Si bien la medicina es uno de los campos donde Inteligencia Artificial (IA) tiene mayor potencial de desarrollo, la posibilidad de reemplazar a médicos con la implementación de IA es sólo eso, un fantasma. Y más que temerle, el sector de la salud es uno de los que más provecho puede sacar de esta poderosa tecnología.
La Inteligencia Artificial (IA) es una herramienta capaz de aprender y analizar con rapidez enormes cantidades de información de las historias clínicas de los pacientes, de los estudios de imágenes y de los avances científicos que permiten ayudar a los médicos a realizar mejores diagnósticos y proponer tratamientos superadores. Pero el poderío de la IA no permitirá reemplazar a los médicos porque existe algo que es imposible de tabular en ceros y unos, y eso es la experiencia de los profesionales de la salud. Y la necesidad que tiene en un paciente encontrarse con un ser humano frente a su padecer y no con una máquina. Por el contrario, lo que aporta la IA al médico es la posibilidad de contar con un potente instrumento que lo ayudará a determinar enfermedades. Además, permite diagnosticar en zonas remotas donde no hay personal médico cualificado.
Complemento. Históricamente, cada incorporación de tecnología generó miedos en los distintos segmentos de aplicación. Pero siempre, las herramientas tecnológicas necesitaron del hombre y viceversa.
En el caso de la IA aplicada a la salud, ésta requiere que los médicos enseñen y entrenen en los procesos lógicos que siguen en su tarea. Por ejemplo, cuando se sospecha que un paciente sufre una patología se le realizan distintos estudios, algunos más invasivos que otros. Y muchas veces la experiencia de los profesionales de la salud los hace capaces de inferir el grado de avance de una anomalía en determinado órgano vital sin tener que someter al paciente a un estudio más invasivo. Este proceso lógico –que requiere de la entrevista a los especialistas- es el que intentan enseñar a la IA y se denomina “aprendizaje aleatorio”. Otra forma de entrenar a la máquina es mediante el Deep learning o “aprendizaje profundo”, que utiliza millones de imágenes con sus diagnósticos y hace que la máquina aprenda.
Trabas e impulsores. El problema del “aprendizaje profundo” es que requiere de muchos ejemplos y existen barreras relacionadas con la privacidad y con la protección de datos personales que dificultan esta metodología. Para contrarrestar esta realidad se están creando bases de datos de acceso libre con imágenes médicas, informes y hábitos de vida de miles de voluntarios que creen en la potencialidad de la IA aplicada a la medicina.
Pero también hay obstáculos propios de la configuración de las máquinas. Y es en este punto donde la subjetividad cumple un rol fundamental que puede hacer cometer errores a las máquinas, pero que preserva a la especie y a la profesión. La subjetividad refleja el punto de vista del sujeto. El médico radiólogo, por caso, puede dar una información para enseñar a la máquina sobre una misma imagen y otro especialista puede dar otra distinta.
Casos y tendencias. Según un reporte de Frost & Sullivan, el uso de soluciones de IA para los flujos de trabajo en el hospital mejorará significativamente la atención a los pacientes. La consultora sostiene que tiene el potencial de mejorar los resultados entre un 30% y un 40% y que reduce los costos de tratamiento hasta en un 50%.
En todo el mundo ya existen compañías que desarrollaron soluciones de IA para la salud. Entre ellas, se destacan SkinVision, Biofourmis, ContinUse Biometrics, Biomedia y Heartflow.
Heartflow es una compañía a la que se le puede enviar un escáner realizado en cualquier lugar del mundo para obtener un diagnóstico remoto utilizando deep learning.
Biomedia también desarrolló técnicas de análisis de imágenes biomédicas. Entre sus soluciones se encuentra la de monitoreo fetal en tiempo real, utilizando ultrasonido convencional a lo que suman el procesamiento automático de las imágenes que pueden ayudar a profesionales a detectar alteraciones.
SkinVision es una app diseñada para detectar el cáncer de piel con la cámara del teléfono celular. Dicen que tiene una precisión superior al 70% en el diagnóstico de melanoma. Para utilizarla, el usuario tiene que fotografiar las marcas de su piel que quiera analizar con la cámara del teléfono celular, luego el sistema estudia distintos parámetros del lunar o la mancha para asignarle un nivel de peligro: bajo, medio o elevado. “El algoritmo actualmente analiza siete criterios diferentes y se mejorará aún más en función del crecimiento continuo en nuestra base de datos”, explicó el CEO de SkinVision en declaraciones a la prensa a fines del año pasado, cuando contaban con una base de más de un millón de imágenes. Sin embargo, a no ser 100% confiables, las aplicaciones de este tipo son poco recomendadas por los profesionales porque pueden dar falsos diagnósticos que tranquilicen o alerten al paciente y éste no siga los métodos idóneos para tratarse.
Biofourmis utiliza la IA para detectar patrones personalizados que predicen el deterioro de la salud de un paciente. Lo que hizo fue desarrollar un motor de análisis de IA que extrae datos de dispositivos médicos aprobados por la Administración de Alimentos y Medicamentos de Estados Unidos (FDA) y utilizar dispositivos médicos como Weareables o “vestibles”, el caso de los relojes inteligentes.
Biofourmis, es una startup fundada en septiembre de 2015 en Singapur, aprovechan el poder de la IA para detectar patrones personalizados que predicen el deterioro de la salud del paciente, alertando a los médicos.
Otro caso es el de ContinUse Biometrics, que desarrolló una tecnología de monitoreo de más de 20 parámetros fisiológicos para detección remota de anomalías; y que ofrece un sensor óptico basado en láser que combina hardware y tecnologías de procesamiento automático de imágenes para medir la salud física de los pacientes a nivel molecular. Este sensor puede comunicarse con dispositivos como celulares, dando a las personas la posibilidad de contar con un control continuo de su estado de salud.
