Así que diseñó un conjunto de métodos de aprendizaje automático para convertir los desordenados datos clínicos en predicciones útiles sobre cómo la evolución de los pacientes durante su estancia en el hospital.
No fue fácil. Las áreas donde sobresale el aprendizaje automático suelen tener grandes conjuntos de datos cuidadosamente etiquetados. Pero los datos médicos aparecen en una variedad desconcertante de formatos y en frecuencias erráticas, que van desde partes médicos de baja escritos a diario, análisis de sangre por hora hasta datos continuos del monitor cardíaco.
Y a pesar de que las actividades de la vista y el lenguaje son innatamente fáciles de entender para los seres humanos, incluso los especialistas médicos altamente capacitados pueden no estar de acuerdo con algunos diagnósticos o tratamientos. A pesar de estos desafíos, Ghassemi desarrolló algoritmos de aprendizaje automático que utilizan diversos datos clínicos para predecir cosas como cuánto tiempo permanecerán en el hospital los pacientes, qué probabilidades tienen de morir allí y si necesitarán intervenciones como transfusiones de sangre o respiradores artificiales.
Este otoño, Ghassemi se unirá a la Universidad de Toronto (Canadá) y al Instituto Vector, donde espera probar sus algoritmos en los hospitales locales.