Doctorado en Ciencias de la Salud

Objetivo: Desarrollar, validar y aplicar algoritmos de fenotipado computacional integrados, basados en datos estructurados y no estructurados de historias clínicas electrónicas, para identificar de manera precisa y oportuna a pacientes con enfermedades crónicas de alto impacto (enfermedad isquémica cardiaca, diabetes y cáncer) en EsSalud, generando estimaciones confiables de indicadores epidemiológicos críticos que optimicen la toma de decisiones en salud pública y gestión clínica, y fortalezcan la investigación basada en datos del mundo real en entornos de recursos limitados. Métodos: El estudio se desarrollará en fases. Primero, se construirán algoritmos básicos combinando códigos CIE-10, resultados de laboratorio y tratamientos, los cuales serán validados por expertos clínicos para generar una población "gold standard". Posteriormente, se integrarán técnicas de procesamiento de lenguaje natural (NLP) utilizando un modelo ligero (LLaMA) para extraer información de notas clínicas no estructuradas. Estos modelos serán entrenados y validados en servidores de EsSalud. La validación interna se llevará a cabo mediante remuestreo de bootstrapping, evaluando la discriminación, calibración y clasificación de los algoritmos. Finalmente, los algoritmos validados se aplicarán a toda la base de datos de EsSalud, utilizando modelos espaciales de áreas bayesianos multinivel para estimar la prevalencia, incidencia y mortalidad a nivel distrital. Se corregirá los sesgos por el error de medición del algoritmo usando métodos bayesianos. Asimismo, para obtener estimaciones de indicadores de morbi-mortalidad consistenciados, se ajustarán con el modelo DISMOD-2. Resultados Esperados: Se espera mejorar la calidad de la información epidemiológica disponible en EsSalud, proporcionando herramientas robustas para la toma de decisiones en salud pública y la investigación clínica en Perú. Los algoritmos desarrollados facilitarán la identificación precisa de pacientes con enfermedades crónicas, optimizando la gestión de la salud, la inteligencia sanitaria y la disponbilidad de datos de mundo real para investigación científica en un entorno de recursos limitados.

SOTO BECERRA ,PERCY