edificios clasificados como prioritarios deben registrarse en el Sistema de Información Nacional del Agua (SINAD) y para enero de 2025 deben tener implementado el Plan Sanitario del Agua (PSA), enfocado en asegurar la calidad del agua para uso humano dentro de estas infraestructuras. Esto implica la necesidad de llevar a cabo monitoreo, controles y establecer planes de manejo y contingencia para mitigar los riesgos asociados con la calidad del agua.

Es importante la integración de los planes PPCL y PSA en edificios que, además de tener instalaciones prioritarias para el control de legionela, también se clasifican como edificios prioritarios en términos de la calidad del agua. Idealmente, la integración de ambos planes permitiría un enfoque más holístico y una gestión más eficiente, al abordar las medidas comunes necesarias para ambos objetivos.

El PPCL involucra un diagnóstico inicial detallado de la instalación, identificando materiales, condiciones de uso, puntos de muestreo y emisión de aerosoles, programas de actuación, registro y evaluaciones periódicas relativas a la presencia de legionela. El PSL, por otro lado, incluye, adicionalmente, una evaluación del riesgo que clasifica y prioriza los peligros, determina los puntos críticos de control, y establece acciones correctivas y de verificación.

Para organizar efectivamente estos planes, es crucial contar con una gestión de riesgos que cuantifique la probabilidad de ocurrencia y la gravedad de los potenciales riesgos, potenciando así acciones preventivas y correctivas ajustadas a los niveles de riesgo identificados. En este sentido, existen guías técnicas ofrecidas por el Ministerio de Sanidad y otras autoridades que detallan las mejores prácticas para la elaboración de dichos planes, tanto para el control de la legionela como para la gestión de la calidad del agua en distintos tipos de instalaciones.

Plan Sanitario del Agua (PSA)

El Plan Sanitario del Agua (PSA) es una metodología contemplada en la normativa actual que contempla múltiples aspectos esenciales para garantizar la calidad del agua en las instalaciones. Aspectos como la formación y conocimiento del personal de mantenimiento y operación son fundamentales, así como una detallada descripción de las instalaciones, identificación de peligros, evaluación de riesgos mediante métodos cualitativos y cuantitativos, y la creación de matrices de valoración de riesgos. Todo ello permite cuantificar los riesgos de manera que los valores obtenidos informen sobre las decisiones a tomar para la prevención y corrección de problemas asociados al agua en la instalación.

Es imprescindible conocer y personalizar estos aspectos para cada instalación, ya que forman la base sobre la cual se edificará el plan sanitario. El monitoreo continuo de parámetros como turbidez, pH, cloro, conductividad y temperatura es crucial para el mantenimiento de la calidad del agua. Dependiendo de los materiales utilizados en la infraestructura, como metales o plásticos, se deberán evaluar componentes adicionales, como el cobre, níquel o bifenoles, respectivamente.

El Real Decreto 03 establece que el Ministerio de Sanidad creará una plataforma para la gestión de los PSA, llamada GEPSA, en la que las entidades responsables de los edificios prioritarios deberán subir y gestionar sus planes. Además, la autoridad sanitaria correspondiente será la encargada de supervisar y aprobar los planes sanitarios, tanto para la legionela como para la calidad del agua en general. Este proceso conlleva la digitalización y sistematización del registro de datos relacionados con la calidad del agua.

En la creación de un PSA y un Programa Sanitario para la Legionela (PSL) se recurre a la construcción de matrices de valoración que consideran la gravedad de las consecuencias y la probabilidad de que ocurran los riesgos identificados. Estas herramientas permiten la cuantificación de los riesgos y el uso de umbrales para desencadenar acciones preventivas o correctivas ante la detección de parámetros anómalos en el agua.

Un aspecto de especial importancia para la implementación efectiva de estos planes es la acreditación del personal. El técnico responsable debe poseer certificaciones específicas tales como un certificado de profesionalidad de nivel 3 o haber completado un curso de 25 horas dedicado a esta área. Actualmente existe una moratoria de cinco años durante la cual se permite ejercer con el curso antes mencionado, tras el cual será necesario obtener un certificado de profesionalidad más extenso. Para las empresas aplicadoras, también es necesario disponer de las acreditaciones pertinentes para llevar a cabo la implementación de biocidas y otras operaciones clave. Por contraste, operaciones menores pueden ser realizadas por personal interno tras recibir formación específica dentro del hospital.

Métodos de determinación de la legionela

La determinación de la presencia de legionela en sistemas de agua es crucial para la prevención y el control de la enfermedad que puede producir este patógeno. Tradicionalmente, se ha recurrido al cultivo bacteriológico para medir el riesgo de legionela, un proceso que implica recolectar una muestra de agua y permitir que las bacterias crezcan durante unos 12 a 14 días para luego contar las unidades formadoras de colonias. Sin embargo, este enfoque presenta desafíos significativos debido al retraso en el tiempo de respuesta, que retrasa la toma de decisiones en la gestión y el control del riesgo.

Como alternativa, existen métodos más veloces, tales como la Reacción en Cadena de la Polimerasa (PCR) y la inmunomagnetometría (IMS), que pueden acelerar el proceso de detección. Estas técnicas permiten la captura de bacterias utilizando partículas dopadas magnéticamente, seguido de su recuento. A pesar de que estos procedimientos proporcionan datos más rápidos, no diferencian entre bacterias vivas y muertas, y si bien ayudan en la detección, no evalúan directamente el riesgo de infección.

Un enfoque innovador para la determinación temprana del riesgo de legionela es el uso de biosensores, en particular, sondas de biofilm que miden el potencial eléctrico del desarrollo biológico en tiempo real. A diferencia de PCR o IMS, estas sondas no detectan directamente la legionela, sino que miden el biofilm, cuya presencia es esencial para el crecimiento de la bacteria. Si no hay biofilm, se considera que el riesgo de presencia de legionela es bajo, ya que la bacteria requiere de este biofilm para su desarrollo.

Estos métodos alternativos son de gran utilidad para el control preventivo de legionela, al proporcionar información casi en tiempo real sobre las condiciones favorecedoras de la proliferación bacteriana. Esta rapidez permite intervenir de manera anticipada y preventiva, en lugar de esperar a resultados de cultivo que, una vez conocidos, pueden indicar que la instalación ya ha sido colonizada. Las acciones preventivas son menos costosas y destructivas que las correctivas, las cuales habitualmente conllevan la paralización de las instalaciones, tratamientos térmicos o químicos agresivos que además de ser más costosos, pueden acortar la vida útil de las instalaciones.

Consideraciones y cambios en el diseño hidráulico

En el contexto de diseño hidráulico, se debe poner especial atención en varios elementos clave para prevenir el crecimiento y proliferación de la legionela. Por ejemplo, para sistemas de agua fría es necesario medir la temperatura dentro de los aljibes, ya que una temperatura elevada puede favorecer la carga biológica y aumentar el riesgo. Además, se está eliminando la práctica de dosificar desinfectantes manualmente en favor de sistemas automáticos para garantizar una desinfección constante y controlada.

En lo que respecta al agua caliente sanitaria, se deben mantener las temperaturas de acumulación a 60 °C y posiblemente incrementarlas a 70 grados para sistemas particulares, como los Tank-in-Tank o depósitos dentro de otro depósito. Es también importante considerar las implicaciones de la implementación de energías renovables en estos sistemas, asegurando que sean capaces de alcanzar estas temperaturas necesarias para la desinfección.

El diseño debe garantizar que los sistemas de agua caliente, ya sea con o sin acumulación, mantengan una temperatura mínima de retorno de 60 °C, y se propone un reajuste de las instalaciones de retorno para asegurar esta temperatura, evitando mezclas que podrían enfriar el sistema, lo cual está actualmente contemplado en la redacción de la normativa y se espera que pueda ser revisado para adaptarse mejor a la práctica operativa.

Para mantener la integridad del sistema y asegurar la desinfección continuada, es crítico que las instalaciones mantengan la temperatura del agua por encima de 50 °C en todo el recorrido. Esto puede requerir de un análisis detallado de la red hidráulica para detectar y corregir los puntos donde la temperatura pueda descender debido a obstrucciones, diseño inadecuado o distancia excesiva entre los puntos de distribución de agua y los terminales.

Además, el nuevo decreto establece requerimientos estrictos respecto a la distancia y volumen de agua entre el anillo de distribución y los puntos terminales para minimizar el volumen de agua estancada. Estas nuevas regulaciones presentan retos significativos para edificios existentes y pueden requerir estrategias creativas para su cumplimiento.

Imagen destacada

Destacado home

Destacado

Categoría

Instalaciones

IOT Internet de las cosas

Fontanería

Etiquetas

instalaciones de agua

agua en hospitales

Tratamiento de aguas

Fecha Artículo

MAYO 2024

Autor

Pablo Blanco Córdoba

Funcionamiento del sistema IoT de Ulbios

El sistema IoT ULBIOS es un enfoque para la monitorización de instalaciones que se basa en la evaluación previa y el conocimiento profundo de la operación y el historial de análisis del edificio. Es esencial comprender las condiciones existentes, incluidos los materiales en uso y las condiciones ambientales antes de decidir qué sensores y biosensores implementar.

En la monitorización de variables críticas, típicamente se incluyen medidas de temperatura, presión, cloro, potencial redox (PR), pH y turbidez. Estas suelen ser mediciones que se realizan con gran frecuencia, algunas incluso diariamente, debido a su papel fundamental en la determinación de la calidad del agua y el riesgo asociado con legionela. Adicional a estos parámetros, el sistema de Ulbios incorpora biosensores como los sensores de biofilm, que son particularmente útiles en lugares donde la presencia de desinfectante y la temperatura pueden ser más bajos y donde la probabilidad de formación de biofilm y, por consiguiente, el riesgo de legionela, son mayores.

Con la información recopilada de estos sensores, se puede realizar un análisis multivariable, no solo para examinar los valores de forma independiente sino en su relación entre ellos. La interacción entre el cloro y el pH es un buen ejemplo de cómo los datos no están aislados, sino que su interpretación conjunta puede proporcionar una comprensión más precisa de la efectividad del tratamiento de desinfección. Por ejemplo, la eficacia del cloro varía con el pH del agua, siendo más efectivo a un pH más bajo.

Los biosensores permiten ajustes proactivos del tratamiento de cloro, reduciendo su uso y, por lo tanto, extendiendo la vida útil de las instalaciones sin comprometer la seguridad. Estos sistemas proporcionan un valor agregado no por la simple colección de datos sino por su análisis y la capacidad de informar decisiones operativas.

El sistema también favorece el desarrollo de un dashboard personalizado, generación de alertas y alarmas basadas en indicadores claves de desempeño (KPIs), y se integra con la elaboración y automatización de los planes PSL y PSA que son requeridos por regulaciones. Por ejemplo, en caso de que la temperatura del agua descienda por debajo de los límites requeridos, se puede generar una alerta para la intervención inmediata.

Los sistemas IoT como el de Ulbios se diseñan para integrarse con los sistemas de gestión de edificios ya existentes (BMS) y su interoperabilidad es clave para su adopción exitosa. Usan protocolos de código abierto y sensores estándar del mercado concentrándose en la habilidad de interpretar los datos recopilados para que los operadores de la instalación puedan tomar decisiones informadas y mejorar la eficiencia operativa y la sostenibilidad de las instalaciones. Este enfoque hacia una gestión informada y eficiente de la calidad del agua y el control de legionela puede traducirse en un ahorro significativo de costos a largo plazo y en la mejora de la seguridad y el confort para los usuarios del edificio.

Ulbios Analytics y la biosensorización

El enfoque de Ulbios Analytics para la monitorización y gestión de instalaciones aprovecha avanzadas técnicas multivariables de correlación matemática junto con la Internet de las Cosas (IoT).

Tradicionalmente, la lectura de los parámetros esenciales como el cloro y la temperatura del agua en una instalación se realizaba una vez al día. Sin embargo, con la monitorización avanzada, las mediciones se pueden realizar cada 15 minutos, proporcionando 96 lecturas diarias, lo que ofrece una visión más precisa y actualizada del estado del agua.

Estas mediciones se correlacionan con parámetros físicos adicionales y el estado de los materiales, considerando también las condiciones de operación de la instalación. Un sistema monitorizado es capaz de comparar lecturas desestacionalizadas y analizar datos a largo plazo, en ciclos de hasta cinco años, lo que facilita la detección temprana de patrones y problemas como biofilms, un precursor importante de la proliferación de legionela.

Además de la monitorización constante, Ulbios Analytics puede integrarse con planes sanitarios de agua como el PSL (Plan Sanitario de Legionela) y el PSA (Plan Sanitario del Agua), generando alertas para la acción inmediata cuando se detectan desviaciones de ciertos KPIs. Esta capacidad predictiva y proactiva evita acudir a la desinfección "por dudas", que suele resultar en un uso excesivo de químicos y temperaturas más elevadas, minimizando a largo plazo la vida útil del sistema.

El ORP (potencial de oxidación-reducción) se mide más que el cloro libre o total, ya que es más flexible en términos de presión y temperatura, lo que proporciona datos fiables que son cruciales para un sistema de agua caliente sanitaria. Combinado con la monitorización de biofilms, el ORP ayuda a discernir si se está gestionando eficazmente el crecimiento biológico en la instalación.

Los sensores de biofilm, que miden el potencial eléctrico generado por el crecimiento biológico, complementan y mejoran la detección de riesgos microbiológicos, ya que un aumento del potencial suele ser indicativo de un crecimiento de la biocapa y, por ende, del posible riesgo de proliferación de legionela y otros patógenos.

La implementación de IoT y la asistencia digital están aportando un valor considerable al campo de la gestión y control de las instalaciones, gracias a una drástica reducción en costos y un incremento en la eficiencia operacional. Herramientas basadas en inteligencia artificial y sistemas de análisis digital permiten un procesamiento rápido y eficaz de grandes conjuntos de datos, lo cual es especialmente relevante en entornos tan críticos como infraestructuras hospitalarias, donde la calidad del agua y del aire son vitales para la seguridad de los pacientes y el personal.

Con Ulbios Analytics se recogen datos en tiempo real y se procesan mediante modelos matemáticos avanzados, permitiendo así antelarse a los problemas y realizar ajustes a medida en función de las condiciones observadas, ajustándose siempre a un programa de mejora continua. Este enfoque analítico y preventivo en la gestión hídrica representa un cambio paradigmático que lleva a una mayor eficacia y sostenibilidad en la operación de sistemas de agua, garantizando mayor seguridad y vida útil de las instalaciones.

Instalaciones tipo: casos reales

La implementación de soluciones tecnológicas en el monitoreo de instalaciones hídricas ha llevado a la creación de colectores diseñados para integrar sistemas de medición de forma práctica y eficiente. Un ejemplo de esto es el colector "plug and play" desarrollado para facilitar la conexión de sondas en entornos complejos como los hospitales. Estos dispositivos permiten una instalación rápida y minimizan las interrupciones en el sistema al ser simplemente adicionados al esquema de tuberías existente.

El impacto de esta tecnología se manifiesta claramente en escenarios reales donde, por ejemplo, se puede controlar la temperatura y la bioactividad del agua caliente en un hospital con múltiples edificios. A diferencia de los enfoques tradicionales que evaluaban el sistema de manera holística, las soluciones actuales permiten un análisis discriminado. Se puede identificar si un retorno específico está generando biofilm, lo que facilita un tratamiento selectivo en lugar de medidas generalizadas que afectan a toda la infraestructura. Este enfoque de "microcirugía" es crucial para que, en caso de sospecha de contaminación, las medidas correctivas puedan ser aplicadas de manera focalizada, mejorando la eficacia y reduciendo los costos asociados a tratamientos innecesarios.

En el contexto hospitalario, la normativa requiere un monitoreo y muestreo frecuente en múltiples puntos, desde aljibes hasta sistemas de agua caliente y fría. La monitorización constante proporciona datos que reflejan con mayor precisión el comportamiento y la seguridad de la instalación a lo largo de todo el día y la semana, revelando patrones que no se podrían detectar con muestreos esporádicos. Por ejemplo, en un hospital que cuente con múltiples camas y más de 200 puntos críticos, la rigurosidad y cantidad de muestreos diarios exigidos por las normativas podrían ser abrumadores sin la ayuda de sistemas automatizados de monitoreo.

La monitorización no se limita solo a la temperatura y presencia de legionela, sino que también se extiende a otras instalaciones como piscinas climatizadas terapéuticas y torres de refrigeración donde se deben controlar parámetros adicionales como biocidas y conductividad. Los sistemas modernos permiten llevar a cabo estas mediciones de forma continua y remota, proporcionando un control mucho más exhaustivo y efectivo a la vez que ayudan a garantizar la salud pública y la longevidad de las instalaciones. Estos avances en el monitoreo de parámetros críticos marcan una mejora significativa en la capacidad de las entidades para mantener estándares de calidad y seguridad en el agua, reflejando la importancia de la tecnología en la gestión moderna del agua y las instalaciones de servicios de salud.

Servicio de digitalización

La digitalización de la gestión de instalaciones hospitalarias se ha convertido en un componente crucial para la toma de decisiones informadas y oportunas en cuanto al mantenimiento preventivo y correctivo. El servicio que ofrece Ulbios se focaliza en la interpretación y organización de datos para que los profesionales encargados del mantenimiento puedan tomar decisiones adecuadas de manera eficaz en el hospital.

La capacidad de medir, analizar e interpretar los datos recogidos por sensores y otros dispositivos permite generar información precisa y actual en tiempo real. Esta información se presenta a los técnicos de mantenimiento en formatos accesibles y útiles, como alarmas instantáneas, que indican cuándo y dónde son necesarias las intervenciones. Se trata de un cambio significativo respecto a los métodos tradicionales, ya que proporciona la posibilidad de actuar preventivamente ante potenciales riesgos antes de que se conviertan en problemas reales.

Las herramientas de digitalización como los dashboard personalizados son cada vez más intuitivos y accesibles, permitiendo incluso la visualización de datos a través de teléfonos móviles mediante códigos QR. Estos dashboard no solo informan a los técnicos, sino que también pueden ser utilizados para comunicar la calidad del agua, aire y el uso sostenible de la energía a los pacientes y el personal, aumentando así la transparencia y la confianza en la infraestructura del hospital.

En el contexto de los nuevos reales decretos, herramientas digitales como estas son indispensables para desarrollar y gestionar Planes Sanitarios de Agua (PSA) y Legionela (PSL), evaluando riesgos y medidas correctoras. La digitalización profundiza en el análisis de riesgos sanitarios mediante la creación de matrices que ponderan la gravedad y la probabilidad de los eventos, y por medio de indicadores de rendimiento (KPIs), permite una visualización gráfica del impacto potencial en los sistemas y materiales.

La plataforma de Ulbios facilita la automatización y optimización de estos planes sanitarios, alineándose perfectamente con las directrices normativas y las exigencias operativas. La integración de la digitalización en los procesos de gestión del mantenimiento aporta eficiencia, reduce los tiempos de respuesta y proporciona una base sólida para la toma de decisiones preventivas antes que correctivas, representando un avance considerable en la gestión moderna de las instalaciones hospitalarias.

Puede descargar este artículo sobre Monitorización y digitalización de instalaciones de agua sanitaria en PDF haciendo clic aquí.

Para poder seguir leyendo este artículo debe iniciar sesión o darse de alta en el portal.

Destacado listado

Schneider Electric colabora con NVIDIA en el diseño de centros de datos con Inteligencia Artificial

redactor@hospitecnia.com — Sat, 30 Mar 2024 23:17:38 +0000

Schneider Electric colabora con NVIDIA en el diseño de centros de datos con Inteligencia Artificial Sáb, 30/03/2024 - 23:17

Schneider Electric, líder en la transformación digital de la gestión de la energía y la automatización, ha comunicado su colaboración con NVIDIA con el objetivo de optimizar la infraestructura de los centros de datos y preparar el terreno para lograr avances revolucionarios en las tecnologías de inteligencia artificial (IA) y gemelos digitales.

Schneider Electric aprovechará su experiencia en infraestructura de centros de datos y las innovadoras tecnologías de IA de NVIDIA para presentar los primeros diseños de referencia de centros de datos de IA disponibles públicamente. Estos diseños pretenden redefinir los puntos de referencia para la implementación y el funcionamiento de la IA en los ecosistemas de centros de datos, marcando un hito importante en la evolución del sector.

Con las aplicaciones de IA ganando terreno en todos los sectores, y exigiendo al mismo tiempo más recursos que la informática tradicional, la demanda de potencia de procesamiento ha aumentado exponencialmente. El auge de la IA ha impulsado grandes cambios y complejidades en el diseño y el funcionamiento de los centros de datos, cuyos operadores se esfuerzan por construir y explotar rápidamente instalaciones estables desde el punto de vista energético que sean a la vez eficientes y escalables.

"Estamos desbloqueando el futuro de la IA para las empresas", afirma Pankaj Sharma, vicepresidente ejecutivo de Secure Power Division & Data Center Business de Schneider Electric. "Al combinar nuestra experiencia en soluciones para centros de datos con el liderazgo de NVIDIA en tecnologías de IA, estamos ayudando a las compañías a hacer frente a las dificultades de infraestructura de los centros de datos y desbloquear todo el potencial de la IA. Nuestra colaboración con NVIDIA allana el camino hacia un futuro más eficiente, sostenible y transformador, impulsado por la IA." 

Diseños de referencia de vanguardia para centros de datos

En la primera fase de esta colaboración, Schneider Electric presentará diseños de referencia de centros de datos de última generación adaptados a los clusters de cálculo acelerado de NVIDIA y creados para el procesamiento de datos, la simulación de ingeniería, la automatización del diseño electrónico, el diseño de fármacos asistido por ordenador y la IA generativa. Se pondrá especial énfasis en la distribución de alta potencia, los sistemas de refrigeración líquida y los controles diseñados para garantizar una puesta en marcha sencilla y un funcionamiento fiable de los clústeres de alta densidad. A través de esta colaboración, Schneider Electric pretende proporcionar a los propietarios y operadores de centros de datos las herramientas y recursos necesarios para integrar sin problemas soluciones de IA nuevas y en desarrollo en su infraestructura, mejorando la eficiencia de la implementación y garantizando un funcionamiento fiable del ciclo de vida.

Los diseños de referencia, que responden a la evolución de las necesidades de las cargas de trabajo de IA, ofrecerán un marco sólido para implementar la plataforma de computación acelerada de NVIDIA en los centros de datos, al tiempo que optimizan el rendimiento, la escalabilidad y la sostenibilidad general. Los partners, ingenieros y responsables de centros de datos pueden utilizar estos diseños de referencia para salas de centros de datos ya existentes que necesiten incorporar nuevos sistemas de servidores de IA de alta densidad, así como para nuevas instalaciones de centros de datos totalmente optimizadas para un clúster de IA con refrigeración líquida.

"A través de nuestra colaboración con Schneider Electric, estamos proporcionando diseños de referencia de centros de datos de IA que utilizan tecnologías de computación acelerada NVIDIA de última generación", señala Ian Buck, Vice President de Hyperscale y HPC en NVIDIA. "Esto proporciona a las empresas la infraestructura necesaria para aprovechar el potencial de la IA, impulsando la innovación y la transformación digital en todas las industrias."

Hoja de ruta

Además de los diseños de referencia de los centros de datos, AVEVA, filial de Schneider Electric, integrará su plataforma de gemelos digitales en NVIDIA Omniverse, lo que proporcionará un entorno unificado de simulación virtual y colaboración. Esta integración permitirá una colaboración fluida entre diseñadores, ingenieros y partes interesadas, lo que acelerará el diseño y la implantación de sistemas complejos y contribuirá a reducir los plazos de comercialización y los costes.

Según Caspar Herzberg, CEO de AVEVA, Las tecnologías de NVIDIA mejoran la capacidad de AVEVA para crear una experiencia de colaboración realista e inmersiva basada en la gran cantidad de datos y funciones del gemelo digital inteligente de AVEVA. "Juntos, estamos creando una realidad virtual industrial totalmente simulada en la que se pueden simular procesos, modelar resultados y efectuar cambios en la realidad. Esta fusión de inteligencia digital y resultados del mundo real tiene el potencial de transformar la forma en que las industrias pueden operar de manera más segura, más eficiente y más sostenible."

En colaboración con NVIDIA, Schneider Electric planea analizar nuevos casos de uso y aplicaciones en distintos sectores y avanzar en su visión de impulsar un cambio positivo y dar forma al futuro de la tecnología.

Web

Destacado home

Destacado

Categoría

fecha noticia

MARZO 2024

Imagen destacada

ficheros_documentos

Autor original

Schneider Electric

Etiquetas

schneider electric

Destacado listado

Evento Health Data Talent Barcelona 2024

redaccion@hospitecnia.com — Thu, 22 Feb 2024 11:52:41 +0000

Evento Health Data Talent Barcelona 2024 Jue, 22/02/2024 - 11:52

El pasado 8 de febrero, el Recinto Modernista Sant Pau de Barcelona acogió el evento Health Data Talent 2024, organizado por el Campus Health Tech de ENIIT, donde se reunieron expertos destacados del campo de la salud digital y la gestión sanitaria para explorar el potencial transformador de los datos en la medicina.

Durante las conversaciones del evento se exploró cómo el Big Data y la IA están suponiendo un revolución en los campos de la medicina personalizada de precisión (MPP), que incorpora datos genómicos y del entorno del paciente al proceso de diagnóstico y prevención, y en el campo de la medicina 4P: personalizada predictiva, preventiva y participativa.

Estas nuevas maneras de entender la medicina se basan en la riqueza de datos disponibles, aunque aún se está descubriendo cómo sacarles el máximo provecho y transformarlos en información útil.

El evento contó con la participación de empresas importantes del sector tecnológico, como IBM o Telefónica, del mundo farmacéutico, como Bayer y Roche, y del sector educativo como la Universidad Católica de Murcia.

Destacado home

No Destacado

Categoría

Imagen destacada

ficheros_documentos

Autor original

Redacción Hospitecnia

País

España

Etiquetas

analítica de datos

Destacado listado

Barcelona: Epicentro del HealthTech gracias al evento Health Data Talent

redactor@hospitecnia.com — Thu, 01 Feb 2024 14:00:42 +0000

Barcelona: Epicentro del HealthTech gracias al evento Health Data Talent Jue, 01/02/2024 - 14:00

El evento Health Data Talent Barcelona 2024 conectará a los profesionales de la salud, expertos en datos y líderes en IA, en el corazón de la Ciudad Condal, el próximo día 8 de febrero.

Barcelona se prepara para ser el epicentro indiscutible de la innovación en salud y tecnología con la llegada del evento "Health Data Talent Barcelona 2024", organizado por el Campus HealthTech de ENIIT. Este evento pionero, programado para el 8 de febrero en el Recinto Modernista de Sant Pau, reunirá a profesionales de la salud, expertos en datos y líderes en inteligencia artificial para explorar las últimas tendencias y avances en esta convergencia de disciplinas.

El evento Health Data Talent contará con la destacada participación de entidades líderes en el sector como Roche Farma España, IBM, Inetum, EY, Savia de MAPFRE, Bayer, Bioinformatics Barcelona, Barcelona Health Hub, Fundación TIC Salut, UCAM, Genomcore, Biointaxis, Telefónica, Trialing, Kriba, Vincer.AI, y otras destacadas. Estas instituciones visionarias compartirán experiencias y conocimientos sobre la aplicación práctica de HealthTech en la atención médica y el aprovechamiento de datos, consolidando así su papel fundamental en la revolución de la salud y la tecnología.

El evento está dirigido a profesionales de la salud, expertos en datos y empresas de tecnología sanitaria. Y es la oportunidad perfecta para expandir la red, aprender de los líderes y seguir las últimas tendencias en HealthTech.

¡Health Data Talent Barcelona 2024, donde la Ciudad Condal lidera la transformación gracias al Campus HealthTech de ENIIT y las principales entidades del sector!

¡No te pierdas la oportunidad de formar parte de esta experiencia transformadora con el evento Health Data Talent Barcelona 2024!

Para más información e inscripciones, haz clic aquí!

Web

Destacado home

Destacado

Categoría

Agenda

CataloniaBio & HealthTech

fecha noticia

FEBRERO 2024

Imagen destacada

ficheros_documentos

Autor original

Health Tech Campus

País

España

Etiquetas

Barcelona

Congreso

Ciudad

Barcelona

Destacado listado

Health Data Talent Barcelona 2024

redactor@hospitecnia.com — Wed, 13 Dec 2023 14:11:27 +0000

Health Data Talent Barcelona 2024 Mié, 13/12/2023 - 14:11

El próximo 8 de febrero en el Recinto Modernista de Sant Pau – Sala Francesc Cambó de Barcelona tendrá lugar el Health Data Talent un espacio donde los líderes en salud y datos pueden reunirse, aprender y colaborar. Este evento único será el epicentro de la innovación, conectando a profesionales de la salud y expertos en datos para aprovechar las últimas tendencias y tecnologías en estas industrias en constante evolución.

Este evento está diseñado para brindar:

Exposición a las últimas tecnologías
Acceso a sesiones interactivas
Oportunidad de networking

A través de conferencias magistrales, mesas redondas y oportunidades de networking, creamos un entorno propicio para el intercambio de conocimientos, la colaboración y el descubrimiento de soluciones innovadoras que transformarán la forma en que abordamos los desafíos en el ámbito de la salud mediante el uso inteligente de los datos.

Destinatarios:

Este evento es la oportunidad perfecta para expandir tu red de contactos, aprender de los líderes de la industria y mantenerte al tanto de las últimas tendencias y avances en salud y datos. Ya seas un profesional de la salud, un experto en datos, o alguien apasionado por la convergencia de estas dos disciplinas, este evento te brindará conocimientos valiosos y conexiones significativas.

Profesionales de la Salud
Expertos en datos
Profesionales de la Administración de la Salud
Investigadores Médicos
Estudiantes y académicos
Empresas de Tecnología de la Salud

Programa

9:30 - Registro

10:00 - Acto de apertura

Abrirán nuestro evento profesionales del sector:

Joan Guanyabens, Director Fundación TICSALUT
Ana Ripoll, Bioinformatics Barcelona
Eva Rosell, Barcelona Health Hub
Carlos Mateos, Vicepresidente de la Asociación de Innovadores en eSalud y director de la agencia COM Salud
Enrique Palenzuela, Director de marketing en UCAM Universidad Católica San Antonio de Murcia
David Saez, Director Ejecutivo ENIIT
María García, Directora de Operaciones de Campus Health Tech

10:30 - 11:00 - Ponencia Marco: Nuevas estrategias alrededor de nuevas tipologías de datos

De la mano de Inetum

Eladio Linares, Business Development Director, Healthcare & Social Services
Abel González, Data + AI | Director + Teacher
Santiago Aso, Arquitecto de soluciones TI para el sector Sanitario en Inetum

11:05 - 12:10 - Mesa Redonda: Grandes Proyectos de uso y aprovechamiento de Datos en el sector Salud

Moderador: Francisco Moreira, Director General de Digital Tech Events empresa de organización de eventos, entre ellos Healthnology, Healthstrategy

Participan:

Borja Moll Moré, Personalised Healthcare at Roche Farma España
Juan Carlos Sanchez, IBM Health Industry Leader (Spain, Portugal Greece, Israel)
Laura Ruiz Martínez, Senior Data Scientist Bayer
Jaime del Barrio Seoane, Senior Advisor – Healthcare & Life Sciences EY
Pedro Díaz Yuste, Director General at Savia (MAPFRE)

12:10 - Café Networking

13:00 - 13:30 - "Demo" HealthTech

Julio Jesús Sánchez, PMP Gerente Proyectos de Sanidad y Transformación Digital | Telefónica España

13:45 - 14:35 - Mesa Redonda: Emprendimiento: Start Ups en el ámbito del Big Data Sanitario

Modera: Juan Carlos Santamaría, Director de Comunicación de Inithealth (Grupo Init). Cofundador Health 2.0 Basque

Participan:

Pol Solà, fundador y CEO en Vincer.AI
Oscar Flores, Ceo de Genomcore
Antoni Matilla Dueñas, CoFundador y CEO de Biointaxis
Javier Jiménez, CEO de Kriba
Max Hardy-Werbin, Medical Oncologist, PhD. Founder of Trialing

Para inscribirte al Health Data Talent Barcelona 2024, haz clic aquí.

Tipo de Formación

Jornada

Ubicación

Barcelona, España

Destacado home

Destacado

Categoría

Agenda

Jornadas técnicas

Imagen destacada

ficheros_documentos

Tipo evento

Jornadas y seminarios

Fecha Inicio

Jue, 08/02/2024 - 12:00

Fecha Final

Jue, 08/02/2024 - 12:00

País

España

Ciudad

Barcelona

Etiquetas

Congreso

Destacado listado

Consideraciones normativas sobre la inteligencia artificial al servicio de la salud

redactor@hospitecnia.com — Sun, 05 Nov 2023 22:24:54 +0000

Consideraciones normativas sobre la inteligencia artificial al servicio de la salud Dom, 05/11/2023 - 22:24

La misión de la Organización Mundial de la Salud de promover la salud, mantener el mundo seguro y servir a los vulnerables se articula en su Estrategia mundial de salud digital 2020-2025. En el centro de esta estrategia, la OMS aspira a mejorar la salud para todos, acelerando el desarrollo y la adopción de soluciones de salud digital adecuadas, accesibles, asequibles, escalables y sostenibles centradas en las personas para prevenir, detectar y responder a epidemias y pandemias.

La transformación digital de la atención sanitaria y el desarrollo terapéutico, que incluye la exploración de los usos de la Inteligencia Artificial (IA), tiene el potencial de mejorar los resultados sanitarios mediante la mejora del diagnóstico médico, la terapéutica digital, los ensayos clínicos, el autocuidado y el conocimiento basado en la evidencia.

A efectos de este documento, la IA se define como "una rama de la informática, la estadística y la ingeniería que utiliza algoritmos o modelos para realizar tareas y mostrar comportamientos como aprender, tomar decisiones y hacer predicciones". El subconjunto de la IA conocido como aprendizaje automático (Machine Learning, ML) permite a los algoritmos informáticos aprender a través de los datos, sin ser programados explícitamente, para realizar una tarea. Con la creciente disponibilidad de datos sanitarios y el rápido progreso de las técnicas analíticas, la IA tiene el potencial de transformar el sector sanitario, que es uno de los más importantes para las sociedades y las economías de todo el mundo.

La Unión Internacional de Telecomunicaciones (UIT) es el organismo especializado de las Naciones Unidas para las tecnologías de la información y la comunicación, mientras que la OMS es el organismo especializado de las Naciones Unidas para la salud. Estas organizaciones se asociaron para crear un grupo abierto de expertos con el fin de desarrollar un marco de referencia para las soluciones sanitarias basadas en la IA, con el fin de facilitar el uso seguro y adecuado de las tecnologías de IA.

Esta publicación es una visión general, de alto nivel y no exclusiva de las consideraciones regulatorias clave en áreas temáticas. Reconociendo que una sola publicación no puede abordar las especificidades de los diversos sistemas de IA que pueden utilizarse para el desarrollo terapéutico o las aplicaciones sanitarias en general, la visión general de este docuento destacará algunos de los principios y conceptos reguladores clave, como las evaluaciones de riesgo-beneficio y las consideraciones para la evaluación y supervisión del rendimiento de los sistemas de IA desarrollados utilizando tecnologías de IA.

Principales aplicaciones de la Inteligencia Artificial en la atención sanitaria y el desarrollo terapéutico

La IA se está explorando cada vez más para hacer avanzar la atención sanitaria en múltiples frentes. La combinación de tecnología y medicina en la investigación y el desarrollo está facilitando un caudal de innovación que sigue mejorando. Ya se están desarrollando muchos sistemas de IA relacionados con la salud para satisfacer diversas necesidades de las partes interesadas en la atención sanitaria y el desarrollo terapéutico. Estas soluciones tienen usos muy diversos en todo el espectro de la prestación de asistencia sanitaria y el desarrollo terapéutico, como, por ejemplo, la utilización de IA en la atención sanitaria para ayudar a los pacientes durante el diagnóstico y el tratamiento de una enfermedad.

La atención sanitaria está cada vez más centrada en el paciente, con enfoques personalizados para la toma de decisiones. Esto permite utilizar los datos para mejorar el bienestar del paciente y de la población, la educación y el compromiso del paciente, la prevención y predicción de enfermedades y riesgos asistenciales, la adherencia a la medicación, la gestión de enfermedades, la reversión/remisión de enfermedades y la individualización y personalización del tratamiento y la asistencia. Con estos fines, la IA se está incorporando y utilizando cada vez más en el entorno clínico.

Ámbitos temáticos

Los sistemas de IA pueden utilizarse en todos los aspectos de la atención sanitaria y el desarrollo terapéutico. Independientemente de la categoría de la aplicación del sistema de IA, los reguladores desean garantizar no sólo que los sistemas de IA sean seguros y eficaces para el uso previsto, sino también que estas prometedoras herramientas lleguen lo antes posible a quienes las necesitan. Esta publicación pretende establecer un entendimiento común del uso de los sistemas de IA en la sanidad que pueda ser relevante para todas las partes interesadas.

Las temáticas abordadas en esta publicación se dividen en:

Documentación y transparencia.
Gestión de riesgos y enfoques del ciclo de vida de desarrollo de sistemas de IA.
Uso previsto y validación analítica y clínica.
Calidad de los datos.
Privacidad y protección de datos.
Compromiso y colaboración.

Puedes acceder a este documento sobre Consideraciones normativas sobre la Inteligencia Artificial en la página web de Organización Mundial de la Salud, haciendo clic aquí.

Idioma

Ingles

Web

Destacado home

Destacado

Categoría

Documentos

fecha documento

NOVIEMBRE 2023

Imagen destacada

Autor original

Organización Mundial de la Salud

Etiquetas

Organización Mundial de la Salud

normativa en hospitales