El futuro de la IA en la salud según cuatro destacados expertos

oct 06, 2022 - Tiempo de lectura 6-8 minutos

La aplicación de la inteligencia artificial (IA) en la atención médica ha estimulado una gran cantidad de proyectos de investigación e innovación en los últimos años, pero siguen existiendo barreras para su adopción clínica. ¿Cómo podemos aprovechar todo el potencial de la IA para mejorar los resultados en los pacientes y hacer que la atención médica sea más accesible, equitativa y asequible en todo el mundo? Cuatro destacados expertos -que representan la vanguardia de la innovación en IA en la práctica clínica, el gobierno y el mundo académico- comparten sus puntos de vista.

Future of AI experts

“Para ofrecer todos los beneficios de la IA a la salud, debemos pasar del pensamiento de producto al de soluciones”

Gianrico Farrugia, M.D.

Dr. Gianrico Farrugia

presidente y director general de Mayo Clinic

“Para que las tecnologías emergentes como la IA tengan el máximo impacto en la atención médica, debemos replantearnos fundamentalmente la forma de innovar”, afirma Gianrico Farrugia, presidente y director general de la Clínica Mayo, uno de los mayores sistemas sanitarios de Estados Unidos que atiende a más de 1,4 millones de pacientes cada año.

 

“Todos conocemos los retos a los que se enfrenta el sector salud, desde un número cada vez mayor de pacientes que buscan atención médica hasta la desigualdad en el acceso y la calidad de la atención. Pero ha sido muy difícil abordar con éxito esos retos confiando en los modelos heredados”, añade.

 

“Lo que se necesita en la IA y en la innovación de la salud en general es dejar de pensar en la cadena de producción y pasar a pensar en la plataforma”, afirma el Dr. Farrugia.

 

“El modelo tradicional se basa en una serie lineal de puntos, desde la aparición de nuevas ideas hasta su conversión en productos independientes que los proveedores y los pacientes pueden utilizar. En cambio, un enfoque de plataforma se basa en un ecosistema de colaboración permanente. Tenemos que reunir a los proveedores, las empresas de dispositivos médicos, las startups de tecnología de la salud, los pacientes y los inversores para crear conjuntamente soluciones integradas a través de plataformas digitales basadas en datos longitudinales de los pacientes y algoritmos que continúen aprendiendo con el tiempo”.

 

La Clínica Mayo está asumiendo un papel de liderazgo en esta transformación a través de Mayo Clinic Platform, una plataforma digital basada en la nube que está diseñada específicamente para la atención médica. Según el doctor Farrugia, para que cualquier plataforma de este tipo sea adoptada a escala, necesita salvaguardar la privacidad y la seguridad de los datos de los pacientes y, al mismo tiempo, permitir la innovación mediante un amplio acceso a los datos de los pacientes y a los modelos de IA. “Una plataforma digital en el ámbito de la sanidad debe ser altamente fiable y escalable al mismo tiempo. Por eso utilizamos una infraestructura de datos federada. En lugar de enviar los datos a los modelos de IA, estamos llevando los modelos de IA a los datos no identificados, creando una ‘pared de cristal’ que da a los colaboradores externos acceso a los resultados sin que los datos salgan nunca de la plataforma”.

 

Mayo Clinic Platform ya ha generado una serie de prometedoras innovaciones de IA, como un algoritmo basado en el electrocardiograma que puede ayudar a detectar las enfermedades cardiacas en su fase inicial, cuando todavía son más fáciles de tratar.

“Los algoritmos deben validarse con conjuntos de datos representativos del mundo real”

Dominic Cushnan

Dominic Cushnan

responsable de Inteligencia Artificial, Imagen y Desarrollo, Dirección de Transformación del NHS

Otro firme creyente en la cocreación es Dominic Cushnan, que colabora con los proveedores de atención médica, el mundo académico y las empresas de tecnología de la salud en su función de responsable de IA, Imagen y Desarrollo de la Dirección de Transformación del NHS, organismo que impulsa la transformación digital del Servicio Nacional de Salud británico. El laboratorio de IA del NHS, dirigido por Cushnan, tiene como objetivo eliminar las barreras que impiden el desarrollo y la implantación de soluciones de IA en el ámbito sanitario y asistencial, así como demostrar su impacto en el mundo real para los profesionales de la salud y el público en general.

 

Uno de esos obstáculos para la adopción generalizada de algoritmos de IA es la necesidad de contar con conjuntos de datos amplios y representativos para validarlos. “Sólo a través de pruebas sólidas podemos garantizar que los algoritmos funcionen bien para la población en cuestión y, por lo tanto, crear confianza en la tecnología”, dice Cushnan.

 

Pero los datos del mundo real pueden ser difíciles de obtener. Esa es una de las razones por las que, durante el apogeo de la pandemia de COVID-19, el Laboratorio de IA del NHS trabajó junto con Philips y muchos otros para crear una base de datos nacional de imágenes torácicas relacionadas con la enfermedad para apoyar la labor de investigadores de toda Inglaterra en su intento de comprender el virus y desarrollar tecnologías de IA que permitan la mejor atención a los pacientes hospitalizados con una infección grave.

 

“Disponer de un conjunto de datos tan grande nos permite comprobar el posible sobreajuste de los algoritmos de IA, mientras que el propio conjunto de datos permanece cerrado a los desarrolladores en todo momento”, explica Cushnan. “Una cosa que hemos aprendido a través de nuestras pruebas es que diferentes poblaciones, incluidas las minorías étnicas, pueden tener especificidades clínicas que llevan a un algoritmo a tener un rendimiento inferior para ciertos pacientes. Esto demuestra lo importante que es validar los algoritmos con un conjunto de datos del mundo real que sea representativo de la población objetivo”.

 

Tras el éxito de la base de datos nacional de imágenes torácicas de COVID-19, que ahora también está contribuyendo a estudiar el COVID persistente, el Laboratorio de IA del NHS está buscando formas de evaluar y desplegar más tecnologías de imagen de IA para apoyar el diagnóstico.

“La salud presenta retos únicos que requieren métodos de IA a medida”

Prof. Dr. Mark Hoogendoorn

Profesor Mark Hoogendoorn

catedrático de IA en el Departamento de Informática de la Universidad de Ámsterdam

“Aunque contar con la plataforma y la infraestructura de datos adecuadas contribuirá en gran medida a promover una mayor adopción de la IA en la salud, se necesita algo más para superar la brecha entre la investigación académica y su aplicación en el mundo real”, afirma Mark Hoogendoorn, profesor de IA en la Universidad de Ámsterdam.

 

“La salud presenta retos únicos que requieren que los métodos de IA, como el aprendizaje automático, se adapten mejor al ámbito médico. Los datos sobre enfermedades específicas o grupos de pacientes pueden ser limitados. Y lo que es especialmente importante de reconocer en la atención médica es que la toma de decisiones a menudo implica problemas muy secuenciales, en los que las personas tienen que tomar varias decisiones seguidas, y el resultado de una decisión afecta a la siguiente. Por ejemplo, un médico puede decidir un determinado tratamiento, por ejemplo una medicación, que luego afecta al curso de la enfermedad del paciente, tras lo cual el médico necesita tomar otras decisiones basadas en la trayectoria única de la enfermedad de ese paciente”.

 

Para apoyar esta toma de decisiones secuencial con IA, el profesor Hoogendoorn es un pionero en el uso del aprendizaje por refuerzo en la atención médica, que es un tipo de aprendizaje automático que aprende de los resultados de cada acción en una secuencia para optimizar un objetivo final determinado. En un entorno sanitario, un resultado positivo puede ser que un paciente se recupere o sea dado de alta de la unidad de cuidados intensivos (UCI).

 

Con el uso del aprendizaje por refuerzo, el profesor Hoogendoorn y sus colaboradores están abordando problemas complejos como la determinación de la mejor estrategia de tratamiento para un paciente con sepsis, que es la causa más frecuente de ingreso en la UCI y la causa más común de muerte en la UCI [1].

 

El grupo de investigación también ha aplicado con éxito el aprendizaje por refuerzo para desarrollar una aplicación de salud mental que aprende de las respuestas de un paciente a los mensajes de motivación con el fin de ofrecer un apoyo personalizado. “Incluso en las primeras fases de la interacción con los pacientes, podemos utilizar datos de otros pacientes para sugerir intervenciones adecuadas”, explica Hoogendoorn. “Aunque este tipo de formas de personalizar la atención aún están en una fase incipiente en la asistencia médica, creo que son muy prometedoras para el futuro”.

“La IA debe aumentar y potenciar a los profesionales de la salud y a los pacientes, creando una asociación entre personas y tecnología”

Prof. Dr. Mihaela van der Schaar

Prof. Dr. Mihaela van der Schaar

catedrática de Aprendizaje Automático, Inteligencia Artificial y Medicina de la Universidad de Cambridge

Otra de las pioneras en tender un puente entre el mundo académico y la práctica clínica es Mihaela van der Schaar, profesora de Aprendizaje Automático, Inteligencia Artificial y Medicina en la Universidad de Cambridge. Su laboratorio de investigación desarrolla métodos vanguardistas de aprendizaje automático e inteligencia artificial para la atención médica en estrecha colaboración con médicos y pacientes.

 

“La complejidad de la atención médica exige que abordemos numerosos y diversos retos: desde la mejora de la calidad de los datos sanitarios hasta el desarrollo de nuevos métodos que ayuden a personalizar la atención, así como a hacer que los resultados de esos modelos sean interpretables y fiables para médicos y pacientes. El aprendizaje automático puede ayudar a abordar todos esos retos, y eso es exactamente en lo que se centra nuestro laboratorio”.

 

Por ejemplo, para abordar los retos relacionados con la privacidad en el acceso a los datos para el desarrollo de la IA, Van der Schaar y su equipo han sido pioneros en el uso de modelos generativos para crear los llamados datos sintéticos. “Los datos sintéticos pretenden reproducir las propiedades estadísticas de un conjunto de datos del mundo real al tiempo que salvaguardan la privacidad del paciente”, explica. “Como ventaja adicional, los datos sintéticos también pueden aumentar la imparcialidad de los modelos de IA al corregir los posibles sesgos de los datos del mundo real”.

 

Van der Schaar y su laboratorio también están ampliando los límites en el uso del aprendizaje automático para resolver los desafíos clínicos del mundo real, como la personalización de los planes de tratamiento para los pacientes con condiciones complejas como el cáncer. “Diferentes pacientes con cáncer tienen diferentes trayectorias de la enfermedad y responden de manera diferente al mismo tratamiento. Utilizando modelos avanzados de aprendizaje automático, podemos hacer que la atención sea más personalizada ayudando a los médicos a decidir qué tratamiento puede funcionar mejor para un paciente concreto en un momento específico, dadas sus características e historial únicos”.

 

Estos modelos sólo se adoptarán en el ámbito clínico si los resultados son muy precisos, además de interpretables y fiables, añade Van der Schaar. Gracias a las sesiones periódicas de participación con los médicos, ha aprendido que éstos tienen unas expectativas mucho más altas de lo que se suele suponer en cuanto a la interpretación de los modelos de IA.

 

“Los médicos quieren algo más que una explicación de cómo ciertas características del paciente sustentan la predicción de un modelo. Quieren el mismo nivel de transparencia de los métodos estadísticos clásicos, como el análisis de regresión, y entender qué reglas o leyes ha desentrañado el modelo. Para satisfacer estas necesidades, estamos trabajando en metamodelos simbólicos que pueden ayudar a desmitificar la caja negra de la IA para los clínicos”.

 

Tener ese diálogo continuo con los médicos -y los pacientes- es crucial para el éxito de la innovación de la IA en la asistencia médica, dice Van der Schaar. “En última instancia, la IA debería aumentar las habilidades humanas y capacitar tanto a los profesionales de la salud como a los pacientes, creando una verdadera asociación hombre-máquina. Sólo podremos alcanzar ese objetivo si colaboramos estrechamente”.

You are about to visit a Philips global content page

Continue

You are about to visit the Philips USA website.

Entendido

Nuestro sitio se puede visualizar mejor con la última versión de Microsoft Edge, Google Chrome o Firefox.