Toma de decisiones basada en datos

Muchas de las decisiones que tomamos cada día se basan en modelos, o mejor dicho, en representaciones de cómo funciona algo. A veces estos modelos son mentales, como cuando miramos una habitación vacía y nos imaginamos cómo decorarla. Los modelos también pueden ser visuales, como cuando consultamos Google Maps al viajar a un nuevo destino. A menudo utilizamos estos modelos para tomar mejores decisiones y simplificar tareas.

Los modelos que utilizamos para tomar decisiones también pueden ser matemáticos, como los modelos abstractos que emplean un lenguaje matemático para describi^r el comportamiento de un sistema.7 Este tipo concreto de modelo se engloba dentro de la ciencia de la decisión: la aplicación interdisciplinar, basada en datos, de las ciencias del comportamⁱento, la empresa, la informática y la tecnología.6 En esencia, la ciencia de la decisión consiste en utilizar datos para optimizar el proceso de toma de decisiones.

Aunque la mayoría de la gente no recurre explícitamente a la ciencia de la decisión en su vida cotidiana, las empresas y los economistas la utilizan habitualmente para realizar análisis de riesgos, análisis coste-beneficio y coste-eficacia^, modelos de simulación, etc.7

Big data: Grandes cantidades de información que las empresas y los estadísticos acumulan, a menudo procedente de los consumidores. A menudo procede de la minería de datos.

Minería de datos: Proceso que utilizan las empresas para transformar datos brutos en material utilizable e informativo. Estos datos suelen utilizarse después para crear programas de aprendizaje automático.

Análisis coste-beneficio: Método sistemático de estimación de los puntos fuertes y débiles de un planteamiento. Proporciona a las empresas una mejor comprensión de qué enfoque generaría el máximo beneficio y ahorro.³

Ciencia de datos: Campo interdisciplinar que utiliza algoritmos, métodos y técnicas científicas para extraer ideas de datos estructurados y no estructurados. Las ciencias de datos ven los datos como una herramienta para la optimización y el perfeccionamiento empresarial; se ^basa en big data y aprendizaje automático.2

Ciencia de la decisión: Aplicación de técnicas cuantitativas complejas para facilitar y fundamentar el proceso de toma de decisiones. Las ciencias de la decisión consideran los datos como una herramienta para el desarrollo de hipótesis ^y la toma de decisiones utilizando la lógica y la probabilidad.2

Aprendizaje automático: Rama de la inteligencia artificial que consiste en crear aplicaciones y programas informáticos que aprenden de los datos y mejoran su precisión con el tiempo. Las máquinas se entrenan para encontrar patrones en los datos.

Análisis de riesgos: Proceso que estima la probabilidad de que se produzca un acontecimiento adverso, dentro de los sectores empresarial, gubernameⁿtal o medioambiental.4 El análisis de riesgos garantiza que exista un equilibrio entre la asunción de riesgos y la reducción de las posibles consecuencias negativas.

Las ciencias de la decisión se derivan de múltiples enfoques, como el análisis de riesgos, el análisis coste-beneficio y la ciencia de datos. Es importante recordar que las ciencias de la decisión están arraigadas en los procesos subyacentes de cómo tomamos decisiones; por eso pueden relacionarse con otros campos, pero son fundamentalmente diferentes del campo de la ciencia de datos, por ejemplo.

En términos generales, el análisis de riesgos se refiere al proceso de evaluar la probabilidad de que se produzca un acontecimiento adverso en el ámbito empresarial, gubernamental o incluso medioambiental. Una de sus aplicaciones en el ámbito de la ciencia de la decisión es la protección de la salud pública mediante la comunicación de información sobre los riesgos para la salud en un marco útil para la toma de decisiones.4 Es especialmente importante ahora, cuando el público es cada vez más consciente de cómo su propia salud se ve afectada por los peligros medioambientales y la contaminación. Por lo tanto, los gobiernos, las organizaciones sanitarias y las organizaciones privadas necesitan tomar decisiones con conocimiento de causa para asegurarse de que son capaces de responder a los deseos y necesidades del público en consecuencia. Una limitación, sin embargo, es que el ^riesgo se basa en la probabilidad, lo que significa que es prácticamente imposible ser preciso a la hora de calcularlo. Además, el análisis de riesgos no puede tener en cuenta el impacto de acontecimientos extremos.4,7

El análisis coste-beneficio fue conceptualizado en 1848 por el ingeniero Jules Dupuit, pero no se implantó en la política pública hasta 1958. El análisis coste-beneficio se amplió entonces para abordar temas relacionados con el abuso de sustancias y los residuos químicos. En la actualidad, su uso más frecuente es en economía, concretamente en economía del bienestar, así como en políticas públicas. Se caracteriza por medir costes y beneficios en la misma unidad, lo que si^gnifica que los beneficios suelen medirse en términos financieros.7 Sin embargo, tiene la limitación de que, en proyectos a largo plazo, el análisis coste-beneficio pu^ede no tener en cuenta aspectos financieros como la inflación o los tipos de interés.3

La ciencia de datos fue denominada oficialmente en 2001 por el informático William S. Cleveland. Cleveland sostenía que la estadística debía ir más allá de la teoría o la minería de datos y utilizarse para la innovación. En la actualidad, la ciencia de datos es extremadamente poderosa, ya que informa prácticamente todos los aspectos de nuestras vidas; es la fuente de información de fondo para todo lo relacionado con la tecnología. La ciencia de datos tiene efectos de gran alcance en nuestra toma de decisiones cotidiana.

La ciencia de la decisión es, por tanto, un término que engloba muchas técnicas cuantitativas, como el análisis de riesgos y el análisis coste-beneficio, que se utilizan para mejorar la toma de decisiones. Analiza las decisiones como unidades de análisis, lo que significa que puede fundamentar y ha fundamentado decisiones en derecho, educación, regulación medioambiental, salud pública y políticas públicas. La ciencia de la decisión difiere de otros enfoques, como la ciencia de los datos, en que se oc^upa de tomar decisiones basadas en los datos disponibles, en lugar de producir nuevos datos.7

Tomar decisiones puede ser increíblemente difícil y estresante para los individuos. Pensemos, sin embargo, en lo difícil que es tomar una decisión para el futuro de toda una empresa o un gobierno. A pesar de la ingente cantidad de datos que reciben las empresas y los gobiernos, y de la experiencia de sus grupos de trabajo, siempre existe la posibilidad de que interfieran sesgos cognitivos y opiniones subjetivas.

La ciencia de la decisión mitiga algunos sesgos y proporciona a empresas y gobiernos una predicción clara y notablemente precisa del posible resultado de una decisión. Además, al calcular los riesgos y beneficios de una decisión, las empresas o los responsables políticos pueden comprender mejor en qué se están metiendo antes de tomar una decisión definitiva.

Cribado genético prenatal en Ontario

Las pruebas prenatales no invasivas (NIPT) empezaron a estar disponibles en Ontario en 2013. Desde 1993, el Ministerio de Sanidad y Asistencia Sanitaria a Largo Plazo (MOHLTC) financia con fondos públicos numerosas pruebas de cribado genético prenatal; sin embargo, la NIPT solo estaba disponible para quienes estuvieran dispuestos a pagarla cuando se puso a disposición del público por primera vez. La NIPT promocionaba su capacidad para mejorar la precisión y la seguridad de las pruebas genéticas, lo que aumentó el interés público. En respuesta, el Ministerio nombró un Grupo de Detección Genética Prenatal (PGSG) en 2014 para asesorar sobre las prácticas de detección en curso y hacer recomendaciones para mejorar la detección genétic^a prenatal en Ontario. En concreto, el Ministerio solicitó una evaluación económica que incluyera los costes y los resultados de rendimiento asociados a la NIPT.1

El objetivo del cribado genético prenatal es identificar anomalías cromosómicas fetales, como el síndrome de Down (trisomía 21), en mujeres de edad materna avanzada (mayores de 35 años). Los primeros métodos de cribado se denominaban amniocentesis, que implicaban un riesgo de entre el 0,01 y el 0,5% de pérdida fetal. Los análisis más modernos eran mínimamente invasivos y se convirtieron en parte rutinaria de las revisiones de las mayores de 35 años. En Ontario se disponía entonces de cuatro pruebas de cribado. Tras examinar las medidas de cribado existentes, el número de mujeres que las utilizaban y su eficacia, el comité recomendó que se ofreciera la NIPT a las mujeres, a pesar de los riesgos. Además, se recomendó que la introducción de la NIPT en el sistema público podría dar lugar a una mayor detección de casos de síndrome de Down, así como a un menor número de pruebas invasivas y de pérdidas de embarazos relacionadas. No obstante, el comité señala que la NIPT debe utilizarse principalmente como prueba de contingencia, ya que hacerla obligatoria supondría un coste entre cuatro y cinco veces superior. En esta situación, el comité realizó un análisis de riesgos y un análisis de costes y beneficios para examinar si la NIPT sería una prueba razonable para incorporar al sistema sanitario.

Directrices de salud pública

El Grupo de Trabajo de Servicios Preventivos de EE.UU. se creó en 1984 con el objetivo de mejorar la salud de los estadounidenses mediante recomendaciones basadas en la evidencia sobre servicios clínicos. Estos servicios incluyen pruebas de detección, servicios de asesoramiento y medicamentos preventivos. Basan sus recomendaciones en las de otros organismos, en pruebas empíricas procedentes de estudios y en datos poblacionales. Un ejemplo de recomendación suya es mejorar el cribado del cáncer de pulmón.

En su declaración, el grupo de trabajo revela que el cáncer de pulmón es el segundo tipo de cáncer más frecuente y la principal causa de muerte en Estados Unidos. Destacan que el factor de riesgo más importante del cáncer de pulmón es el tabaquismo, así como la edad avanzada. Basándose en los datos de una revisión exhaustiva y en los tratamientos e intervenciones existentes, el grupo de trabajo defiende que los adultos de entre 50 y 80 años con un historial de tabaquismo de 20 paquetes al año deben someterse cada año a pruebas de detección del cáncer de pulmón mediante to^mografía computarizada de baja dosis. Esto debería continuar hasta que la persona no haya fumado durante 15 años.5

El proceso subyacente a las recomendaciones propuestas por el Grupo de Trabajo de Servicios Preventivos de EE.UU. ilustra la utilidad de emplear las ciencias de la decisión, incluidos el análisis coste-beneficio y el análisis de riesgos. Al considerar los riesgos y costes asociados a la integración del cribado y las exploraciones en la prevención del cáncer de pulmón, los autores pueden ofrecer recomendaciones útiles.

Por qué es importante la ciencia de la decisión

Si le interesa saber más sobre las ciencias de la decisión y por qué son importantes, este artículo diferencia entre ciencia de datos y ciencia de la decisión y profundiza en las aplicaciones de esta última.

Ciencia de datos

Si le interesa el campo relacionado de la ciencia de datos, este artículo esboza su historia y cómo impregna nuestra vida cotidiana.

1. Beck, D., Toole, J., John-Baptiste, A., (2015). Decidir valor por dinero: Improving Prenatal Genetic Screening in Ontario en: Speechley, M., & Terry, A.L. [eds] Western Public Health Casebook 2015. Londres, ON: Public Health Casebook Publishing.
2. Científico de decisiones frente a científico de datos. (sin fecha). Data Science Central. https://www.datasciencecentral.com/profiles/blogs/decision-scientist-vs-data-scientist
3. Cómo se realiza el proceso de análisis coste-beneficio. (sin fecha). Investopedia. https://www.investopedia.com/terms/c/cost-benefitanalysis.asp
4. Cómo funciona el análisis de riesgos. (sin fecha). Investopedia. https://www.investopedia.com/terms/r/risk-analysis.asp
5. Recomendación: Cáncer de pulmón: Screening | United States preventive services Taskforce. (sin fecha). United States Preventive Services Taskforce. https://uspreventiveservicestaskforce.org/uspstf/recommendation/lung-cancer-screening
6. Qué es la ciencia de la decisión? (2017, 5 de junio). NDMU Online. https://online.ndm.edu/news/analytics/what-is-decision-science/
7. ¿Qué es la ciencia de la decisión? (2020, 20 de octubre). Center for Health Decision Science. https://chds.hsph.harvard.edu/approaches/what-is-decision-science/