En los últimos años, la Inteligencia Artificial (IA) se ha introducido en nuestras vidas a través de funciones sencillas como el autocompletado en nuestros teléfonos inteligentes, los anuncios emergentes basados en nuestras búsquedas en Google y la activación automática de las luces cuando entramos en nuestras casas. Asimismo, en un contexto empresarial, la IA desempeña un papel importante en sectores como el del automóvil, la banca, los seguros y las ciencias de la vida, por citar algunos.
"Quizá deberíamos pararnos todos un momento y centrarnos no sólo en hacer que nuestra IA sea mejor y más exitosa, sino también en el beneficio para la humanidad".
Stephen Hawking
En el aprendizaje automático, los ordenadores aprenden a partir de conjuntos de datos en lugar de ser programados explícitamente con instrucciones. El aprendizaje profundo es un tipo de aprendizaje automático que utiliza una red neuronal artificial en capas e imita el funcionamiento del cerebro humano para generar predicciones automáticas a partir de conjuntos de datos.
La mayoría de ellos implican una validación in silico/computacional, que toma datos de estudios retrospectivos y genera una hipótesis que puede ser probada prospectivamente y respaldada. El aprendizaje profundo ha alcanzado nuevas cotas con los recientes logros en muchas áreas de la medicina, desde el diagnóstico del cáncer hasta la predicción del suicidio.
El sector de la salud es un sector difícil de digitalizar debido a la montaña de información necesaria para entrenar el algoritmo. Los avances tecnológicos en este campo han dado grandes pasos, desde las videollamadas con los médicos hasta los algoritmos informáticos para el diagnóstico.
El teléfono inteligente se ha convertido en el centro de la digitalización en la nueva era de la medicina, aunque existen algunos retos y limitaciones, la IA ha sido en gran medida positiva.
Esta visión se centra en cómo se puede utilizar la IA y en los retos que se plantean en el ámbito de la sanidad.
Aplicaciones de la IA en la sanidad
En el siguiente gráfico se destacan los ámbitos en los que puede intervenir la IA y el valor potencial anual que podría ahorrarse de aquí a 2026:.
Fig. 1 Diez aplicaciones de IA que podrían cambiar la asistencia sanitaria(1)
Medicina de precisión en la gestión de enfermedades crónicas
La medicina de precisión se centra en definir el perfil molecular del estado fisiológico de un individuo. Numerosos factores internos y externos pueden influir en los cambios fisiológicos y definir el riesgo del individuo de padecer una enfermedad.
Los factores externos, como la dieta, el estilo de vida, el sueño, el estrés, el estatus socioeconómico, la geografía, las experiencias vitales tempranas y la actividad física, combinados con los factores internos relacionados con los antecedentes genéticos, el microbioma intestinal, el metabolismo y el estado inflamatorio, son factores críticos para determinar el perfil de riesgo de salud y enfermedad del individuo.
Fig. 2 Papel de la IA en la medicina de precisión
La Inteligencia Artificial se ha utilizado ampliamente para predecir enfermedades cuando no hay síntomas evidentes; afecciones crónicas como la hipertensión o la diabetes podrían derivar en afecciones como la enfermedad renal. Un estudio realizado con 300.000 pacientes demostró que la IA predecía con precisión estas enfermedades.
El cribado de la IA ha tenido un gran impacto en el diagnóstico de la retinopatía diabética, una de las principales causas de ceguera, así como en la predicción de si las células de una persona se volverán cancerosas más adelante en su vida. Además, ahora es posible escanear los genes en busca de mutaciones y modificar la dieta para aliviar los síntomas que provoca.
Para combatir enfermedades crónicas como la diabetes, las empresas han desarrollado algoritmos que proporcionan servicios de coaching virtual para lograr un control y una gestión óptimos, así como sensores de glucosa y aplicaciones para smartphones para la gestión avanzada de la diabetes. Por ejemplo, los niveles de azúcar en sangre pueden controlarse mediante el reconocimiento de alimentos y comidas por parte de la IA de los teléfonos inteligentes, controlando continuamente los datos de la glucosa y combinándolos con los datos del ejercicio físico para proporcionar coaching a través de textos.
Otro ejemplo sería el de un escáner de pies que toma imágenes del paciente y, mediante el aprendizaje automático, puede detectar las úlceras del pie diabético. Los algoritmos pueden proporcionar un seguimiento a distancia de las mediciones de glucosa de un individuo y orientar su dieta, ejercicio y dosis de medicamentos.
La atención cardiovascular es ahora posible en casa para los pacientes mediante la monitorización a distancia con la ayuda de empresas como Tricog Health para el diagnóstico de afecciones cardíacas basado en la nube. Recientemente, los "programas de bienestar" han saltado a la palestra y se centran en el recuento de pasos y las lecturas de la presión arterial junto con los resultados de las pruebas de laboratorio para promover la importancia de un estilo de vida saludable.
La IA en el diagnóstico de enfermedades
La IA puede ser una ayuda inestimable en el diagnóstico de una enfermedad mediante:
⦁ Proporcionar una segunda opinión o una opinión independiente sobre el diagnóstico correcto.
⦁ Los médicos pueden utilizar la tecnología de crowdsourcing con sus compañeros generalmente a través de aplicaciones de teléfonos inteligentes para compartir imágenes médicas.
⦁ Los dispositivos robóticos facilitan el diagnóstico rápido en áreas como la detección de accidentes cerebrovasculares. La FDA ya ha aprobado algoritmos que analizan las imágenes cerebrales de los TAC en busca de signos de ictus para ofrecer un tratamiento rápido que ayude a intervenir y reducir el número de daños cerebrales.
Aprendizaje automático en genética
El aprendizaje automático, un subtipo de la Inteligencia Artificial, ha cobrado un extraordinario impulso desde los años 90, especialmente en el espacio de la ingeniería genética.
Hay dos aplicaciones principales del aprendizaje automático en genética:
Identificación de genes dañinos / genes mutados
El análisis del ADN es muy complejo (con más de 20.000 genes) y puede resultar extremadamente tedioso y lento. Los algoritmos ayudan a identificar los genes mutados comparando el ADN de la persona con uno normal. Además, las imágenes en 3D pueden utilizarse para identificar mutaciones genéticas sin necesidad de recoger muestras de tejido mediante cirugía.
Tratamiento de la enfermedad
Uno de los principales argumentos a favor de la edición de genes es la posibilidad de eliminar los genes que causan enfermedades. Los algoritmos de aprendizaje automático pueden ayudar a llevarlo a cabo de forma eficiente y precisa para ayudar a la reparación del ADN, eliminando así cualquier posibilidad de error. Al igual que en el diagnóstico de enfermedades con base genómica, la IA puede ayudar a identificar qué genes se han visto afectados por mutaciones perjudiciales y ser el objetivo de la terapia génica.
Un nuevo enfoque para el descubrimiento y desarrollo de fármacos mediante la IA
Aunque la IA no sustituye el papel que desempeñan los científicos, les ayuda a visualizar las cosas y les facilita la criba de conjuntos de datos ricos (especialmente los genómicos).
El cribado de bibliotecas de IA y el diseño automatizado de moléculas de IA dan lugar a un desarrollo más rápido de moléculas más potentes y reducen la necesidad de realizar ensayos preclínicos con animales. Además de identificar posibles moléculas terapéuticas, también elimina los compuestos que ya están patentados. El siguiente nivel es el procesamiento de imágenes a través de algoritmos y microscopios automatizados para interrogar las pruebas de medicamentos de alto rendimiento de las células humanas para proporcionar información detallada sobre el tamaño y la forma de la célula y los núcleos. La ventaja de este descubrimiento automatizado de fármacos es la reducción del número de compuestos que hay que probar, así como la predicción de la dosis adecuada para los fármacos experimentales. Los plazos para el descubrimiento de fármacos pueden reducirse en unos cuatro años y la eficacia mejorar en un 60%.
Los esfuerzos de la IA en neurociencia están en marcha para recapitular el funcionamiento del cerebro humano en los ordenadores. Aunque hay muchas limitaciones para automatizar el trabajo de laboratorio, la IA se está utilizando para diseñar la siguiente serie de experimentos que pueden agilizar el proceso de forma eficiente.
Fig. 3 Papel de la IA en el descubrimiento y desarrollo de fármacos
La variabilidad, las cuestiones éticas y el coste desempeñan un papel importante en los ensayos clínicos. El conjunto de datos in silico se utiliza para entrenar el algoritmo de desarrollo de fármacos modelando los sistemas biológicos durante los ensayos clínicos y con la base de datos de los hospitales. Este enfoque tiene el potencial de sustituir a los animales y a los humanos y producir "pacientes virtuales". Algunas áreas, como los ensayos pediátricos y de enfermedades huérfanas, pueden aprovechar los ensayos clínicos in silico.
Atención virtual mediante un asistente médico con IA
Los cuidados virtuales están cobrando importancia en la época actual, ya que muchos pacientes desean permanecer en la comodidad de sus hogares sin riesgo de adquirir infecciones. Conocido popularmente como "calor sin contacto", este concepto de monitorización a distancia está sustituyendo a las salas de hospital habituales.
El algoritmo de vigilancia de alta tecnología de la IA puede advertir y alertar al médico de la posibilidad de que se desarrolle alguna afección a pesar de la ausencia de síntomas. Los sensores y algoritmos pueden detectar/monitorear la temperatura, el pulso, el estado de ánimo, las actividades e incluso el caso de que una persona mayor se caiga en casa.
Para que las autoridades reguladoras aprueben el uso doméstico de estos dispositivos, hay que demostrar que son automáticos, precisos, baratos y que se integran bien con las instalaciones de control remoto.
La asistencia sanitaria en forma de "asistente médico virtual" está ganando popularidad debido a su facilidad de uso. Hay más de 250 millones de personas con discapacidad visual en el mundo y las plataformas de voz de IA les ofrecen una ayuda ilimitada en sus actividades diarias, incluida la promoción de la salud o una mejor gestión de una enfermedad crónica.
Hoy en día, las pulseras transmiten la frecuencia cardíaca y la actividad física de una persona para poder utilizar un electrocardiograma (ECG) y buscar cualquier indicio de fibrilación auricular y alertar al paciente mediante mensajes.
Aunque los chatbots de IA no pueden proporcionar el toque y la atención humanos, pueden interactuar con avatares estéticamente agradables, para capacitar no sólo a los médicos sino también a los pacientes.
Dicho esto, Hiroshi Ishiguro ha creado robots con una asombrosa factibilidad humana, incluida una notable similitud con las manos humanas, que llevan incorporados sensores de IA para detectar incluso el estado de ánimo de una persona y entablar una conversación a la carta durante veinte minutos.
El papel de la IA en los hospitales
Uno de los principales retos a los que se enfrentan los hospitales es el tratamiento de los pacientes que se infectan durante su hospitalización. La posibilidad de que se produzca una sepsis, una infección por Clostridium difficile adquirida en el hospital o una infección nosocomial se ve incrementada por la falta de lavado de manos o por un lavado subóptimo.
El aprendizaje profundo y la visión artificial pueden hacer un seguimiento de la higiene de las manos de los médicos y cirujanos utilizando secuencias de vídeo y sensores de profundidad. Una Unidad de Cuidados Intensivos (UCI) aprovecha el apoyo de la visión artificial para detectar el momento adecuado en el que el paciente podría necesitar un ventilador mecánico o la vigilancia automatizada de las constantes vitales.
El uso de estos algoritmos en la asistencia sanitaria también puede predecir complicaciones postoperatorias como la muerte en el hospital, la insuficiencia renal, las hemorragias y la necesidad de reingreso en el hospital, que son difíciles de predecir para los médicos.
El trabajo administrativo en los hospitales, como la programación de citas, las luces de llamada de las enfermeras y los sistemas de facturación, se resuelve fácilmente sin necesidad de mucha mano de obra, por lo que el personal puede concentrarse en las tareas más importantes con los pacientes.
Los sistemas de aprendizaje automático también pueden escanear por completo el historial del paciente y ofrecer recomendaciones al médico, así como analizar rápidamente las imágenes y exploraciones médicas para tomar decisiones precisas.
La IA puede utilizarse en la sanidad en todos los aspectos de su funcionamiento: organizar los historiales de los pacientes, sugerir diagnósticos a través de la interacción con los bots, identificar a los pacientes mediante el reconocimiento facial, interpretar los TAC y los flujos de trabajo en los quirófanos.
En el proceso de "democratización" de la asistencia sanitaria, el poder se ha desplazado lentamente del médico al paciente. Los pacientes pueden ahora obtener los datos de sus resultados de laboratorio o de su electrocardiograma (ECG) en su teléfono, pueden entonces analizar los resultados a través de una aplicación en su teléfono y obtener el diagnóstico incluso antes de una visita al médico. Cualquier persona puede realizar múltiples exámenes físicos de sus constantes vitales, ojos, oídos, garganta, corazón y pulmones a través de sus aplicaciones para smartphones. El acceso a las historias clínicas electrónicas (HCE) hizo que los pacientes informaran de una mejor adherencia a la medicación y que muchos médicos desconfiaran del lenguaje utilizado en las notas.
La aplicación de la IA en la predicción de la esperanza de vida de los enfermos terminales puede mejorar la precisión a la hora de determinar el tiempo necesario para los cuidados. Aunque se le llame "algoritmo de la muerte", el lado positivo es hacer más fácil y gratificante la vida de los pacientes y sus cuidadores.
Estadísticas de IA
88
500
43
150
Limitaciones de la IA en la sanidad
Falta de tacto yemociones humanas: Por muy eficientes que resulten las funcionalidades de la IA, una de las limitaciones es la falta de emoción y tacto humano que un profesional sanitario puede dar al paciente. La conexión con el paciente a nivel emocional ayudará a mantener su moral alta(3).
Desempleo potencial en la sanidad: Aunque la IA no puede sustituir completamente a los médicos, científicos y otros profesionales de la salud, puede realizar algunas de las actividades repetitivas y reducir su carga de trabajo, lo que provoca una reducción indirecta del empleo.
Datos insuficientes: Para entrenar un algoritmo, la IA necesita recopilar datos de millones de pacientes, los datos insuficientes pueden llevar a un diagnóstico erróneo de ciertas enfermedades.
Sobrecarga de datos: La calidad de los datos introducidos es un factor crítico en el funcionamiento de los asistentes de IA. Además de amalgamar todos los datos conocidos de una persona, hay que introducir y analizar nuevos datos de su vida cotidiana sin que resulten molestos para el individuo. Por lo tanto, entrenar un modelo de aprendizaje profundo sobre la salud individual tiene sus complejidades. Entrenar a un entrenador médico virtual para que sea capaz de interactuar con una gran población requiere que se ingiera continuamente toda la literatura biomédica. La solución es que pueda limitarse al menos a las revistas biomédicas de primer nivel para evitar una sobrecarga de información médica.
Implicaciones sociales: En algunos casos, el tratamiento recomendado por la IA podría no ser económicamente viable, mientras que un médico podría aconsejar un tratamiento teniendo en cuenta las implicaciones sociales y económicas del paciente.
Privacidady seguridad: La privacidad o la protección de los datos médicos debe tomarse muy en serio, ya que los datos en manos equivocadas podrían provocar resultados no deseados, como un aumento de las primas de los seguros de vida o de salud. Cuando las instituciones sanitarias comparten información con otras comunidades, existe la posibilidad de que se rompa la privacidad y la confidencialidad.
Conclusión:
La IA en la medicina está todavía en su fase inicial. La mejora de los resultados de los pacientes y la reducción de la mortalidad con una asistencia sanitaria simplificada y menores costes son las principales ventajas posibles de la IA. Desde el descubrimiento de un medicamento hasta el momento en que llega al paciente, la IA puede desempeñar un papel importante en muchos aspectos.
La innovación que aporta la IA podría cambiar radicalmente los sistemas sanitarios: con nuevas formas de tratar a las personas, de prevenir diversas enfermedades y de reducir el riesgo. En última instancia, el paciente obtendrá el control sobre sus HERs (Health Electronic Records) y lo utilizará para diseñar su dieta óptima y mejorar su salud física/mental.
La IA no pone en tela de juicio el papel o la experiencia de los científicos o los médicos, pero sin duda les ayudará en su trabajo y los proveedores de atención sanitaria deberían estar preparados y adoptar la próxima era de la Inteligencia Artificial para conseguir una atención más eficiente y eficaz (2)
Referencias:
1. Harvard Business Review: 10 aplicaciones prometedoras de la IA en la sanidad
2. Medicina profunda: Cómo la IA puede hacer que la asistencia sanitaria vuelva a ser humana. Eric Topol.
3. El paciente te verá ahora. Eric Topol.
Fortalezas de Helixr
Nuestro equipo es un apasionado de las ciencias de la vida y se asegura de trabajar con nuestros clientes para proporcionar:
- Ideas enfocadas
- Investigación industrial
- Asociaciones eficaces en su futuro
Nuestros expertos
Para hablar con uno de nuestros expertos y saber más sobre este tema y cómo Helixr puede ayudar a su empresa, póngase en contacto a través de nuestro formulario de contacto.
