Suchi Saria es profesora asociada de aprendizaje automático y atención médica en la Universidad Johns Hopkins , donde usa big data para mejorar los resultados de los pacientes. [2] [3] [4] [5] Es una Joven Líder Global del Foro Económico Mundial (WEF) .
Saria es de Darjeeling . [6] Obtuvo su licenciatura en Mount Holyoke College . [7] Recibió una beca completa de Microsoft . En 2004 se incorporó a la Universidad de Stanford como miembro de Rambus Corporation . [7] Obtuvo su Maestría en Ciencias y Doctorado en Filosofía [8] en la Universidad de Stanford , supervisada por Daphne Koller y asesorada por Anna Asher Penn y Sebastian Thrun . en la Universidad de Stanford, Saria desarrolló un modelo estadístico que podía predecir resultados de bebés prematuros con una precisión del 90 %. [9] El modelo usó datos de monitores, peso al nacer y tiempo de permanencia en el útero para predecir si un bebé prematuro desarrollaría una enfermedad. [10] [11] Trabajó en la startup Aster Data Systems . [12]
Saria cree que los grandes datos se pueden utilizar para personalizar la atención médica. [13] [14] Es considerada una experta en estadística computacional y sus aplicaciones al mundo real. [7] Utiliza modelos bayesianos y probabilísticos . [6] En 2014, Saria fue financiada por un proyecto de la Fundación Gordon y Betty Moore de $ 1,5 millones que buscaba hacer que las unidades de cuidados intensivos fueran más seguras. [15] El proyecto utilizó datos recopilados junto a la cama de los pacientes junto con sensores 3D no invasivos que monitorean la atención en las habitaciones del hospital de los pacientes. [dieciséis]Los sensores recopilan información sobre pasos que los médicos podrían haber pasado por alto; como lavarse las manos. [dieciséis]
Saria utiliza big data para gestionar enfermedades crónicas . [17] Ella es parte de un premio de la Fundación Nacional de Ciencias (NSF) que analiza la esclerodermia . Utiliza el aprendizaje automático para analizar registros médicos e identificar patrones similares de progresión de la enfermedad. [17] El sistema determina qué tratamientos se han utilizado con eficacia para varios síntomas para ayudar a los médicos a elegir planes de tratamiento para pacientes específicos. [17] Ha desarrollado otro algoritmo que se puede utilizar para predecir y tratar el shock séptico . [18] El algoritmo utilizó 16 000 elementos de registros de salud de pacientes y genera unpuntuación de advertencia en tiempo real (TREWS). [19] Colaboró con David N. Hager para usar el algoritmo en las clínicas y fue correcto el 86 % de las veces. Saria modificó el algoritmo para evitar perder pacientes de alto riesgo, por ejemplo, aquellos que sufrieron un shock séptico anteriormente y que buscaron un tratamiento exitoso. [20] La revista XRDS la describió como una pionera en la transformación del cuidado de la salud. [21] En 2016, Saria habló sobre el uso del aprendizaje automático para la medicina en TED xBoston. [22] La charla ha sido vista más de 100.170 veces. [23]