La investigación, titulada Arquitectura de aprendizaje profundo para predecir a diario admisiones hospitalarias consiste en el diseño de una red neuronal artificial, un modelo matemático basado en algoritmos de aprendizaje automático que replica el funcionamiento del cerebro humano, capaz de aprender a partir de los datos que se le suministran. En este caso, la extracción de datos se origina en múltiples fuentes que cuentan con variables espaciales y temporales. Entre ellas, las estaciones meteorológicas que aportan mediciones de las condiciones atmosféricas; las fuentes que miden la contaminación, consignando los componentes químicos nocivos suspendidos en el aire; y los medidores de polen, incluidos los que tienen mayor poder alergógeno.
Todos estos parámetros se suministran a la red neuronal con las variables de área donde se ubican las fuentes, variables estacionales que aumentan o disminuyen la contaminación y concentración de pólenes y se cruzan con datos hospitalarios, con volumen de demanda de asistencia en casos de incapacidad respiratoria y trastornos circulatorios. “Estos datos de los hospitales son de difícil acceso, ya que las instituciones sanitarias son, de momento, reacias a compartirlos. No obstante, en este caso fueron obtenidos en el marco del Instituto Mixto de Investigación IMIENS, fruto de la colaboración entre la UNED y el Instituto Nacional de Salud Carlos III”, explica el director de la investigación José Luis Aznarte.
