Make Health Colombia

Descripción: Taller que busca acercar a los asistentes a la aplicación de Inteligencia artificial para el apoyo diagnóstico radiológico y entregar conocimientos base para el desarrollo de herramientas tecnológicas con IA. Introduce conceptos y demuestra la utilidad de la IA en diagnóstico radiológico a través de segmentación y cuantificación de regiones en imágenes médicas. Finalmente, se analizan limitaciones, la importancia de la calidad de los datos y la participación de equipos interdisciplinarios en el desarrollo de herramientas en la práctica clínica.

Objetivos:

1. Ilustrar conceptos básicos y técnicas de la Inteligencia Artificial en radiología.

2. Explorar herramientas de segmentación automática en CT de tórax y abdomen.

3. Analizar y discutir la importancia de la calidad de datos y la participación de equipos interdisciplinarios en el desarrollo de Inteligencia Artificial.

Audiencia: Personal de la salud y del área de ingeniería.

Requerimientos:

- Se utilizará la herramienta web de segmentación MedSeg.

- Se utilizará la herramienta de visualización DeepPathology.

- Computador portátil y Google Chrome.

Acerca de Steffen Härtel: Profesor titular de la Facultad de Medicina de la U-Chile. Jefe del Laboratorio de Análisis Científico de Imágenes (SCIAN-Lab), Investigador Principal del Instituto de Neurociencia Biomédica (BNI), Director del Centro de Informática Médica y Telemedicina (CIMT), Coordinador alterno de la Red de Salud Digital de las Universidades del Estado (RSDUE) y Presidente Académico del Consejo Asesor Académico del Centro Nacional de Sistemas de Información en Salud (CENS). Sus intereses de investigación se centran en los campos de la microscopía óptica, el procesamiento de imágenes y datos en biomedicina y medicina, y los sistemas de información sanitaria.

Acerca de Constanza Vásquez: Asistente de investigación y desarrollo en el Laboratorio de Análisis Científico de Imágenes (SCIAN-Lab) de la U-Chile. Ingeniero Biomédico y MSc en Ciencias de la Computación de la U de Concepción, Chile. Sus intereses de investigación se centran en los campos del aprendizaje profundo y la visión por computador, particularmente su aplicación práctica a problemas de imágenes biomédicas. Ha desarrollado algoritmos de Inteligencia Artificial para la cuantificación de la infección por COVID-19 en tomografías, clasificación de tejido tumoral en imágenes de diapositivas completas, entre otros trabajos.

Acerca de Gonzalo Pereira: Médico radiólogo especialista en tórax y cardiovascular. Profesor asistente del departamento de radiología, jefe de la unidad de tórax del Hospital Clínico de la Universidad de Chile. Miembro de la sociedad chilena de radiología. Desarrollador de proyectos de implementación de nuevas tecnologías en radiología cardiovascular de clínicas de Redsalud y Hospital Dipreca. Investigador médico en proyectos de inteligencia artificial en radiología en la Universidad de Chile. Sus intereses se centran en el campo de las imágenes médicas, la investigación e implementación de tecnologías para el desarrollo de la radiología.

Descripción: El desarrollo de este workshop permitirá que los participantes conozcan los componentes principales de la arquitectura de interoperabilidad de Historia Clínica Electrónica en Colombia. El Workshop incluye una revisión conceptual de la arquitectura de interoperabilidad y se focaliza en ejercicios prácticos, enfocando a que los participantes tengan una interacción en tiempo real con los recursos definidos para la IHC en Colombia, lo cual favorece el aprendizaje activo, de adquirir conocimiento mediante la experiencia.

Objetivos:

1. Identificar y conocer los fundamentos de la arquitectura y de los componentes principales para la implementación de una historia clínica nacional usando recursos HL7 FHIR.

2. Interactuar con los componentes y recursos de una arquitectura de interoperabilidad de historia clínica utilizando mensajería estándar.

Audiencia: Profesionales de instituciones de salud del área de tecnología y de prestación de servicios. Estudiantes y docentes académicos interesados en conocer el uso de los estándares de interoperabilidad en una arquitectura de interoperabilidad nacional.

Requerimientos: Fundamentos en estándar JSON y XML. Los participantes deben llevar computador portátil e instalar Postman.

Acerca de Fernando Portilla: Especialista de estándares de interoperabilidad para proyectos de transformación en Salud Digital. Consultor en la División de Salud y Protección Social del Banco Interamericano de Desarrollo y asesor para el proyecto de Historia Clínica Interoperable del Ministerio de Salud en Colombia; Ingeniero de sistemas (Universidad Javeriana Cali-Colombia) y con Maestrías en Informática Médica (Deggendorf Institute of Technology-Alemania) y en Tecnologías de Información y Comunicaciones (Universidad ICESI -Colombia). Docente Universitario en Informática médica.

Descripción: DHIS2 es un proyecto global de código abierto coordinado por el Centro HISP de la Universidad de Oslo (UiO) en Noruega. Más de 73 países en todo el mundo utilizan DHIS2 para recopilar y analizar datos de salud. DHIS2 se ofrece de forma gratuita como un bien público mundial. En este taller se presentan varios casos de uso de DHIS2 en EE. UU., América Latina y otras regiones de bajos ingresos. Además, en este taller se discute acerca de las oportunidades del análisis secundario de datos de salud pública mediante el uso de estándares de interoperabilidad como HL7 FHIR. En Colombia, Sinergias ONG ha implementado varios casos de uso en regiones marginadas apoyando programas de salud pública en salud infantil y materna. En los EE. UU., Indiana es uno de los estados que tiene las tasas de amputación más altas entre los pacientes con heridas. En este contexto, DHIS2-WoundInfo es una plataforma desarrollada para el almacenamiento y análisis de datos de heridas. Actualmente, los datos se han importado de varios programas de investigación de heridas bajo REDCap de la Universidad de Indiana. A través de varias aplicaciones de DHIS2, se ha logrado extender el análisis y la visualización a profesionales de la salud e investigadores de heridas para obtener mejores oportunidades en su investigación y asistirlos en mejores planes de tratamiento.

Objetivos:

1. Comprender cómo se puede utilizar la plataforma DHIS2 en diferentes escenarios de salud pública.

2. Proporcionar una demostración en vivo y completar tareas a través de DHIS2-WoundInfo para conocer sus aplicaciones.

3. Discutir escenarios de interoperabilidad utilizando HL7 FHIR.

Audiencia: Investigadores en salud, Profesionales de la salud, Informáticos en Salud, estudiantes en áreas afines.

Requerimientos: Ninguno.

Acerca de Marko García: Ingeniero Electrónico (Universidad del Valle), Especialista en gerencia de proyectos de sistemas (Universidad del Rosario), cofundador del nodo HISP Colombia. Actualmente trabaja como Implementador Senior con la Universidad de Oslo, dando soporte a algunas de las implementaciones nacionales de DHIS2 en la región.

Acerca de María Camila Rodríguez: Médica de la Universidad Nacional de Colombia con maestría en salud pública de la Universidad de Washington. Con experiencia profesional en atención médica, intervenciones colectivas e investigación en salud pública, atención y respuesta en la pandemia por SARS-CoV-2 en contextos interculturales. Durante 10 años ha trabajado en modelos interculturales de salud con poblaciones indígenas especialmente en la región amazónica con metodologías cuantitativas y cualitativas. Ha participado en el diseño de sistemas de información en salud, para la recolección y análisis de datos en zonas rurales dispersas que apoyan procesos de fortalecimiento de capacidades locales y mejoramiento de la calidad de la atención en salud. Experiencia en el desarrollo de procesos de difusión y comunicación de la información obtenida, de forma accesible y culturalmente adaptada dirigida a personal asistencial, tomadores de decisión y comunidades mediante diversos formatos.

Acerca de Atika Paddo: Asistente de investigación de posgrado en Purkayastha Lab for Health Innovations (PLHI), estudiante de doctorado de primer año en la Universidad de Indiana - Universidad de Purdue en Indianápolis (IUPUI), EE. UU. Completó la Licenciatura en Ciencias en Ingeniería Eléctrica y Electrónica de la Universidad de Ingeniería y Tecnología de Bangladesh (BUET). Ha estado trabajando en temas de investigación relacionados con la gestión de datos de salud y la implementación de modelos predictivos de aprendizaje profundo, así como modelos de pronóstico de series temporales para la trayectoria de curación de heridas. Fue vicepresidenta de IEEE Women in Engineering en IEEE BUET SB y actualmente es secretaria del capítulo estudiantil de IEEE IUPUI.

Acerca de Mario Cortés: Ingeniero industrial, consultor senior en interoperabilidad en salud, con más de 15 años de experiencia en implementación de estándares HL7. Recibió el premio Joachim Dudeck, durante la Conferencia Internacional de Interoperabilidad HL7 (2011), en reconocimiento a sus extraordinarios logros en el desarrollo e implementación de soluciones de interoperabilidad basada en HL7, la promoción en el uso de HL7 y su armonización con otros estándares.

Descripción: La gran densidad de datos en las unidades de terapia intensiva han propiciado un gran interés y oportunidades para el desarrollo de soluciones basadas en inteligencia artificial. En este taller veremos las generalidades y peculiaridades de estas bases de datos que son estructuradas y de tipo relacional. Paso a paso y usando un sistema interactivo de respuestas se iniciará la creación de una cohorte de pacientes, la búsqueda y inclusión de variables de interés en las diferentes tablas, la preparación del dataset para entrenar el modelo y para testearlo y finalmente la comprobación del rendimiento del modelo de machine learning.

Objetivos:

1. Obtener una visión global del tipo de datos y estructura de las bases de datos de terapia intensiva usando la base de datos eICU.

2. Aprender los pasos para llegar a la creación de un modelo predictivo a partir de una hipótesis clínica.

Audiencia: Profesionales de la salud que quieran iniciarse en los aspectos técnicos básicos de la creación de modelos predictivos simples y científicos de datos que quieran iniciarse de forma acompañada como se estructuran las bases de datos de terapia intensiva.

Requerimientos:

- Un computador portátil.

- Cuenta de google. Trabajaremos en el entorno Google Colab.

- Nivel básico de python y pandas, sino recomendamos un curso acelerado de python-pandas de 30 min. Abrir el siguiente link: https://colab.research.google.com/drive/13cfHICdbF2j_1WKjgi92LC2IKmZa02cW?usp=sharing

Acerca de Xavier Borrat: Médico especialista en Anestesiologia (Hospital Clínic de Barcelona). Profesor de BioIngenieria (Universitat de Barcelona). Investigador afiliado al Lab for Computational Physiology del MIT.

Acerca de Adrien Carriel: Pasante de investigación en MIT Critical Data, estudiante de MEng en CentraleSupélec (reconocida Escuela francesa de posgrado en Ingeniería), futuro estudiante de maestría en Imperial College London (Computación avanzada).

Descripción: ¡Nuestro colega imaginario "Dr. Maverick" ha inventado un nuevo medicamento milagroso que promete curar los brotes de inflamación de la artritis después de solo 3 semanas desde que tomó el medicamento inicialmente! Naturalmente, deseamos ver los datos de los ensayos clínicos, y después de meses de pedir los datos, finalmente nos han proporcionado un archivo que contiene los datos de los ensayos clínicos. El archivo CSV contiene el número de brotes de inflamación por día para los 60 pacientes en el ensayo clínico; cada fila corresponde a un paciente, y cada columna corresponde a un día en el ensayo. Una vez que un paciente tiene su primer brote de inflamación, este toma el medicamento y se espera unas semanas para que surta efecto y se reduzca los brotes. Para ver qué tan efectivo es el tratamiento, vamos a calcular la inflamación promedio por día en todos los pacientes, graficar los resultados y discutir los hallazgos.

Objetivos:

1. Desarrollar un programa en Python para analizar y visualizar datos médicos.

2. Utilizar un Jupyter notebook para comunicar un análisis de datos.

Audiencia: Estudiantes y profesionales del área de la salud interesados en el análisis de datos.

Requerimientos:

- Un computador portátil.

- Los participantes deben tener una cuenta de Google/Gmail para desarrollar el taller en Google Collaboratory. No se requiere instalación previa de programas.

Acerca de Lucy Jiménez: Es química pura de profesión con maestría en ciencias, especializada en química computacional y ciencia de datos. Actualmente trabaja en el diseño y desarrollo de una plataforma de Investigación Traslacional para la investigación de cáncer en el Programa de Generación de Alternativas Terapéuticas en cáncer GAT en la Pontificia Universidad Javeriana de Bogotá. En esta misma universidad es docente del programa de Ciencias de Datos en el Departamento de Ciencia de la Información de la Facultad de Comunicación y Lenguaje. Es cofundadora de las comunidades Modelamiento Molecular Colombia y la Red de Mujeres en Bioinformática y Ciencia de Datos de Latinoamérica, y líder de la comunidad de PyLadies Colombia.

Acerca de Patricia Ordoñez: La Dra. Patricia Ordóñez-Franco ha sido Catedrática Asociada en el Departamento de Ciencia de la Cómputos de la Universidad de Puerto Rico Río Piedras por 10 años y, por lo tanto, cumplió dos sueños de toda la vida y uno inesperado de mediana edad: vivir en un país de habla hispana, tener la oportunidad de hacer una mayor diferencia en el mundo, y convertirse en una profesora. Este otoño se unirá al Departamento de Sistemas de Información de la Universidad de Maryland Baltimore County como Catedrática Asociada. Sus intereses de investigación se centran en aplicar el aprendizaje automático, la minería de datos y la visualización al análisis de series temporales multivariadas, específicamente a grandes repositorios de datos clínicos y biológicos (ahora conocidos como Informática Clínica y Ciencia de Datos Biomédicos), creando un lenguaje de programación de voz (Tecnología Asistiva) , y abogando y trabajando para lograr una educación en informática y la ciencia de datos de alta calidad para todos. Fue la primera Latina en graduarse con un doctorado del Colegio de Ingeniería y Tecnologías de la Información de la Universidad de Maryland Baltimore County y la primera Catedrática Asociada en obtener la permanencia en el Departamento de Ciencias de la Computación de la Universidad de Puerto Rico Río Piedras (UPRRP).

Descripción: El bullying es una pandemia que afecta principalmente a niños y jóvenes en edad escolar y que tiene efectos en su salud mental, bienestar emocional y desarrollo académico. Diversos síntomas como el estrés son agravados por la soledad, la falta de compañía y una red de apoyo para los niños y jóvenes que sufren por el bullying. En este taller se trabajará en equipos de 3 a 4 personas para diseñar una solución tecnológica con un componente de Inteligencia Artificial (IA) para ayudar a prevenir los efectos del bullying en niños y jóvenes. Los equipos trabajarán en un mockup de su solución y harán un pitch para ser evaluados. Se elegirán a las 3 mejores soluciones de la jornada.

Objetivos:

1. Crear, diseñar y proponer una solución de base tecnológica e IA para resolver un problema real y complejo a nivel mundial.

2. Promover la creatividad, el ingenio y el trabajo colaborativo de los equipos, utilizando herramientas out-of-the-box para resolver un problema en Salud Digital y posiblemente escalable.

Audiencia: Profesionales de la salud, ingenieros, especialistas de datos, y profesionales interesados en la temática no tienen que ser expertos en Inteligencia Artificial ni tecnología.

Requerimientos: Muchas ganas de aprender, crear y trabajar en equipo.

Acerca de Ricardo Seguel: Ph.D. en Information Systems and Industrial Engineering, School of Industrial Engineering and Innovation Sciences, Eindhoven University of Technology, The Netherlands. Magíster en Ciencias de la Ingeniería de la Pontificia Universidad Católica de Chile. Matemático con doble mención en Estadística y Ciencias de la Computación de la Pontificia Universidad Católica de Chile. Executive Diploma in Management and Leadership del MIT Sloan School of Management. Ricardo es actualmente Profesor de la Facultad de Ingeniería y Ciencias de la Universidad Adolfo Ibáñez, donde se desempeña como: Director Ejecutivo del Startup School y área de emprendimiento de la facultad, Director Académico del Magíster en Ciberseguridad, Director Académico del Diploma en Transformación Digital. Ricardo tiene más de 20 años de experiencia, ha asesorado a grandes empresas e instituciones públicas en Chile, Colombia y EE.UU. en áreas de Ciberseguridad, Transformación y Aceleración Digital, Excelencia Operacional, Riesgo y Control, Innovación y Emprendimiento. Como asesor senior ha trabajado para MINTIC, AMVA y RutaN en Colombia. Cuenta con numerosas apariciones en medios, columnas y especiales de prensa.

Descripción: En este workshop vamos a ver cómo podemos estandarizar registros médicos electrónicos garantizando interoperabilidad semántica a través de ontologías y vocabularios controlados. Así mismo veremos cómo podemos entrenar un modelo predictivo en menos de una hora utilizando herramientas libres y abiertas gracias a la estandarización de los datos. Veremos el paso a paso de como utilizar ATLAS Daremos una introducción al modelo de datos OMOP-CDM y las herramientas de software libre y abierto de la comunidad OHDSI.

Objetivos:

1. Conocer el modelo de datos OMOP-CDM para la estandarización de registros médicos electrónicos.

2. Explorar el uso de herramientas de software libre y abierto para la creación de modelos predictivos.

3. Analizar el impacto de la estandarización y el software libre y abierto para la creación, el despliegue y el uso de modelos predictivos en aseguradoras e instituciones prestadoras de salud.

Audiencia: Profesionales interesados o que trabajen en el sector salud interesados en la estandarización de registros médicos electrónicos y modelos predictivos .

Requerimientos:

- Un computador portátil.

- Google chrome instalado.

Acerca de José D. Posada: PhD en Biomedical Informatics de la Universidad de Pittsburgh. Previo a su posición actual como Profesor Asistente en el departamento de Ingeniería de Sistemas de la Universidad del Norte estuvo en la Universidad de Stanford como Científico Senior de Datos Clínicos ayudando a construir la segunda generación del repositorio de datos estandarizados para la investigación STARR-OMOP. Es el líder del grupo de trabajo para latinoámerica de OHDSI. Se especializa en la estandarización de registros médicos electrónicos y procesamiento de lenguaje natural con texto clínico. Web page & twitter: @posadajd