El presente y el futuro de la IA en la atención sanitaria

Tenemos una tendencia a sobreestimar los efectos, tanto dañinos como positivos, de las nuevas tecnologías sobre nuestra capacidad para hacer de todo, desde realizar negocios hasta mediar en el cambio climático y construir rascacielos. Sin embargo, para entender realmente lo que la nueva tecnología puede hacer, es necesario que comprendamos lo que ha hecho.

Cuando pensamos en la IA como una posible herramienta para nuestra salud, no podemos derivar su importancia únicamente de nuestros pensamientos. Tenemos que mirar los números.

Según HealthExec , la FDA de EE. UU. ha aprobado más de 500 algoritmos de IA para el cuidado de la salud .

Las nuevas empresas estadounidenses de salud digital basadas en IA recibieron más de 3.000 millones de dólares en el primer semestre de 2022 y casi 10.000 millones de dólares en 2021, según un análisis de inversión de Rock Health encargado por POLITICO .

Según Biospace , el tamaño proyectado del mercado global de soluciones sanitarias basadas en IA superará los 208.000 millones de dólares para 2030.

La cantidad de hospitales estadounidenses que han implementado IA se ha triplicado desde 2020, dice MIT xPRO.

El punto de apoyo de la IA en la atención sanitaria

La razón de estas cifras es que la atención sanitaria puede beneficiarse de lo que la IA realmente hace en el día a día.

"La promesa de la IA en la atención sanitaria es muy alta", según Adam Yala , profesor asociado de Salud de Precisión Computacional y EECS en la Universidad de California, Berkeley, y la Universidad de California, San Francisco. Pero la implementación práctica a gran escala requerirá mucho trabajo para lograr un uso clínico demostrable.

"Desde la detección hasta la supervivencia, la IA nos brinda posibilidades interesantes", afirmó Yala. “Diseñar mejores pautas de detección, perfeccionar esos algoritmos, hacerlos mejores y más efectivos. La IA es la mejor herramienta que tenemos para hacerlo”.

Entre las promesas legítimas de la IA se encuentra la capacidad de detectar el cáncer antes, optimizar la dotación de personal para reducir el desgaste y el agotamiento, mejorar la calidad de vida de quienes luchan contra la enfermedad y aumentar la tasa de supervivencia.

Yala puso el cáncer de mama como ejemplo de cuántos puntos de datos es necesario comprender para rastrear la probabilidad de contraer la enfermedad. Estos incluyen antecedentes familiares, densidad del tejido mamario, resultados de mamografías y señales de otros tipos de imágenes.

Para crear patrones que indiquen un mayor riesgo de cáncer de mama, es necesario incorporar cientos de miles de mamografías que constan de decenas de millones de píxeles e indicadores de resonancia magnética y tomografía computarizada de alto riesgo.

Una vez que un equipo de diagnóstico elabora estructuras de tratamiento con IA, se enfrenta a los mismos problemas que con cualquier tratamiento nuevo, incluidos los medicamentos. Necesitan ensayos clínicos y la aprobación de la FDA (que la cantidad de algoritmos aprobados a los que hicimos referencia anteriormente indica que no es un desafío insuperable).

"Hemos demostrado que funciona, pero aún queda mucho tiempo entre la prueba de la investigación y el uso clínico", dijo Yala. “Tenemos que conseguir que las aseguradoras se unan y que los hospitales aprueben y más. Cambiar el estándar de atención es una tarea (desafiante)”.

Yala compartió un sentimiento que compartieron todas las personas con las que hablamos sobre este tema: la IA, como todo lo demás, es siempre y solo una herramienta: una gran herramienta, pero solo una herramienta, no un reemplazo del cerebro humano. Siempre debe estar mediado por una mente clínica.

"(La mente humana) puede captar cosas más detalladas", dijo Yala. La IA nos dará más tiempo para dedicarlo a la atención y reducirá el tiempo que perdemos juntando las piezas del rompecabezas.

Usos médicos actuales de la IA

Poner en pantalla

Como Yala mencionó anteriormente, la IA se está empleando para diseñar pruebas de detección más exactas para enfermedades complejas, incluido el cáncer.

Intervención

"Uno de los enfoques que se utilizan actualmente es monitorear a los pacientes para detectar un deterioro inmediato", dijo Saurabh Gombar, director ejecutivo de Atropos Health y médico residente en el Hospital de la Universidad de Stanford.

“Tenemos criterios en los que los médicos están capacitados. Si un paciente cumple esos criterios, la intervención puede tener sentido. Hay muchas dificultades para monitorear inmediatamente a los pacientes si lo realiza un humano, pero un sistema informático puede hacerlo bien”.

Por lo tanto, varias instituciones tienen un modelo de IA para la detección de sepsis, que están activos y en uso en instituciones de atención en todo Estados Unidos. Un estudio realizado por la Universidad Johns Hopkins en cinco de estos hospitales ha demostrado que es eficaz.

Advertencia temprana

La inteligencia artificial y las tecnologías integradas se utilizan cada vez más para brindar seguridad al paciente. "Está empezando a ver más sensores inteligentes en el espacio de atención para garantizar que los pacientes no se caigan, detectar cosas un poco antes y brindar ayuda a los pacientes antes", dijo Gombar.

La Clínica Mayo ha descubierto que las pruebas de detección con IA mejoran la capacidad de anticipar eventos cardíacos. Pr3vent ha identificado tempranamente enfermedades oculares infantiles con la ayuda de una solución de aprendizaje automático.

Un estudio realizado por los Institutos Nacionales de Salud descubrió que los sistemas de alerta temprana impulsados por inteligencia artificial permiten una identificación más rápida de los problemas de salud.

Entrega de recursos

La IA también se utiliza para optimizar la entrega de recursos a los pacientes para medicamentos y equipos que escasean, así como para optimizar la asignación de camas de hospital.

Además, "la IA es muy adecuada para ayudar en los procesos adyacentes a las decisiones de atención", dijo Gombar. "A los médicos les va bien al tomar la decisión correcta para los pacientes, pero hay procesos que hacen que la atención sea difícil o costosa, como asegurarse de que el cuadro tenga el nivel adecuado de codificación para la facturación".

El futuro de la IA en la atención sanitaria

Asistentes médicos

"Estos están siendo sometidos a pruebas en varias instalaciones médicas", dijo Natalia Vassilieva , directora de Producto de la empresa de inteligencia artificial Cerebras . "Estos asistentes ayudarán a producir los horarios de los médicos más eficaces y ayudarán a [garantizar] información relevante del paciente cuando pasan de un paciente a otro".

Flujos de trabajo para toda la organización

La evaluación de Healthcare Dive de las principales tendencias de atención médica de este año establece un enfoque más integrado: "Los proveedores también comenzarán a incorporar inteligencia artificial en sus flujos de trabajo, incluso en áreas como el apoyo a las decisiones clínicas, la participación del paciente y la gestión del ciclo de ingresos", dijo el periodista Hailey Mensik , que se especializa en entrevistar a líderes de atención médica.

Aprendizaje, formación y privacidad

Siempre existe cierta preocupación, especialmente cuando se trata de atención médica, de que la IA irrumpa en nuestra privacidad y termine compartiendo abiertamente cosas que no queremos.

Gombar no cree que esto deba inspirar pánico, porque los datos se pueden compartir entre modelos de IA de atención médica sin exponer datos de información de identificación personal (PII).

"Cuando creas un modelo de IA, lo sacas y lo compartes con otros hospitales para ejecutarlo sobre sus datos", dijo Murali Gandhirajan, director de tecnología de campo de atención médica de Snowflake. "Los datos no están cambiando, sino el algoritmo".

Y compartir modelos permite una comunicación radical de conocimientos sin correr el riesgo de violar la privacidad. Esperemos que este proceso gane cada vez más terreno.

Existe un riesgo al utilizar únicamente datos médicos públicos; por ejemplo, datos de los Centros para el Control y la Prevención de Enfermedades.

"Los proyectos que se basan en datos médicos disponibles públicamente, debido a que hay muy pocos conjuntos de datos disponibles, tienden a sobreindexar en muy pocos escenarios clínicos", dijo Gombar. "El resultado, por ejemplo, es que una enfermedad podría tener demasiada importancia en un análisis determinado".

"La IA aprende de un conjunto de datos que se le ha proporcionado", dijo Gombar. “Si hay una diferencia demográfica entre el origen del conjunto de datos de capacitación y el conjunto de datos de producción, dónde se utilizará, entonces se localizan esos datos. Entonces, incluso si un modelo se ha desarrollado en otro lugar, calibrar para su entorno local es algo importante.

Las instituciones sanitarias que tienen planes bastante sólidos en torno al despliegue de la IA siempre cuentan con este paso de calibración local, pero se trata de una herramienta nueva, por lo que no todos los hospitales del país son igualmente conscientes de cómo hacerlo bien”.

La IA siempre será una herramienta, no un reemplazo

Probablemente nunca habrá un robot médico totalmente autónomo impulsado por IA. Aparte de la singularidad , la IA es y siempre será una herramienta.

"Pero la sofisticación de la herramienta crecerá", afirmó Vassilieva de Cerebras. “En algunos casos, cuando es trivial reconocerlo, la IA puede ser capaz de diagnosticar por sí sola. Pero cuando hay dudas, cuando el cuadro no es muy claro, se lo pone de manifiesto al médico. Veo que siempre se usa así.

No creo que nunca experimentes un ciclo completamente automatizado de tomar imágenes, entrar en cirugía y un médico robótico realizando tu procedimiento”.

La IA es parte de nuestra experiencia médica y probablemente lo será aún más a medida que ella y nosotros evolucionemos juntos.

Traducido y adaptado de: The Present and Future of AI in Healthcare