Jocelyn Dunstan, doctora en Matemáticas Aplicadas: “En 48 ramos en la universidad nunca tuve una mujer de profesora”

Desde el segundo año de su doctorado, Jocelyn Dunstan (35) se dio cuenta de que debía implementar sus conocimientos de modelamiento matemático a la Salud Pública. La doctora en Matemáticas Aplicadas, e investigadora del Centro de Modelamiento Matemático de la Universidad de Chile, estará presente en esta nueva versión de Congreso Futuro: Habitar la Incertidumbre. Lleva tres años liderando el proyecto que busca entrenar computadoras para poder detectar información clave dentro de este tipo de narrativas médicas.

En esta entrega de Congreso Futuro, Dunstan explicará su trabajo como investigadora, sus resultados, y la importancia de implementar el aprendizaje de máquinas (machine learning) al servicio de las personas. Además, explica su camino por la ciencia y cómo ha sido su pasar por las ciencias exactas, donde recuerda que de los 48 cursos que tuvo en pregrado, todos los docentes fueron hombres.

-¿De qué tratará tu charla en Congreso Futuro?

Hablaré en el panel llamado “Las Enfermedades silenciosas”. Allí contaré sobre mi área de investigación, que está enfocada en el procesamiento matemático de textos clínicos. En Medicina, y en muchas áreas, lo más fácil es anotar números o códigos. Porque después se puede saber el promedio de las personas atendidas, u otra cosa. Es súper fácil, en un excel saldría todo.

El problema es que cuando escribes lo que dijeron los pacientes, es más difícil resumir eso. Se pueden buscar palabras claves como “feliz” o “triste”, y decir cuántas personas dijeron que estaban felices o tristes, por decir una cosa. Pero si lo dicen con otras palabras, este análisis se vuelve mucho más complejo.

-¿Cómo se puede procesar esa información? Que a veces puede ser difusa...

Hay información que los médicos escriben en narrativas clínicas, que contienen información clave, y muchas veces es muy difícil descubrir la información de ahí. De ahí se podría obtener por qué la persona está consultando al doctor, o qué enfermedades hay en la familia y que no lo habían declarado antes.

Eso es súper importante, tanto como para el paciente en específico, como para que el país entienda cuánta carga genética hay en alguna enfermedad en específico. Pero como está en texto libre, eso hace que sea mucho más difícil para que organismos como el Ministerio de Salud tomen sus decisiones, o para crear guías clínicas que orienten la salud pública del país. Es tan clave, que realizamos esta “minería de texto”. Nos metemos en el texto clínico, y hacemos que las máquinas, con inteligencia artificial, entiendan cuál es la información clave, y la agregan a una base de datos para estructurar una información no estructurada.

-¿Y cómo harás para presentar tu trabajo en la próxima versión de Congreso Futuro?

Partiré motivando a la población sobre la necesidad de mirar los textos clínicos. Pienso partir con una broma, diciendo “menos mal que usamos textos electrónicos”, porque todavía hay centros que usan textos en papel. Imagínate, con letra de médico.

No es escanear y que las máquinas hagan una traducción a texto. Los textos que escriben los médicos en sus consultas están llenos de abreviaciones como “TAC”, “TOC”, o en vez de “paciente” escriben “PCT”. El 40% de los textos son tecnicismos y abreviaciones, y no existe un diccionario de abreviaciones. Las abreviaciones no son una forma de escribir tan estándar, las aprenden de lo que ven en otros médicos, y eso a las máquinas les cuesta aprender.

-¿Cómo surgió la idea de aplicar el modelamiento matemático a la Salud Pública?

Hice mi doctorado en matemática aplicada, en la Universidad de Cambridge, y ahí fue cuando me di cuenta que la debía emplear más hacia la salud. Seguro que mi doctorado en la Universidad John Hopkins de seguro ayudó. No tuve que llegar a Chile para buscar una oportunidad y decir “por favor, créanme que yo quiero hacer Salud Pública”. No me arrepiento de irme por el lado de la salud, porque creo que hay muchos desafíos interesantes que hacer, donde el análisis de datos y el modelamiento matemático son necesarios para darle una mirada interdisciplinaria al área.

-Y en concreto, ¿cómo ha sido el recibimiento de esta aplicación en Salud Pública?

Hicimos un trabajo con las listas de espera de los hospitales públicos chilenos, donde creamos el recurso lingüístico para que la máquina pueda entender qué información es importante y qué no. Para eso tenemos que “entrenar a las máquinas”, agregando anotaciones donde anunciamos dónde habían enfermedades y qué tipo de tratamientos se hacían.

Hicimos el primer artículo científico en Chile de etiquetado de corpus digital, y fuimos galardonados como el mejor paper. Eso no me había pasado en Física, el éxito lo vi más cuando entré a trabajar en salud. Es tan importante revisar las listas de espera y saber por qué la gente está esperando y cuáles son sus patologías más graves.

-¿Te interesa transmitir este conocimiento a nuevas generaciones de profesionales?

Por supuesto. Trabajo tanto en la Facultad de Ingeniería como en la Facultad de Medicina de la Universidad de Chile. Sobre todo, los alumnos médicos u odontólogos me han ayudado a hacer tareas de cómo enseñar a las máquinas a que aprendan, y los alumnos de ingeniería son súper buenos en crear nuevos métodos de análisis. Esa mezcla ha salido súper bien.

-¿Cómo has visto la presencia de mujeres en la ciencia? Sobre todo en ciencias exactas

Cuando estudié el pregrado, nunca tuve una profesora mujer. Toda la carrera fue enseñada por hombres, durante seis años. En 48 cursos nunca hubo una mujer que me enseñara, y en el subconsciente eso me hacía sentir que yo no pertenecía a ese mundo. Ahora eso ha cambiado. En el Departamento de Física hay alrededor de tres o cuatro académicas, y hace diez años no había ninguna.

A veces se cuestiona esto de generar cuotas de género. Incluso yo, cuando era chica no estaba segura de esto. Pero ahora me doy cuenta que hay que hacerlo. En algún día esto va a ser más natural, pero ahora estábamos tan mal que necesitábamos políticas activas que permitieran que mujeres que se estaban doctorando, y saliendo al mundo laboral, tuvieran una aceptación en la academia. Hay otras carreras donde las mujeres han estado más presentes, pero en las ciencias exactas se ha notado muchísimo la brecha.

-¿Y cómo crees que ha sido el aporte de la ciencia en Chile durante la última década? ¿Qué tan difícil es desarrollar conocimiento en nuestro país?

Para hacer ciencia igual es complicado. Si lo que hacen es financiar de a poco a los científicos, y solo se pueden hacer contratos de honorarios, es difícil mantener a la gente en la academia, y sobre todo a la gente más joven. En el fondo, no puedes pensar que la gente tiene que seguir viviendo con los papás hasta los 30 porque se dedicó a hacer ciencia. En la medida que se generan condiciones, yo creo que la gente florece. Se generan excelentes publicaciones y se tiene la posibilidad de dar a conocer lo que haces en conferencias y charlas, así después te puedan citar. Y con más citas, obtienes más posibilidades de financiamiento para publicación.

Yo, desde que estoy en el Centro de Modelamiento Matemático he sentido ese apoyo. El desarrollo interdisciplinario hace que se te haga la vida más fácil como académico, y con eso puedes salir a brillar más de lo que lo harías si estuvieras solo. Es mucho menos complicado llegar a las grandes ligas si se trabaja en un centro donde hay sinergia de varias personas y disciplinas.