Hospitales 4.0 con una gestión más efectiva gracias a algoritmos machine learning

Técnicas de localización colaborativas: integración en los sistemas de optimización de red y aplicación en entornos IoT
mayo 4, 2022
RODIN: Métodos robustos de inferencia estadística, integridad de los datos y gestión de la interferencia en redes de comunicaciones y aplicaciones 5G
abril 22, 2022
02/05/2022

Un gemelo digital que permitirá anticiparse y optimizar recursos

El proyecto Hospitales 4.0 – Machine learning para una gestión más efectiva, en el que participa el Grupo de Investigación Accionamientos Eléctricos y Aplicaciones Industriales (MCIA) de la Universitat Politècnica de Catalunya · BarcelonaTech (UPC), tiene como principal objetivo la construcción de un digital twin que permita monitorizar, visualizar y gestionar el estado de mantenimiento de los equipamientos hospitalarios.

Este “gemelo digital” representa con exactitud la actuación de un entorno hospitalario real en un escenario simulado. La simulación permite al equipo de gestión prepararse ante posibles situaciones reales y anticiparse a actuaciones futuras mediante la recopilación de datos de utilización y desgaste de los sistemas.

Mediante la optimización de la disponibilidad de recursos, y del mantenimiento de estos dentro del entorno hospitalario, se garantiza la disponibilidad de los equipos médicos cuando son necesarios. La anticipación evitará la escasez de estos o posibles problemas con tiempo suficiente como para poder buscar y empezar a activar soluciones.



Piloto sobre una instalación real ya en marcha

Hospitales 4.0 es un proyecto de corta duración (aproximadamente entre 9 y 10 meses) y actualmente se encuentra en la fase de recolección de datos del Hospital de Terrassa. Además, se están realizando los primeros diseños BIM (Building Information Modeling) de la zona que se pretende monitorizar.

Bajo este piloto se podrán validar la concordancia y la funcionalidad de las diversas tecnologías habilitadoras dentro de la Industria 4.0 que hacen posible este proyecto, entre ellas la simulación de sistemas, los gemelos digitales, el machine learning, la inteligencia artificial, el internet de las cosas (IoT) y la interconexión de sistemas.

Como siguiente paso se comenzará a diseñar la parte “lógica” del simulador de uso de las instalaciones. En este punto, MCIA se responsabiliza de la creación del algoritmo de machine learning que, junto al diseño de los flujos de datos del simulador que está desarrollando CT Solutions Group y la base de datos con los históricos clínicos, permitirá un sistema de gestión de equipos predictivo y correctivo.



¿Qué ventajas tendrán los hospitales o centros de salud que cuenten con esta solución?

  • Reducir los costes mejorando la eficiencia del uso de equipos del hospital. Gracias al mantenimiento predictivo se podrán anticipar imprevistos y, con ello, gastos indeseados. También serán capaces de buscar el rendimiento óptimo de los mismos.
  • Mejorar las operaciones. La anticipación de los posibles errores facilitará el diseño y gestión del calendario de mantenimientos preventivos, y minimizará los retrasos en las operaciones periódicas ocasionados por las incidencias que requieran solución urgente.
  • Mejorar la sostenibilidad y medio ambiente. Gracias a la mejora del consumo energético de los sistemas implicados en la operativa del hospital, se estará contribuyendo consecuentemente a la mejora del medio ambiente y la sostenibilidad.
  • Mitigar los riesgos. Permite ejecutar simulaciones que ayudarán a determinar y optimizar la operación de la instalación y su uso, así como determinar si el mantenimiento preventivo establecido es el correcto.
  • Comprender las interacciones del sistema. Los gemelos digitales de diferentes sistemas se pueden combinar para prever cómo se relacionan entre sí. Esta función es muy útil en el caso de productos y servicios que proceden de diferentes proveedores.
  • Afinar la predicción. El modelo de machine learning recopila todos los datos necesarios para crear algoritmos predictivos. Estos sistemas de inteligencia artificial permiten prevenir fallos y mejorar el funcionamiento de los sistemas.
  • Mejorar la capacidad de atención al paciente. La incorporación de algoritmos de machine learning a la gestión de mantenimiento permitirá disponer de un mecanismo de predicción de fallos, posibilitando la programación de acciones adicionales para evitar la indisponibilidad de los equipos. A su vez, el incremento de la disponibilidad de los equipos médicos permitirá mejorar la capacidad y calidad de atención al paciente.
  • Predecir las necesidades de personal y recursos adicionales. Mediante el simulador de operación de la instalación, se podrá predecir y determinar el número de personal requerido ante diversas situaciones, también si habrá equipos suficientes, e incluso anticiparse a la falta de ciertos medicamentos.

Miembros del proyecto y soporte estatal

El proyecto está financiado mediante la línea de ayudas de apoyo a las Agrupaciones Empresariales Innovadoras (AEI) del Ministerio de Industria, Comercio y Turismo con un importe de 32.351 euros. Su liderazgo recae en el clúster Smartech Cluster y cuenta con la participación de la Asociación Clúster Salud Mental de Cataluña, MCIA UPC, BIM6D, Fundación Joan Costa Roma y Cadtech Ibérica.



Proyectos Relacionados

This site is registered on wpml.org as a development site.