Propuesta de validación de datos abiertos y detección de patrones en salud con machine learning: aplicación en el proyecto INCUCAI (donación y trasplante de órganos y tejidos)

Abstract

En el contexto de los datos abiertos, la calidad de la información es crucial, especialmente en sectores sensibles como la salud. Aunque existen diversas guías sobre la publicación de datos abiertos, poco se ha explorado sobre la validación específica de los datos en áreas críticas, como el sistema de donación y trasplante de órganos. Este proyecto, en esta línea de investigación, propone un enfoque innovador para la validación de datos abiertos y la detección de patrones mediante técnicas de Machine Learning, aplicados específicamente al Proyecto INCUCAI. Se busca mejorar la integridad y precisión de los datos relacionados con la donación y trasplante de órganos y tejidos, facilitando una toma de decisiones más eficiente y fundamentada. A través de este estudio, se desarrollan métodos para validar conjuntos de datos públicos en el ámbito de la salud y se aplican algoritmos predictivos para identificar patrones relevantes que optimicen los procesos de asignación y distribución de órganos. Esta propuesta no solo contribuirá a la mejora de políticas de salud pública, sino que también apoyará la transparencia en la gestión de datos sensibles. Este trabajo, no solo desarrolla prototipos de software en validaciones de datos específicos, sino que, además, permite estudiar modelos predictivos (aprendizaje automático) que pueden brindar un mejor análisis para la toma de decisiones.