
Proseguimos con la serie de casos de éxito comenzada con Sirum y Reliefwatch. Esta semana relataremos la experiencia de Bayes Impact.
Origen: Paul Duan es un francés afincado en Sillicon Valley de 22 años. Hace unos años trabajó como voluntario en refugios para gente sin hogar pero estaba frustrado con el limitado impacto que podría tener como individuo. Su trabajo como ingeniero de datos en una empresa para mejorar la detección del fraude le dio la idea. Un 1% de un modelo de programación puede afectar a millones de usuarios y atraer a cientos de millones de dólares en ingresos. Si hay un sistema que provoca millones de decisiones todos los días, y una persona puede escribir un algoritmo para tomar esa decisión 10 o 20 veces más precisa, puede afectar a millones de usuarios. En 2014 fundó Bayes Impact, al reconocer el abismo entre la tecnología que las empresas de la industria y la tecnología están utilizando y lo que está a disposición de los servicios sociales. Así Bayes Impact está tratando de cruzar ese abismo. Se ha unido a Y Combinator, la más prestigiosa incubadora en los EE.UU y ha sido finalista este año del 30under30 de Forbes.
Problema: Los médicos tienen exceso de trabajo actualmente y los pacientes largas listas de espera y recaídas no previstas. Los algoritmos pueden ayudar a mejorar estos datos pero en muchos países como Francia, la Comisión Nacional de Informática y Libertades (CNIL) ha prohibido encomendar una decisión sobre un ser humano a un cálculo por ordenador. El problema radica en que un algoritmo puede optar por sacrificar algunos pacientes del hospital para centrarse en otros con el objetivo de salvar vidas.
Misión: Bayes Impact es una ONG que utiliza soluciones basadas en ingeniería de datos para mejorar los servicios sociales críticos de todo el mundo. Esta start up ha desarrollado un algoritmo que experimenta en 19 hospitales para aliviar el exceso de trabajo de los médicos y predecir la recaída de los países. Son una organización que despliega equipos de científicos de datos para trabajar con las organizaciones sin fines de lucro para crear soluciones a difíciles problemas sociales.
Innovación: La innovación de Bayes Impact reside en adaptar la ingeniería de datos de las grandes empresas financieras al sector público y no lucrativo, reduciendo tiempos y esperas.
Un buen ejemplo de cómo funciona esta innovación es el personal de emergencia. Si disponemos de un algoritmo para predecir dónde es más probable que sea una emergencia (es decir predecir la demanda), los servicios de emergencia serán más rápidos y eficaces.
Otro ejemplo son los trasplantes de órganos: En los EE.UU. hay más de 100.000 personas en lista de espera para recibir un órgano. Además, los datos de Bayes Impact nos dicen que la gente se añade a la lista el doble de rápido que la disponibilidad de los órganos. Esta brecha provoca alrededor de 20 muertes al día de promedio debido a la escasez de órganos. Utilizando un algoritmo de Bayes Impact se predecirán mejor quiénes son los pacientes más críticos y los que tienen más probabilidades de tener éxito en un trasplante, destinando los pocos órganos que tenemos de una manera más justa y eficiente.
Modelo de negocio: Para todos los proyectos construyen ingeniería de datos, es decir un algoritmo en código abierto para el bien público global que permiten a los gobiernos, organizaciones no lucrativas e individuos tomar decisiones críticas, basadas en datos. Por tanto, convierten los datos en acciones que impactan en las vidas de miles de millones de personas al extrapolarse a multitud de organizaciones.
Como ejemplo un algoritmo que optimiza la forma en que trasplantes de órganos son priorizados en los EE.UU. mediante la predicción de la probabilidad de rechazo, puede implementarse en cualquier hospital. Es decir, este algoritmo da una solución global al sector público, no solo para un hospital concreto.
Resultados: El lema de Bayes Impact es “diez personas hoy pueden cambiar 10 millones de personas con algoritmos». Los resultados muestran una mejora en la eficiencia de los hospitales mediante la automatización de ciertas tareas, a pesar del enfoque rudimentario y empresarial de las organizaciones. Sus proyectos van desde los servicios sociales, la prestación de asistencia sanitaria o la respuesta de emergencia a la justicia penal.
Actualmente, los esfuerzos de Bayes Impact se dirigen al Departamento de Registro Científico de la Salud de Estados Unidos de Receptores de Trasplante para una mejora en la predicción de la tasa de rechazos de órganos. El objetivo es mejorar la predicción a través de algoritmos y aumentar hasta un 20% la oferta total de órganos salvando miles de vida cada año.
Una vez analizados más en profundidad dos de los cinco proyectos finalistas de concurso mundial Forbes 30under30, nos queda para la última entrega los otros tres finalistas.
*Imagen de Flickr de JiTeN ChOuDhArY
WEBGRAFÍA
http://chicagomaroon.com/wp-content/uploads/2014/06/Chicago-Maroon-110714.pdf
http://www.wedemain.fr/Paul-Duan-ce-petit-genie-des-data-qui-vous-veut-du-bien_a1102.html
Deja una respuesta