El Govern impulsa un model predictiu avançat d'IA per a la previsió d'incidents que ha estat desenvolupat pel SEM i el CIDAI

El Govern, a través de la Secretaria de Polítiques Digitals del Departament d'Empresa i Treball, ha presentat avui un model avançat d'intel·ligència artificial (IA) per a la previsió d'incidents que han desenvolupat el Sistema d'Emergències Mèdiques de Catalunya (SEM) i el Centre of Innovation for Data tech and Artificial Intelligence (CIDAI), en el marc de l'Estratègia d'Intel·ligència Artificial de Catalunya, Catalonia.AI.

El desenvolupament d'aquest model predictiu té la finalitat d'adaptar la capacitat de resposta i de gestió del SEM davant de possibles creixements o decreixements de l'activitat que es puguin preveure. Aquesta iniciativa neix amb l'objectiu de fer una predicció acurada de l'activitat basant-se en la detecció de patrons derivats de les dades històriques generades pel SEM.

En paraules de la secretària de Polítiques Digitals de la Generalitat de Catalunya, Maria Galindo, "els Projectes d'Alt Impacte com aquest, que el CIDAI desenvolupa mitjançant la col·laboració publicoprivada en el marc de l'estratègia Catalonia.AI, contribueixen a fomentar el desenvolupament i adopció d'innovació amb IA, demostrant el valor d'aquesta tecnologia per resoldre reptes d'alt impacte, amb casos d'ús reals". "D'aquesta manera, no només es validen solucions innovadores, sinó que a més a més es transfereix aquest coneixement avançat en IA cap a l'ecosistema", afegeix.

Si bé actualment la predicció de l'activitat es du a terme a partir de la mitjana de dades històriques, l'aposta per la IA permet crear un model predictiu amb autoaprenentatge gràcies a la introducció de variables. Aquesta visió predictiva permet sistematitzar el càlcul del dimensionament de recursos del SEM.

"El SEM té un volum d'activitat variable que requereix una adaptació constant dels recursos disponibles, tant a la Central de Coordinació Sanitària com a les unitats distribuïdes estratègicament arreu del territori", explica la directora del SEM, Anna Fontquerni. L'any2023 el SEM va donar resposta a 2.211.161 incidents, dels quals 1.171.291 no van requerir l'activació de recurs i es van atendre a través d'assistència no presencial. D'altra banda, 1.039.870 incidents sí que van requerir la mobilització de recurs, com ara una ambulància. "El desenvolupament d'aquest model predictiu amb ús d'IA és el primer pas per comptar amb una eina que ens permet anticipar l'activitat presencial i no presencial. Gràcies a totes les dades generades pel SEM des de l'any 2014 i a la confecció dels models predictius per part del CIDAI, aquest avenç és de gran utilitat en la presa de decisions", assegura la directora del SEM.

El cap de l'Àrea de Sistemes d'Informació, TIC i Dades del SEM, Raimon Dalmau, destaca que "aquesta prova de concepte és un primer pas pel SEM en l'ús de tècniques d'IA i aprenentatge automàtic, que ha donat un resultat molt bo com a model predictiu d'activitat i ens proposem ampliar el seu abast a curt termini a altres aspectes del servei" Per generar aquesta eina s'ha dut a terme un abocament de dades massives recopilades des de l'any 2014. Concretament, s'ha usat la informació de 27 milions d'incidents de tipologia diversa.

En aquest sentit, Albert Gual, sotscap de CECOS de Reus, posa especial èmfasi en la capacitat predictiva que ofereix el model en diferents escales temporals. Ressalta que amb l'eina "es té l'aproximació d'incidents que es poden rebre diàriament en cada torn de treball, sigui tant a una setmana vista com en les pròximes hores". Gràcies a la precisió de les dades, aquesta eina ajuda en la planificació del servei i a millorar l'eficiència sense fer ús de recursos innecessaris, i "permetria dimensionar correctament l'equip de professionals en funció de l'activitat", assegura Gual.

"L'impacte d'aquest projecte va més enllà de la seva implementació tècnica, atès que l'elevada fiabilitat de la predicció d'incidents demostrada amb el projecte facilita una gestió més proactiva i eficient dels recursos del Sistema d'Emergències", afegeix el director del CIDAI i director Científic de l'Àrea Digital d'Eurecat, Joan Mas i Albaigès.

Models d'intel·ligència artificial que poden predir amb un alt grau de precisió el volum d'incidències

El SEM rep un gran nombre de trucades relacionades amb incidents, si bé el seu volum varia en funció de l'hora del dia, el dia de la setmana o l'època de l'any, entre altres factors. En aquest escenari, el repte que es va plantejar va ser el d'implementar un sistema basat IA que pogués predir el nombre d'incidents en un horitzó temporal curt, tot permetent una gestió primerenca i eficient dels recursos.

En el projecte, s'han desenvolupat models d'IA entrenats amb dades històriques generades pel SEM que poden predir amb un alt grau de precisió el volum d'activitat futura. El projecte incorpora també un quadre de comandament que s'ha posat a disposició del SEM, per tal de complementar-la seva operativa habitual.

El gerent del CIDAI, Marco Orellana, ha conduït l'acte de presentació del projecte, en el qual també hi ha participat la cap d'Innovació de la Fundació i2CAT, Karla Trejo; el director de Desenvolupament de l'Ecosistema d'intel·ligència artificial i Espais de Dades a Huawei, Roi Rodríguez; i l'investigador en aprenentatge automàtic d'Eurecat Arnau Berenguer Jiménez.

La iniciativa s'inscriu en els Projectes d'Alt Impacte (PAI) que du a terme el CIDAI en el marc de l'estratègia Catalonia.AI. Aquest PAI, que ha comptat amb la participació del SEM com a promotor del repte, ha estat liderat per Eurecat, que en col·laboració amb la Fundació i2CAT i Huawei, ha desenvolupat la solució innovadora basada en eines d'analítica avançada de dades i IA.

Enllaç a Imatges de la Central de Coordinació Sanitària del SEM