El proyecto ‘Hospitales 4.0: Machine learning para una gestión más efectiva’ tiene el objetivo de crear un gemelo digital que permita monitorizar, visualizar y gestionar el estado de mantenimiento de los equipamientos hospitalarios. En este proyecto participa el Grupo de Investigación Accionamientos Eléctricos y Aplicaciones Industriales (MCIA) de la Universidad Politécnica de Cataluña-BarcelonaTech (UPC). Mediante el gemelo digital, se 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.
La optimización de la disponibilidad de los recursos y del mantenimiento de estos dentro del entorno hospitalario garantiza la disponibilidad de los equipos médicos cuando son necesarios. La anticipación evitará su escasez o posibles problemas con tiempo suficiente como para poder buscar y empezar a activar soluciones.
Prueba piloto
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 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, con la creación del algoritmo de machine learning, junto al diseño de los flujos de datos del simulador y la base de datos con los históricos clínicos, permitirá un sistema de gestión de equipos predictivo y correctivo.
Ventajas de la solución
Gracias al mantenimiento predictivo se podrán anticipar imprevistos y, con ello, gastos indeseados. También serán capaces de buscar el rendimiento óptimo de los mismos. Asimismo, 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 una solución urgente.
Por otro lado, se estará contribuyendo a la mejora del medio ambiente y la sostenibilidad, a través de la mejora del consumo energético de los sistemas implicados en la operativa del hospital.
Además, 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. 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.
Gracias al modelo de machine learning, que recopila todos los datos necesarios para crear algoritmos predictivos, permite prevenir fallos y mejorar el funcionamiento de los sistemas. Respecto a la capacidad de atención al paciente, estos algoritmos de machine learning ofrecerán un mecanismo de predicción de fallos, posibilitando la programación de acciones adicionales para evitar la indisponibilidad de los equipos.
Por último, 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.
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. Liderado por Smartech Cluster, el proyecto cuenta con la participación de la Asociación Clúster Salud Mental de Cataluña, MCIA UPC, BIM6D, Fundación Joan Costa Roma y Cadtech Ibérica.