Especialistas en software CAD en 3D
902 121 073 L - J 08:00 a 18:00 y V 08:00 a 14:30
Especialistas en software CAD en 3D
902 121 073 L - J 08:00 a 18:00 y V 08:00 a 14:30

Casos de éxito de la Inteligencia Artificial en el Sector de la Salud

Al entorno de la Inteligencia Artificial nos encontramos ejemplos de detractores y defensores como Elson Musk y Mark Zuckerberg, los cuales difieren en sus opiniones al respecto. El primero declaró que la Inteligencia Artificial (IA) representa el “mayor riesgo al que nos enfrentamos como civilización”, mientras que el segundo, declaró que conduce a mejoras en muchos campos como diagnosticar enfermedades. Gracias a los casos de éxitos de IA en el sector de la salud, tiende a opinar cada vez más como Mark Zuckerberg.

Además de un mejor diagnóstico, IA promete ayudar a encontrar nuevos tratamientos y medicamentos, monitorear, apoyar e interactuar con los pacientes y los ancianos, y cambiar radicalmente la forma en que operan los médicos, los hospitales y las compañías de seguros. La asistencia sanitaria ha experimentado una transformación en los últimos años, pasando de los registros en papel a los registros electrónicos, y adoptando rápidamente nuevas plataformas y sistemas digitales en línea. Estos avances han llevado a una explosión de datos, que la inteligencia artificial puede utilizar como base para aprender, predecir y proporcionar recomendaciones.

Con base en datos de miles de millones de registros de salud, la inteligencia artificial tiene el potencial para entregar un sistema de salud muy mejorado, incluyendo el descubrimiento y desarrollo rápido de medicamentos; reducir errores médicos; proveer medicina personalizada, proactiva y predictiva; ayudar a abordar la escasez de trabajadores de salud; y mejorar la respuesta a epidemias y el manejo de la salud de la población.

He aquí algunos ejemplos de lo que AI puede hacer en el campo de la salud:

  • Jvion analiza más de un cuadrillón de consideraciones clínicas y no clínicas y miles de elementos de datos como base para su inteligencia artificial que ofrece recomendaciones que reducen la probabilidad de un evento adverso para pacientes específicos.
  • Atomwise utiliza la inteligencia artificial para ayudar a descubrir nuevos medicamentos, utilizando algoritmos de aprendizaje profundo y supercomputadoras para analizar millones de moléculas cada día. Por ejemplo, encontró dos fármacos que pueden reducir significativamente la infección por Ébola en un análisis que se completó en menos de un día, lo que normalmente hubiera tomado meses o años.
  • En un estudio reciente, un sistema de inteligencia artificial demostró ser más preciso que los radiólogos humanos para diagnosticar la presencia o ausencia de tuberculosis en las imágenes de rayos X de tórax.
  • Ada Health ha desarrollado una aplicación para smartphones basada en inteligencia artificial que ayuda a identificar y diagnosticar afecciones específicas de la salud a través de una interfaz chatbot, así como otras funciones de telemedicina.
  • Turbine.ai diseña tratamientos personalizados para cualquier tipo de cáncer o paciente más rápido que cualquier otro método tradicional de atención médica, ejecutando millones de experimentos simulados cada día. Señala con precisión el mejor medicamento para tratar un tumor específico, utilizando la inteligencia artificial para identificar los biomarcadores que señalan la sensibilidad al tratamiento.
  • Los investigadores desarrollaron inteligencia artificial que puede detectar diminutos cambios estructurales en el cerebro causados por el Alzheimer una década antes de que aparezcan los síntomas. La detección temprana permite a los pacientes buscar tratamiento que puede retrasar los efectos de la afección.
  • CareSkore proporciona una gestión personalizada de la atención médica, aprovechando la IA para generar análisis predictivos y prescriptivos en tiempo real con el fin de reducir las readmisiones hospitalarias.
  • Mendal.ai escanea miles de documentos científicos, utilizando inteligencia artificial para comparar los últimos consejos médicos con los registros de pacientes, evaluando la idoneidad del paciente para cada tratamiento sugerido.

Estos ejemplos muestran que la inteligencia artificial ha comenzado a tener un impacto en la prestación y la práctica de la asistencia sanitaria, pero muchos obstáculos se interponen en la realización de su potencial. Éstos incluyen la escasez de datos de alta calidad, la falta de cooperación entre los prestadores de servicios de salud, la escasez de habilidades de IA, la seguridad de los datos, y las preguntas sobre la veracidad de los algoritmos.

  • Calidad de los datos: Los datos sanitarios son en gran medida datos no estructurados que se producen en una variedad de formatos utilizando descripciones de códigos incompatibles. La falta de interoperabilidad y de estándares de entrada de datos ha llevado a que los datos sean inexactos, falten información significativa y sean difíciles de integrar en todos los sistemas sanitarios.
  • Falta de cooperación: Hay muchos ejemplos de intercambio de datos, modelos y métodos entre los proveedores de atención médica y con el público (por ejemplo, el Proyecto the Living Heart). Pero los proveedores de servicios de salud de Estados Unidos compiten a menudo por los pacientes, las becas de investigación y el prestigio. Como resultado, a veces guardan sus datos y sus esfuerzos relacionados con la IA para sí mismos.
  • Escasez de habilidades para la Inteligencia Artificial: Al igual que en cualquier otro campo de tecnología emergente, es difícil encontrar profesionales con la experiencia y los conocimientos adecuados para realizar trabajos relacionados con la IA. Los nuevos enfoques de la IA, especialmente el aprendizaje profundo, han comenzado a demostrar su potencial hace sólo cinco años. A este problema de reciente aparición se añade la necesidad de contar con personas con experiencia tanto en estos nuevos enfoques como en el conocimiento del ámbito sanitario.
  • Seguridad de datos: los hospitales y otras organizaciones sanitarias se han convertido cada vez más en blanco de ataques cibernéticos y han sufrido filtraciones de datos. Esto ha dado lugar a una percepción general de la escasa seguridad de los datos y las prácticas de ciberseguridad en la industria sanitaria.
  • Confianza: Los nuevos enfoques de la inteligencia artificial, si bien tienen un éxito notable en ámbitos que son muy importantes para los sistemas sanitarios, como la comprensión del lenguaje natural y el reconocimiento de imágenes, son notorios por ser “cajas negras”. La mayoría de las veces es difícil entender cómo el sistema de IA ha llegado a sus conclusiones. Aunque esto puede no hacer mucha diferencia cuando el objetivo es identificar a un gato en una foto, es muy importante cuando está en juego un diagnóstico médico o una tasa de seguro.

Sin duda, estos obstáculos frenarán el progreso de la IA en la asistencia sanitaria. Sin embargo, una encuesta reciente de Healthcare IT News y HIMSS Analytics encontró que el 35% de las organizaciones de salud dijeron que aprovecharán la IA en dos años. Accenture estima que las aplicaciones clave de la IA para la salud clínica pueden potencialmente crear $150 mil millones de dólares en ahorros anuales para la economía de la salud en los Estados Unidos para el año 2026. Y el McKinsey Global Institute (MGI) estima que la medicina personalizada puede reducir los gastos en salud entre un 5% y un 9%, aumentar de 0,2 a 1,3 años la esperanza de vida promedio y aumentar la productividad en 200 dólares por persona al año.

Globalmente, dice MGI, el impacto económico de la IA -sólo con medicamentos personalizados- podría oscilar entre 2 billones y 10 billones de dólares para 2025. Eso es un gran impacto.

Deja un comentario

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información. ACEPTAR