¿Cómo puede la Inteligencia Artificial agregar valor a la medicina?

En la era donde el valor de la atención en salud se mide de acuerdo a resultados por dólar/peso gastado, parece ser necesario incluir nuevas variables a la ecuación. Lograr mejor rendimiento con menos recursos o con más innovación tecnológica.

Pero, ¿cómo se mide el valor de diferentes servicios de salud? Por ejemplo, el calcular los beneficios en el costo del tratamiento de un padecimiento agudo, como un episodio de asma, puede ser relativamente fácil. Sin embargo, es mucho más complicado calcular este valor, si hablamos de un padecimiento crónico como la diabetes, que requiere de atención recurrente y no deja de lado la posibilidad de complicaciones a largo plazo. Un diagnóstico de cáncer avanzado, detectado después de varios años de evolución y con un panorama desesperanzador, es apenas otra muestra más de miles de situaciones. Ante todos estos casos, parece ser que “no hay buenas o malas respuestas” en medicina. Y, generalmente, las “mejores” pueden estar en conflicto con la literatura científica, ser ambiguas, o estar limitadas a la experiencia individual de los profesionales de la salud. Esto se conoce como “el arte de la medicina”.

Afortunadamente, investigaciones en innovación médica y el deseo constante de resolver éstas y otras interrogantes sobre el valor “real” de la atención en salud, han hecho que tecnologías emergentes como la Inteligencia Artificial (IA) y/o Big Data, incursionen en éste y otros campos afines. Titanes tecnológicos como Google, Facebook, Microsoft, o Apple han hecho grandes e históricas inversiones para ofrecer resultados de búsqueda personalizados y construir asistentes virtuales (1). En los últimos años, su inercia y capital les han permitido utilizar sistemas inteligentes para, además, construir enormes bases de datos y desarrollar algoritmos que analizan esta información y encuentran patrones previamente imperceptibles. Progresivamente, y quizás con el mejor rango de eficiencia disponible a la fecha, el efecto natural ha sido la expansión de cómo hacemos investigación patológica y terapéutica (2).

Vale la pena preguntarse entonces, ¿puede finalmente la IA transformar la medicina de un “aprendizaje práctico” a una ciencia precisa? En 2013, IBM lanzó comercialmente su super-computadora Watson. Bajo su más reciente enfoque, Watson Health, está siendo utilizado por al menos 16 institutos del cáncer en Estados Unidos para ayudar a diagnósticar y tratar pacientes. Al mismo tiempo, otras compañías de tecnología como Dell, Hewlett-Packard, Apple, o Hitachi desarrollan sus propias aplicaciones avanzadas de IA en el campo de la salud.  Sus algoritmos se prueban de manera recursiva para: diagnosticar enfermedades con mayor precisión y rapidez que las de un humano, y ofrecer nuevas opciones de tratamiento (3).

A futuro, la IA ofrece también organizar y “democratizar” el acceso a una gran cantidad de datos clínicos para mejorar los mecanismos de seguimiento y prevenir la reincidencia de enfermedades. No obstante, estos sistemas, capaces de “recordar” toda la literatura médica, están actualmente diseñados para sugerir en base a evidencia científica, no para tomar decisiones (4). Su valor, por ahora, radica en el análisis de datos, la interpretación, y la planificación para los principales actores de salud.

  • Un ejemplo: asociación de investigación múltiple con el Inova Instituto Medicine Institute. La compañía está utilizando la secuenciación genética y EHR para ayudar a predecir el riesgo de parto prematuro (lo que provoca unas 10.000 muertes en Estados Unidos y al menos $ 28 mil millones DLS en el gasto en salud por año). El objetivo es conocer quién es vulnerable para conducir intervenciones oportunas (5).

Para el 2018, de acuerdo con especialistas de la empresa IDC, se estima que un 30% de los sistemas de salud implementarán análisis cognitivos con datos de los pacientes y realizarán pruebas en el mundo real para personalizar regímenes de tratamiento. Se proyecta que para el mismo año, los médicos también podrían utilizar soluciones cognitivas en al menos 50% de sus pacientes con cáncer y, como consecuencia, costos y tasas de mortalidad se reducirían en un 10% (6).

En resumen, podemos ver que la creación y la aplicación de nuevas tecnologías en impulso del conocimiento y de la precisión científica se incrementan, no necesariamente con el fin de sustituir a los médicos, sino para cubrir los “puntos ciegos” que aún persisten en diagnósticos y terapias poco fructíferas. La IA ya no es un tema de ciencia ficción. De hecho, está cerca de revolucionar diversas áreas en la medicina y, como cualquier otra inversión, de incrementar su valor. Algunos afirman que, si la predictibilidad aumenta, tiene incluso el potencial de cambiar lo que fundamentalmente entendemos por valor. Si esto ocurre, una serie de nuevos retos y dilemas éticos, debidos a las grandes brechas existentes entre ricos y pobres -al considerar que será, de inicio, un servicio para minorías- podrían aparecer. Esto, sin embargo, de ninguna manera debe detenernos. El beneficio operativo, tecnológico y económico es, sin lugar a dudas, significativamente mayor.

Por: Fernanda Aldrette

Referencias:

(1) http://www.pbs.org/newshour/rundown/doctors-turn-artificial-intelligence-theyre-stumped/
(2) http://oncology.jamanetwork.com/article.aspx?articleid=2330621&resultClick=24
(3) http://bigthink.com/philip-perry/how-artificial-intelligence-will-revolutionize-healthcare
(4) http://amaprod.silverchaircdn.com/data/Journals/OTOL/929863/ovp130005.pdf.gif
(5) http://www.rwjf.org/en/culture-of-health/2015/08/getting_to_the_essen.html
(6) http://www.healthcareitnews.com/news/artificial-intelligence-cognitive-computing-and-machine-learning-are-coming-healthcare-it-time

Deja un comentario

A %d blogueros les gusta esto: