El uso de algoritmos genéticos para la optimización de los recursos sanitarios

Abstract

En este trabajo se presenta una revisión sobre el uso de algoritmos genéticos (AG) para la optimización de los recursos sanitarios. Los servicios sanitarios cuentan con recursos limitados, por lo que una gestión eficiente de los mismos produce un mejor resultado en términos de salud. En este trabajo se aborda la capacidad de los AG de mejorar el rendimiento de dichos recursos. Los AG siguen un método inspirado en la evolución natural para resolver problemas complejos y han demostrado ser eficaces en la mejora del rendimiento de los recursos sanitarios existentes. En este trabajo, se detalla su mecanismo cíclico de generación de individuos o soluciones a un problema planteado, seguido de una continua selección, cruce y mutación hasta encontrar una solución optimizada. Así mismo, se abordan sus aplicaciones más habituales en el ámbito sanitario como es la generación de turnos óptimos para pacientes, enfermeras o médicos y su utilización para encontrar ubicaciones espaciales óptimas. Finalmente, se destaca que su ámbito de aplicación es muy amplio y aún en descubrimiento, por lo que está abierta la puerta a futuras aplicaciones para optimizar los limitados recursos sanitarios.

This paper presents a review about the use of genetic algorithms (AG) for the optimization of health resources. Health services have limited resources, so efficient management of them produces a better result in terms of health. This work addresses the ability of AG to improve the performance of these resources. AG follow a natural evolution-inspired approach to solving complex problems and have proven effective in improving the performance of existing healthcare resources. In this work, its cyclical mechanism of generation of individuals or solutions to a problem posed is detailed, followed by continuous selection, crossover and mutation until an optimized solution is found. Likewise, its most common applications in the health field are addressed, such as the generation of optimal shifts for patients, nurses or doctors and its use to find optimal spatial locations. Finally, it is highlighted that its scope is very wide and still in discovery, so the door is open to future applications to optimize limited healthcare resources.