Según varios tipos de investigaciones realizadas sobre la IA en el sistema sanitario, se ha demostrado que la IA es eficiente en el desempeño de tareas sanitarias, en concreto "pruebas diagnósticas".

‍

En la era actual, los algoritmos están sustituyendo a los radiólogos en la identificación de tumores malignos y en la orientación de los investigadores para llevar a cabo un ensayo clínico.

‍

La inteligencia artificial no es una sola tecnología, sino un conjunto de ellas. En este artículo se examinan algunas de las IA más específicas para el sistema sanitario:

‍

Aprendizaje automático:

‍

En el campo de la atención sanitaria, la aplicación de la IA al aprendizaje automático es la más comúnmente observada en la medicina de precisión, que se refiere a la predicción del pronóstico y la elección de tratamientos según los requisitos específicos del paciente.

‍

Una red neuronal es un tipo más sofisticado de aprendizaje automático que existe desde los años sesenta. Este sistema está vinculado al procesamiento de señales neuronales y al funcionamiento del cerebro, que determina si un paciente concreto contraerá una enfermedad específica.

‍

El aprendizaje profundo es el tipo más común de aprendizaje automático de IA con varias variables o características que ayudan a predecir los resultados. Una aplicación muy común del aprendizaje profundo en la atención sanitaria es el reconocimiento de lesiones potencialmente cancerosas. Esta aplicación se está utilizando en radiómica para la detección de rasgos y características de los datos observados en imágenes, que de otro modo están más allá de la percepción del ojo humano.

‍

En un análisis de imágenes orientado a la oncología, tanto el aprendizaje profundo como la radiómica se utilizan ampliamente. La combinación de estas dos aplicaciones ofrece una precisión prometedora para fines de diagnóstico en comparación con las generaciones utilizadas anteriormente como CAD (detección asistida por ordenador).

‍

Robótica:

‍

Los robots físicos son reconocidos por su capacidad para realizar algunas tareas predefinidas como reposicionamiento, ensamblaje de objetos, soldadura y elevación. Recientemente, los robots han empezado a colaborar con los humanos para realizar una tarea específica o deseada.

‍

En la década de 2000, los EE.UU. aprobaron la introducción de robots quirúrgicos en el sistema sanitario para dotar a los cirujanos de superpoderes que les permitieran ver en profundidad, realizar incisiones mínimamente invasivas y precisas, suturar las heridas con exactitud y mucho más. Sin embargo, las intervenciones quirúrgicas más comunes realizadas con ayuda de la robótica son las ginecológicas, las de próstata y las de cuello y cabeza.

‍

Automatización robótica de procesos:

‍

Esta tecnología se utiliza para realizar tareas estructuradas digitalmente para diversos fines administrativos. En comparación con otras formas de IA, son un poco baratas, transparentes y fáciles de programar para sus acciones.

‍

En el sistema sanitario, esta automatización se utiliza para tareas repetitivas como la autorización previa y la actualización de la facturación o los historiales de los pacientes. Si se combina con otras tecnologías como el reconocimiento de imágenes, esta automatización puede ser útil en la extracción de datos como imágenes enviadas por fax para introducirlas en el sistema transaccional.

‍

Procesamiento del lenguaje natural:

‍

Desde los años 50, el objetivo de la IA es dar sentido al lenguaje humano. La PNL (procesamiento del lenguaje natural) incluye aplicaciones como el análisis de textos, el reconocimiento del habla y otros muchos objetivos asociados al lenguaje.

‍

Existen dos enfoques fundamentales para este tratamiento.

1. PNL estadístico
2. PNL semántico

‍

En el campo de la atención sanitaria, las aplicaciones dominantes de la PNL incluyen la clasificación, creación y comprensión de investigaciones publicadas y documentación clínica. Los sistemas de PLN también pueden analizar las notas clínicas no estructuradas de los pacientes, pueden preparar informes como exámenes radiológicos, pueden transcribir las interacciones de los pacientes y realizar inteligencia artificial conservacional.

‍

Aplicaciones intervencionistas y de diagnóstico:

‍

Desde el desarrollo de MYCN en los años 70 en Stanford para el diagnóstico de infecciones bacterianas transmitidas por la sangre, la intervención y el diagnóstico de enfermedades han sido uno de los focos de atención de la inteligencia artificial.

‍

En los últimos tiempos, Waston, de IBM, ha recibido una atención considerable por su capacidad para centrarse en la medicación precisa específicamente para el tratamiento y el diagnóstico del cáncer. En este sistema, Watson empleó una combinación de PNL y capacidades de aprendizaje automático.

‍

Sin embargo, Watson no es un producto único, sino un conjunto de "servicios cognitivos" que se prestan a través de API (interfaces de programación de aplicaciones) y que incluyen lenguaje y habla, programas basados en aprendizaje automático para análisis de datos y visión.

‍

En investigaciones recientes, se observa que la IA es capaz de diagnosticar e intervenir en la enfermedad con mayor o igual precisión y exactitud que los clínicos humanos. Muchos de estos hallazgos se centran más en el análisis de imágenes radiológicas mediante escáner de retina o en la medicina de precisión (basada en la genómica).

‍

Como estos hallazgos se basan en modelos estadísticos de aprendizaje automático, están dando lugar a medicamentos basados en pruebas y probabilidades, lo cual es un aspecto positivo de la inteligencia artificial.

‍

Vigilancia de la salud mediante dispositivos personales:

‍

Casi toda la población tiene acceso a herramientas específicas dotadas de sensores para recoger datos sobre su salud. Desde los teléfonos inteligentes hasta los dispositivos para llevar puestos, que pueden seguir los latidos del corazón las 24 horas del día, pueden generar gran cantidad de datos sobre la marcha.

‍

La inteligencia artificial está desempeñando un papel muy importante en la extracción de información procesable de este variado y gran tesoro de datos.

‍

En el ámbito de la atención sanitaria, los dispositivos inteligentes son muy importantes para la monitorización de los pacientes, ya sea en la UCI o en cualquier otro lugar. El uso de la inteligencia artificial puede mejorar la capacidad de identificación del deterioro, el seguimiento de la sepsis o la estimación del desarrollo de complicaciones, lo que puede mejorar eficazmente los resultados y reducir los costes y gastos relacionados con las sanciones hospitalarias.

‍

Avances en inmunoterapia:

‍

La inmunoterapia es el tratamiento más prometedor contra el cáncer. Mediante el uso de la propia inmunidad del organismo para atacar cuerpos extraños, tumores malignos y enfermedades, los pacientes podrían luchar contra tumores rebeldes. Sin embargo, en el pasado reciente, a los médicos les resultaba difícil encontrar un método más preciso y exacto para identificar a los pacientes aptos para este tratamiento.

‍

Los algoritmos de aprendizaje automático y su capacidad para producir conjuntos de datos muy complejos pueden iluminar las nuevas opciones para administrar terapias en función de la composición genética y los requisitos del paciente.

‍

En las innovaciones más recientes, la invención más emocionante en el desarrollo de inhibidores de puntos de control. Estos inhibidores bloquean algunas proteínas de las células inmunitarias.

‍

Revolución en la toma de decisiones clínicas:

‍

La inteligencia artificial está proporcionando un análisis predictivo más potente y herramientas de apoyo a las decisiones clínicas que pueden dar pistas a los médicos sobre los problemas mucho antes de que se produzcan.

‍

El sistema de IA también puede alertar de varias enfermedades, como la sepsis o las convulsiones, que requieren conjuntos de datos muy complejos y análisis intensivos de los perfiles de los pacientes.

‍

El aprendizaje automático también puede ayudar a decidir si un paciente en estado crítico debe seguir recibiendo cuidados específicos o no.

‍

Normalmente, los EEG son los datos obtenidos de los pacientes que se interpretan a través de los médicos. La interpretación de sus resultados es un proceso subjetivo y largo que se basa en la experiencia y en las habilidades del médico concreto. Pero, con la ayuda de los algoritmos de IA en este campo, se ha vuelto más fácil interpretarlos con eficacia y precisión, y ahora es más fácil comparar y emparejar lo que se está viendo y detectar incluso las mejoras sutiles que pueden influir significativamente en las decisiones de atención médica.

‍

Conclusión:

‍

Con la introducción de herramientas de IA más innovadoras y de nueva generación, la atención sanitaria es más avanzada en el sentido de una mayor concienciación, eficiencia en la prestación de cuidados, identificación de complicaciones en desarrollo, diagnóstico preciso de enfermedades con antelación y enfoques más recientes para las intervenciones. La IA puede traer una era de altísima calidad clínica con extraordinarios avances en la atención a los pacientes.

‍