Vivimos en un mundo en el que constantemente vemos como organizaciones, empresas y gobiernos innovan e invierten en la cuestión tecnológica, pues cada vez nos es más familiar escuchar año tras año el lanzamiento de nuevos dispositivos aún más poderosos que los del año anterior. Además que, aunado a los recientes lanzamientos de herramientas tecnológicas que se atribuyen el uso del término Inteligencia Artificial (IA), nos hace aún más cuestionarnos realmente qué es la Inteligencia Artificial y cómo es que se utiliza, en nuestro caso específico, en el área de la salud. De modo que con la finalidad de poder comprender más a fondo cómo es que la Inteligencia Artificial es capaz de poder encontrar patrones en los datos, es necesario primero comprender los términos más frecuentes y que se abordaran a lo largo de este artículo. El término Inteligencia Artificial (IA) se refiere a la capacidad de una máquina de imitar aquellas funciones cognitivas que hasta ahora son asociadas exclusivamente a los humanos, tales como percibir, razonar, aprender o solucionar problemas. Posiblemente es un término que aún lo relacionamos con la ciencia ficción pues lo hemos visto en películas o series, sin embargo, se está convirtiendo en una realidad que día con día está cada vez más presente. Cabe destacar que a menudo se asocia la IA con robots y si bien la robótica es un área que hace uso de esta herramienta, la IA abarca un campo mucho más amplio. Por otro lado el Aprendizaje de Máquinas o “Machine Learning” (ML) es una rama de la IA que se centra en el desarrollo de algoritmos que pueden aprender de los datos sin ser explícitamente programados. Por ejemplo, un sistema de recomendación de productos que puede aprender los gustos de un usuario en función de sus compras anteriores es un sistema que hace uso de Machine Learning. Finalmente el aprendizaje profundo o “Deep Learning” (DL) es un subcampo de la Inteligencia Artificial y a su vez un subcampo del Machine Learning, que utiliza redes neuronales artificiales para analizar y aprender patrones complejos a partir de datos médicos. Las redes neuronales artificiales son modelos computacionales inspirados en la estructura del sistema nervioso humano, específicamente en la conexión y transmisión de señales (información) entre neuronas. Y si bien la mayoría de las aplicaciones de IA que vemos hoy en día son sistemas especializados que se centran en tareas específicas, como el procesamiento de lenguaje natural, la visión por computadora, el aprendizaje automático, etc. Estas IA aún no poseen las capacidades cognitivas de una “mente” artificial que asemeje la de un humano, ni siquiera que asemeje la de algún comportamiento animal. Un humano es capaz de entender un contexto y tomar decisiones basadas en dicho contexto, es capaz de ser creativo, proponer e inventar, sentir e incluso poseemos un sentido de supervivencia (tal y como muchos animales). Esto hace que la Inteligencia Artificial actual se convierta en una herramienta súper poderosa más que una entidad con “inteligencia” y capacidades cognitivas genuinas.
EL ROL DE LA INTELIGENCIA ARTIFICIAL EN EL DIAGNÓSTICO MÉDICO
La Medicina es una de las áreas del conocimiento que se ve principalmente beneficiada por el uso de algoritmos de ML, esto pues en México durante los últimos años ha incrementado el progreso en la implementación de historiales clínicos electrónicos, lo cuál hace que las instituciones médicas estén acumulando grandes cantidades de datos y por tanto, de entrada a una potencial transformación de la información en conocimiento, pues de no ser explotada la información esta no puede adquirir valor por sí misma.
Dicho proceso está siendo cada vez más adoptado alrededor del mundo para facilitar el diagnóstico clínico haciendo que la IA esté desempeñando un papel significativo a diario de médicos, enfermeras y otros profesionales de la salud. Un claro ejemplo de ello es el uso de algoritmos de ML y DL que son entrenados utilizando grandes conjuntos de datos (Big Data) con la finalidad de analizar una amplia variedad de datos médicos, que involucran desde imágenes médicas hasta análisis de sangre y datos genéticos, para ayudar a los médicos a identificar enfermedades y afecciones con mayor precisión y rapidez. Esto no solo conduce a un diagnóstico más temprano, sino que también puede ayudar a predecir el riesgo de enfermedades antes de que se manifiesten clínicamente. El uso de estas poderosas herramientas facilita el reconocimiento de patrones en imágenes o en los datos clínicos que por alguna razón los profesionales de la salud podrían pasar por alto, permitiendo efectuar medidas preventivas en los pacientes.
ÁREAS DE IMPLEMENTACIÓN
Epidemiología Un claro ejemplo del uso de algoritmos de ML en Medicina está en el área de Epidemiología. Es un área que ha tenido bastante atención en los años recientes debido a la pandemia de COVID-19 y en la cuál se diseñaron modelos matemáticos (algoritmos de ML) para poder predecir los brotes de dicha enfermedad. No obstante no fue la única rama de investigación, pues también se implementaron técnicas (Syeda H, et al.) que utilizan algoritmos de ML para detectar el COVID-19 usando imágenes radiológicas de los pacientes o resultados de pruebas de laboratorio bajo el esquema de detección temprana o diagnóstico clínico. Predicción de cardiopatías Siendo una de las principales causas de muerte a nivel mundial en los últimos años, los problemas cardiovasculares, hace que sea necesario obtener enfoques precisos, confiables y oportunos para realizar un diagnóstico temprano y poder lograr un manejo rápido de la enfermedad.
En un estudio (Shah, et al.) utilizando una base de datos de la Universidad de California, Irvine (UCI) sobre pacientes con enfermedades cardiovasculares en un hospital de Cleveland, se entrenaron modelos de ML con la finalidad de poder clasificar si un paciente tiene una alta probabilidad de desarrollar una enfermedad cardiovascular o no. Detección de Retinopatía Diabética La retinopatía diabética (RD) es una complicación grave que afecta a las personas con diabetes, lo que la convierte en una preocupación significativa en el campo de la Medicina. La detección temprana de esta afección es crucial para prevenir problemas visuales graves. En un reciente artículo (Bharath, et al.), se presenta un Sistema de Detección Asistida por Ordenador llamado DREAM, que utiliza Inteligencia Artificial para analizar imágenes de fondo de ojo con diferentes niveles de iluminación y campos de visión. El objetivo principal de este sistema es determinar la gravedad de la retinopatía diabética. La capacidad del sistema DREAM para lograr una detección temprana precisa y eficiente de la retinopatía diabética podría tener un impacto positivo en la atención médica de las personas con diabetes y reducir el riesgo de problemas visuales graves. Análisis de Imágenes Médica Finalmente, otra de las muchísimas aplicaciones de la Inteligencia Artificial dentro del proceso de diagnóstico médico actual es el uso de imágenes médicas, ya que se emplea en todos los campos de la Medicina moderna. El análisis de imágenes médicas suele ser una tarea compleja con la que incluso los profesionales a menudo tienen dificultades. Actualmente el uso del DL, podría utilizarse para realizar diagnósticos más rápidos y precisos, lo que a su vez llevaría a un tratamiento personalizado más sofisticado y efectivo. En un artículo reciente (R. Buettner, et al. 2020) se encontró que el DL ofrece capacidades y avances únicos en la identificación, clasificación y segmentación de diferentes tipos de imágenes médicas, especialmente relacionadas al cáncer. Por ejemplo, en un artículo (Andre Esteva et al.) se usaron 129,450 imágenes clínicas de enfermedades en la piel para entrenar un algoritmo de DL (en específico una red neuronal convolucional) para poder clasificar estas lesiones en la piel.
La exactitud de este sistema en detectar melanomas malignos y carcinomas coincidió con aquella dada por dermatólogos entrenados. Y por tan solo mencionar algunas de las vastas aplicaciones que los algoritmos de ML y DL tienen en el sector de la salud.
COSTO-EFECTIVIDAD DEL USO DE INTELIGENCIA ARTIFICIAL EN MEDICINA
El impacto del uso de estas herramientas es diverso y va desde poder alargar la calidad de vida de nuestros pacientes hasta el impacto económico atribuible a los costos de una enfermedad que pudo haberse detectado tempranamente tanto para el paciente como para la institución que lo atiende. Aún se encuentran realizando diversos estudios para poder encontrar una buena medición sobre el impacto económico atribuible al uso de algoritmos de ML y DL en las diversas áreas de la Medicina. Lo que sí es un hecho es que cada vez este tipo de herramientas serán de mayor utilidad en beneficio de la sociedad haciendo uso de estas mismas de manera ética y responsable, pues podrían permitir que los pacientes tuvieran un mayor control de su propia atención de salud y comprendieran mejor la evolución de sus necesidades, aunado a que se podría de igual manera facilitar el acceso a los servicios sanitarios en países en vías de desarrollo y en comunidades rurales donde a menudo los pacientes tienen escaso acceso a un profesional de la salud.
INFORME MUNDIAL DEL USO DE IA EN MEDICINA POR LA OMS
Según la Organización Mundial de la Salud (OMS), la Inteligencia Artificial ofrece grandes expectativas para mejorar la prestación de atención de salud y la Medicina en todo el mundo, siempre y cuando la ética y los derechos humanos ocupen un lugar central en su concepción, despliegue y utilización. Es por ello que la OMS decidió emitir un informe titulado “Ethics and governance of artificial intelligence for health”. Dicho informe busca proporcionar a los países una valiosa guía sobre la manera de aumentar al máximo los beneficios de la IA, al mismo tiempo que se minimizan sus riesgos potenciales. En este informe se advierte del peligro de sobreestimar el uso de la Inteligencia Artificial en el ámbito de la salud, así mismo se señala que las grandes oportunidades conllevan desafíos y riesgos colaterales como bien es la recopilación y utilización poco éticas de los datos, sesgos en los algoritmos entrenados y riesgos asociados a la seguridad del paciente, ciberseguridad y medio ambiente. Por otro lado, se advierte que el uso no regulado de la Inteligencia Artificial en este sector podría subordinar los derechos e intereses de los pacientes a los intereses comerciales de empresas tecnológicas. Finalmente, este informe también destaca que los sistemas de Inteligencia Artificial entrenados mayormente con datos de países de alto ingreso pueden no ser efectivos en entornos de ingreso bajo o medio. Por lo tanto, se enfatiza la necesidad de diseñar sistemas de Inteligencia Artificial que reflejen la diversidad socioeconómica y de atención médica, además de proporcionar capacitación en habilidades digitales y conciencia comunitaria, especialmente para los trabajadores de la salud cuyas funciones podrían automatizarse. Además, se hace hincapié de la importancia de que los gobiernos, proveedores y diseñadores colaboren para abordar las preocupaciones éticas y de derechos humanos en todas las etapas del desarrollo y despliegue de tecnologías basadas en IA, siguiendo leyes y políticas éticas y de derechos humanos.
DESAFÍOS Y CONSIDERACIONES
El principal desafío en la implementación de modelos de ML y DL en el sector de la salud es la limitada disponibilidad de datos. A diferencia de otros sectores con conjuntos de datos abundantes, la atención médica enfrenta problemas relacionados con el costo de adquirir datos y la resistencia de los hospitales a compartir información de pacientes. Además, mantener el acceso a los datos para la mejora continua de los algoritmos es un desafío debido a la resistencia organizativa. Para superar estas barreras, se sugiere un cambio hacia la priorización de los avances generales de los pacientes en lugar de avances individuales e incentivar el intercambio de datos, junto con avances técnicos como algoritmos más eficientes y la computación en la nube para el almacenamiento de datos. Otro desafío se encuentra en los sesgos que pueden ocurrir en la colección de los datos para entrenar dichos modelos, como los sesgos raciales debido a la subrepresentación de minorías, es por esto que se plantea la necesidad de contrarrestar estos sesgos para lograr predicciones precisas y justas, un ejemplo de esto sería incluir la creación de conjuntos de entrenamiento multiétnicos. Además, el sobreajuste (que el algoritmo aprenda relaciones entre las diversas variables que resultan ser poco relevantes para la predicción), el data leakage (que el algoritmo tenga una precisión extremadamente alta debido a la influencia de una variable en el conjunto de entrenamiento) y la falta de explicabilidad en los algoritmos de Inteligencia Artificial, son obstáculos que requieren soluciones técnicas y colaboración en la investigación. Aunque la Inteligencia Artificial tiene el potencial de revolucionar la atención médica, es esencial abordar estos desafíos para garantizar su implementación efectiva y ética en el campo médico.
CONCLUSIÓN Y OPINIONES, COMENTARIOS, ETC.
Sin duda, el uso de la Inteligencia Artificial en las diversas áreas de la Medicina ha incrementado debido a las grandes ventajas que puede alcanzar tanto en cuestiones sociales como económicas. Si se implementan adecuadamente los algoritmos previamente mencionados, se puede llegar a reducir significativamente la carga de trabajo para los profesionales de la salud, incrementando la calidad productiva y la precisión de los diagnósticos, así mismo que se reduce el error. De igual forma se sabe que aún existe una preocupación con respecto a al temor de que la IA reemplace trabajos y por tanto haciendo que los trabajadores de la salud se vean obsoletos. Sin embargo, esta creencia se basa en un amplio mal entendido de lo que realmente es la IA, e incluso si esta misma en unos años hipotéticamente llegara a ser lo suficientemente avanzada para potencialmente reemplazar a los profesionales de la salud, el uso de la IA no significa que dichos trabajos se volverán obsoletos, sino que realmente los trabajos se volverán a rediseñar. Así mismo es necesario destacar que para que se de un buen uso de la IA y para que dicho uso sea efectivo, se requiere que los profesionales de la salud estén al tanto de los avances en tecnología, en este caso en particular con la IA y el análisis de big data dentro de su área de especialidad. Esto es factible dado que el crecimiento exponencial de los datos en el área de la salud, abre las puertas para poder incursionar en estas nuevas tecnologías y poder aprovecharlas al máximo. Para lograr esto se necesitan programas de formación y capacitación específica para que los profesionales de la salud adquieran habilidades necesarias para entender y aplicar la IA y el análisis de big data en su trabajo diario (e.g. interpretación de datos complejos, toma de decisiones clínicas basadas en evidencia o la implementación de sistemas de apoyo para toma de decisiones), por lo que esta tarea no solo será trabajo del médico sino también de las instituciones que se comprometan a crear un ecosistema de análisis clínico basado en el uso de IA. Esto da paso a que es de vital importancia fomentar la colaboración interdisciplinaria entre los profesionales de la salud, los científicos de datos, expertos en inteligencia artificial y otros profesionales relacionados, pues dicha colaboración se vuelve fundamental para el desarrollo de soluciones efectivas y de dichos ecosistemas donde el objetivo principal sea la mejora en la atención médica y la toma de decisiones clínicas. En México el uso de dichas herramientas permitiría que la población en general logre tener acceso a una atención médica de más alta calidad y además permitiría que dicha atención no solo se concentre en ciertos lugares específicos, sino que pueda tener un alcance mayor a zonas marginadas donde dicha atención es sumamente escasa. Para concluir, el uso de la Inteligencia Artificial tanto en Medicina como en otras áreas de estudio, trae consigo impactos positivos en alcanzar un objetivo de bienestar común, no obstante, también trae consigo retos que no son fáciles de alcanzar. Y si aún nos preguntamos si ¿de verdad vale la pena gastar muchos recursos en mejorar estas herramientas? o ¿por qué hacer herramientas de este tipo si para eso contamos con los profesionales de la salud? o ¿para qué usarlo, si me va a quitar mi trabajo? Es necesario volver a replantearnos qué es la Inteligencia Artificial, para qué sirve y qué objetivo tiene, y también comprender que la inteligencia artificial puede desempeñar un papel crucial en la ampliación de la atención médica y la reducción de las disparidades en la salud al brindar diagnósticos más precisos, optimizar la gestión de recursos y agilizar la toma de decisiones clínicas, así mismo como también garantizar que estas tecnologías estén al alcance de todos, independientemente de su ubicación o nivel socioeconómico, con este nuevo pensamiento podemos trabajar hacia un futuro en el que la atención médica de calidad sea un derecho fundamental para todas las personas, independientemente de su condición socioeconómica o lugar de residencia.
Fuente:
https://www.aesculapseguridaddelpaciente.org.mx/docs/revista/2023/Noviembre.pdf
