Inteligencia artificial en el mundo sanitario: tendencias

La revista Health Policy and Technology ha publicado un interesante artículo de revisión titulado "Artificial Intelligence in Medicine: What is It Doing for Us Today?". Se trata de un artículo que parte de los primeros estudios (allá por los años 50, 60 y 70 del siglo pasado) y que resume las tendencias actuales en el campo de la inteligencia artificial y del machine learning. Por cierto, si todavía no tienes claro a qué se refiere cada término, podríamos decir que la inteligencia artificial es un concepto que se centra en el diseño de dispositivos o algoritmos que emulan la capacidad cognitiva humana (pensar y decidir como un humano), mientras que el machine learning es el aprendizaje automático de dichos dispositivos o algoritmos para obtener mejores resultados, para así fomentar su autonomía (esta entrada lo explica muy bien).

Haciendo un breve recorrido histórico, en 1961, por ejemplo, se publicaba en JAMA el artículo "A Mathematical Approach to Medical Diagnosis. Application to Congenital Heart Disease" que planteaba un proceso de razonamiento matemático para la obtención de un diagnóstico médico presentando diversos diagnósticos con la probabilidad de cada uno, todo ello en base a los síntomas y signos que presenta cada paciente. Poco a poco, los estudios han ido avanzando y en los últimos años ya se está evaluando la eficacia del diagnóstico basado en algoritmos frente al diagnóstico de un profesional. 

El artículo presenta las tendencias actuales en inteligencia artificial en el campo sanitario: 1. Una de las más importantes es la identificación del riesgo de padecer una patología concreta y plantear opciones de tratamiento, como en este estudio sobre cáncer colorrectal o este sobre predicción del riesgo cardiovascular. 2. Otro tipo de estudios se centra en la reducción de complicaciones. Existen artículos centrados en la predicción de complicaciones como neumonía en pacientes con heridas en conflictos armados y también otros para pacientes con diabetes tipo 2 (complicaciones como neuropatía, por ejemplo). 3. También hay estudios y experiencias centradas en la mejora de los cuidados al paciente, sobre todo como ayuda a la toma de decisiones, por ejemplo en métodos de diagnóstico por imagen como la resonancia o con datos clínicos para la observación de problemas neurológicos en el diagnóstico de ictus.4. Finalmente, otro campo de trabajo tiene que ver con la investigación clínica y con el desarrollo de nuevos medicamentos. Finalmente, los autores del artículo plantean algunos riesgos del uso de la inteligencia artificial, tanto desde la perspectiva del uso de algoritmos como con la asistencia robotizada. Factores como la reducción del contacto humano, el hecho de resumir un paciente y sus circunstancias a un conjunto de datos clínicos, la pérdida de control por parte del profesional o la pérdida de privacidad. Otro aspecto importante es el efecto que va a tener en las funciones y futuro profesional de muchos profesionales sanitarios: si ahora se empieza a trabajar con algoritmos, ¿llegará el día en que los algoritmos sustituyan al profesional? Aunque parezca que todo esto de la inteligencia artificial todavía se usa en entornos de investigación, cada vez son más las empresas que lanzan productos al mercado basados en algoritmos y con técnicas de machine learning incorporadas. Por ejemplo, viz.ai presenta una solución para mejorar la detección del ictus en los pacientes, Arterys está más enfocada a la detección basada en imágenes, al igual que el software de aidoc.

Por ahora, los algoritmos no son perfectos pero poco a poco su nivel de error está alcanzando el error humano. Son muy habituales los ejemplos de errores diagnósticos de algoritmos pero el uso de técnicas de machine learning está ayudando a que dichos errores se reduzcan. No obstante, el futuro está por escribir, y al final lo único que tenemos ante nosotros son herramientas de ayuda con el único objetivo de mejorar la asistencia al paciente.