La revolución de la Inteligencia Artificial en la Sanidad

Situación actual de Inteligencia Artifical en la Sanidad

La inteligencia artificial (IA) en la sanidad está a punto de cambiar de una forma que no podíamos imaginar hace tan solo unos años. Ya lo estamos viendo en el desarrollo de vacunas, la atención al paciente y la investigación en campos importantes. Desde la telemedicina hasta los avances en la detección de nuevas variantes de Covid-19, ya estamos viviendo la era de lo que podríamos llamar, la ‘IA sanitaria’. Pero para llegar a estos avances decisivos hay que empezar por algo más pequeño.

Las tecnologías, las herramientas, los triunfos… y los fracasos son los aspectos de los que menos se habla para crear soluciones de IA precisas, eficaces y responsables, pero comprender esas partes de la ecuación es vital para el éxito y el progreso. La Encuesta sobre IA en el sector sanitario de 2021 pretende precisamente esto: desenterrar estas áreas para ofrecer una mejor visión general de la situación actual de la IA en el sector sanitario.

Tecnologías de la Inteligencia Artificial en la Sanidad

Uno de los hallazgos más reveladores aquí es el cambio de las tecnologías de IA que las organizaciones están utilizando actualmente o planean implementar en los próximos años. Los encuestados dijeron que querían que el procesamiento del lenguaje natural (PNL) (36%), la integración de datos (45%) y la inteligencia empresarial (BI) (33%) fueran las tres tecnologías más implementadas en sus empresas antes de terminar el año. Algo realmente ambicioso y que, además, tiene respaldo financiero. La Encuesta de la Industria de PNL 2020, publicada por el mismo grupo que la anterior, en otoño de 2020, concluye que más de la mitad de los responsables tecnológicos han aumentado el presupuesto asignado a PNL para los siguientes años.

Junto con la integración de datos y el BI, está claro que los sistemas sanitarios se están tomando más en serio el valor de desbloquear sus datos, tanto estructurados como no estructurados. La PNL, la BI y la integración de datos resuelven algunos de los mayores problemas a los que se enfrenta el sector sanitario, desde servir de red conectora entre fuentes de datos aisladas (en registros sanitarios electrónicos, texto libre, imágenes y otros) hasta salvaguardar la información personal identificable (IPI) y garantizar su privacidad. Para los sectores altamente regulados, como el sanitario y el farmacéutico, las tecnologías impulsadas por la IA, como las mencionadas anteriormente, serán fundamentales para las operaciones, la privacidad y la seguridad.

Otro hallazgo alentador es el de los criterios más importantes para los usuarios de la sanidad a la hora de evaluar qué tecnologías de Inteligencia Artificial explorar más. Los tres criterios más importantes para los responsables técnicos a la hora de evaluar dichas tecnologías y herramientas son: ofrecer una precisión extrema (48%), garantizar que no se compartan datos con sus proveedores de software y vendedores en absoluto (44%) y tener la capacidad de entrenar y ajustar los modelos para que se ajusten a sus propios conjuntos de datos y casos de uso. La privacidad, la capacidad de entrenamiento y la precisión son importantes para cualquier solución de IA, pero especialmente cuando se trata de información médica que puede afectar a la prestación de la atención. El acceso a los datos y la propiedad de los modelos especializados son también una de las principales fuentes de propiedad intelectual que construyen los proveedores de tecnologías basadas en Inteligencia Artificial.

La precisión, en particular, es un gran tema de interés en las aplicaciones clínicas y os cuento por qué: según un informe del Journal of General Internal Medicine, ‘la recogida de datos sobre raza, etnia y preferencia lingüística es obligatoria como parte del ‘uso significativo’ de las historias clínicas electrónicas (HCE). Estos datos sirven de base para las intervenciones destinadas a reducir las disparidades sanitarias’. El informe pone sobre la mesa una importante cantidad de inexactitudes en lo que se registraba en las HCE y en lo que los pacientes declaraban. Por ejemplo, ‘el 30% de los blancos declararon identificarse con al menos un grupo racial o étnico distinto al reflejado en la HCE, al igual que el 37% de los hispanos y el 41% de los afroamericanos’. Esto es un problema si se tiene en cuenta que los pacientes de determinados orígenes y etnias pueden tener un mayor riesgo de desarrollar ciertas comorbilidades o carecer de acceso a una atención adecuada. No se trata necesariamente de un problema de IA, sino de un problema de datos, y los datos deben ser precisos para que la IA pueda hacer su magia.

Este énfasis en la precisión también se refleja en lo que buscan los responsables técnicos al evaluar las bibliotecas de software o las soluciones SaaS para impulsar sus iniciativas de IA. Según la encuesta sobre Inteligencia Artificial en el sector sanitario de 2021, los modelos y algoritmos específicos para el sector sanitario (42%) y una base de código lista para la producción (40%) encabezan la lista a la hora de considerar una solución. Los modelos específicos para el sector sanitario están familiarizados con los matices de los datos médicos, desde la jerga y el lenguaje clínico hasta los códigos de facturación y otros datos de entidades no textuales, como las radiografías. Además, los productos de grado de producción permiten a los usuarios, desde los científicos de datos hasta los médicos, integrar las tecnologías de IA en sus flujos de trabajo diarios con un riesgo reducido de problemas o imprecisiones; al fin y al cabo, ya han sido probados y comprobados y se actualizan con el tiempo. Pero ya hablaremos más sobre esto en otro artículo que prepararé.

A medida que la IA empieza a llegar a los pacientes con la llegada de los chatbots, la programación automática de citas o la obtención de acceso a sus historiales médicos, es importante ser consciente tanto del valor como de los retos que esta tecnología puede aportar. Que un chatbot no sea capaz de conectar a una persona con el departamento correcto puede no parecer un gran problema, a menos que el paciente esté experimentando un problema médico grave que necesite atención inmediata. Los distintos niveles de gravedad en los entornos médicos hacen que sea obvio por qué factores como la precisión, los modelos específicos para el sector sanitario y las bases de código listas para la producción podrían ser la diferencia no solo entre un despliegue exitoso de IA y uno fallido, sino, en algunos casos, entre la vida y la muerte.

Con la previsión de que el tamaño del mercado mundial de la IA en la sanidad crezca desde algo menos de 5.000 millones de dólares en 2020 a 45.200 millones en 2026, las inversiones y los recientes casos de uso de esta tecnología son la prueba de que la Inteligencia Artificial ha llegado para quedarse. Sin embargo, con muchas de estas tecnologías de vanguardia todavía en su infancia y con muchos desafíos por delante, todavía no sabemos con exactitud lo que depararán los próximos años en cuanto a la adopción de la IA, los actores clave y los avances clínicos para el sector sanitario. Afortunadamente, con la investigación al alcance de la mano, estamos un poco más cerca de conseguirlo.

Mientras tanto, toca mantenerse al día de los últimos casos de éxito, innovaciones y aprendizajes, y no esperar demasiado para formar parte de la tripulación que construye el futuro.

Publicación de José Luis Casal

Deja un comentario