La nueva tecnología de Fujitsu recrea en un gemelo digital políticas de gobiernos locales que ya han tenido éxito y utiliza datos para generar nuevas políticas candidatas y medir su eficacia. Durante las pruebas de campo en proyectos de atención sanitaria preventiva, la nueva tecnología permitió crear políticas candidatas que duplicaron tanto el ahorro en gastos médicos como la mejora de los indicadores de salud conseguidos mediante la orientación sanitaria en comparación con el año anterior, al tiempo que se cumplían los requisitos de dotación de recursos. Esto demostró la capacidad de la tecnología para crear políticas que alcanzan múltiples objetivos simultáneamente, acortando potencialmente los tiempos de planificación y facilitando la creación de consenso.
Fujitsu pretende lanzar en Japón un servicio para el sector médico y sanitario que utilice la recién desarrollada tecnología de gemelos digitales para el año fiscal 2025. Además, al aprovechar esta tecnología en sus servicios de consultoría Uvance Wayfinders, Fujitsu pretende digitalizar las iniciativas de las partes interesadas y contribuir a resolver los retos de la sociedad, incluida la reestructuración de los servicios para hacer frente a la escasez de mano de obra, la prevención y mitigación de desastres y la mejora de la resiliencia de la cadena de suministro.
Visión general de Policy Twin
Fujitsu ha estado desarrollando Social Digital Twin (2), un grupo de tecnologías que incorporan los últimos conocimientos de la economía del comportamiento en las TIC, incluida la IA, para apoyar soluciones a retos sociales complejos. Esto implica el desarrollo de una tecnología de ensayo digital capaz de recrear con precisión el comportamiento humano en un gemelo digital y predecir el efecto/impacto de las políticas.
Basándose en esta tecnología de ensayo digital, Policy Twin aprovecha la economía empírica, la ciencia que utiliza los datos para comprender cómo asignar mejor los recursos, para evaluar y comparar de forma preventiva la eficacia de las políticas de los gobiernos locales recreadas digitalmente en un gemelo digital, lo que permite maximizar la eficacia y realizar análisis comparativos
El proceso de utilización de Policy Twin para identificar políticas eficaces es el siguiente:
1) Convertir las políticas escritas en formato de diagrama de flujo: Con la ayuda de grandes modelos lingüísticos (LLM), los documentos de política municipal disponibles públicamente se convierten a un formato de diagrama de flujo legible por máquina (Figura 1). Este formato incluye los servicios prestados (orientación sanitaria, recomendaciones de visitas clínicas, etc.) y utiliza ramas condicionales para acotar los destinatarios (por ejemplo, afecciones relacionadas con los niveles de glucosa en sangre o trastornos renales). Esto permite comparar las diferencias de flujo entre políticas de múltiples municipios similares, teniendo en cuenta las características geográficas y la composición demográfica.
2) Generar nuevos candidatos a flujogramas de políticas: Como se muestra en la Figura 2, los nuevos candidatos a organigrama se reconfiguran tomando como referencia los organigramas de políticas exitosas de múltiples municipios y combinando partes de las ramas condicionales y los servicios prestados. Durante este proceso, se toma como referencia el proceso de examen de asignación de recursos de la economía empírica y se selecciona la combinación de organigramas en función de restricciones como el rango limitado de asignación de recursos (es decir, la capacidad de uso de los servicios).
3) Simulación de la prestación de servicios: Para cada candidato de diagrama de flujo generado, se ejecuta una simulación utilizando técnicas que incluyen el aprendizaje automático que tiene en cuenta las elecciones de comportamiento humano (modelo de elección de comportamiento propio) (3) y los datos anteriores para determinar por qué ramas condicionales pasan las personas y qué servicios se prestan en última instancia. Además, calcula cómo cambiarán los indicadores objetivo de los municipios, como los indicadores de salud, los costes médicos y los recursos. Cuando se verificó la precisión de la simulación para un proyecto de asistencia sanitaria preventiva en un determinado municipio, se confirmó que el número de casos de orientación sanitaria calculado por el Policy Twin a partir de los datos del Seguro Nacional de Salud japonés coincidía con los valores reales dentro de un margen de error del 5%. De este modo, se simulan múltiples indicadores para cada uno de los múltiples candidatos a organigrama, y se selecciona el candidato a organigrama con el máximo de indicadores.
Impacto Futuro
Fujitsu prevé que la utilización del Gemelo de Políticas para la elaboración de políticas sanitarias preventivas más eficaces permitirá a los municipios lograr simultáneamente mejoras en la salud de los residentes, ahorro de costes y prevención de enfermedades, contribuyendo en última instancia a mejorar el bienestar. Dado que el Policy Twin también puede demostrar los fundamentos de las políticas propuestas, puede facilitar la creación de consenso entre las diversas partes interesadas y apoyar su aplicación en la sociedad. Además, se espera que el empleo de esta tecnología en múltiples municipios conduzca a la creación de mejores prácticas, la referencia mutua de políticas entre municipios y la aplicación hacia la estandarización de políticas.