El dilema de la Inteligencia Artificial en la salud: ¿dejarías que un algoritmo te tratara una enfermedad?
La aplicación de algoritmos de ‘machine learning’ permite ya diagnósticos más precisos y rápidos, al tiempo que facilita el seguimiento de los pacientes y hasta el desarrollo de medicamentos
La escena es sobradamente conocida. Un paciente acude a consulta con síntomas evidentes de malestar. El médico le realiza la valoración oportuna y tras la exploración intuye una dolencia concreta, algo que le lleva a realizar pruebas complementarias para confirmar su diagnóstico. Una vez las recibe desde el laboratorio, las analiza y tira de intuición y experiencia para dar con el tratamiento final: en el caso de que el resultado no sea concluyente pedirá nuevos análisis para descartar posibles dolencias… si es que no opta por compartir el diagnóstico con un colega de profesión en busca de un punto de vista diferente. ¿Y si con eso no es suficiente? Como último recurso es posible que tire de literatura científica en busca de algún caso similar… si es que lo hay. Y si no, ¿qué?
«La principal aportación de la IA en medicina está en la capacidad de predicción a partir del análisis de grandes volúmenes de información, porque hasta ahora la medicina se basaba en la intuición y experiencia del médico, y las pruebas diagnósticas de cada paciente», explica Alberto Pascual, director ejecutivo de Ingram Micro España. En este tipo de casos la Inteligencia Artificial tiene mucho que aportar, tanto en rapidez como en eficacia. «La IA podrá agilizar este proceso. Una vez le expliquemos los síntomas al algoritmo, y éste conozca al detalle el resultado de las pruebas recomendadas, podrá analizarlos en profundidad y compararlos con los de millones de pacientes en circunstancias similares. ¿Qué se busca con ello? Que el algoritmo encuentre patrones, ate cabos y pueda incluso proporcionar un diagnóstico», explica muy gráficamente. Esto no implica sustituir la labor del médico, pero si se dota a los profesionales sanitarios de una herramienta de este tipo, «se estará sumando a su intuición, experiencia y pruebas diagnósticas un cuarto elemento con un gran poder predictivo, analítico y comparativo».
Detección más rápida y precisa
La IA además puede ir mucho más allá en el ámbito sanitario. Buen ejemplo de ello es el que aporta Daniel Taboada, CEO de ARBENTIA sobre el análisis de las imágenes médicas: «Los algoritmos pueden detectar anomalías en radiografías o resonancias magnéticas con una precisión que, en algunos casos, supera la del ojo humano». Otra muestra del potencial del ‘machine learning’ es la asistencia en el seguimiento de pacientes crónicos mediante el uso de dispositivos portátiles conectados y algoritmos que analizan datos en tiempo real, lo que «permite a los médicos controlar a los pacientes de manera continua y recibir alertas si ocurre algo fuera de lo normal». Todo ello, sin olvidar la propia gestión interna de los recursos de la administración en los centros de salud, lo que conlleva soluciones integradas en la logística de camas, personal y equipos médicos.
Los números no engañan. Tal y como destaca Jaime Balañá, director técnico de NetApp para Iberoamérica, en la administración automatizada «hasta el 40% de las tareas del personal de apoyo y el 33% del personal médico pueden ser automatizadas, lo que ahorra tiempo, reduce costes operativos y mejora la eficiencia». Y en el desarrollo de medicamentos, la Inteligencia Artificial «acelera la identificación de moléculas prometedoras, lo que reduce los elevados costes de I+D». En la predicción de riesgos, en cambio, la IA también tiene mucho que decir, ya que «facilita intervenciones tempranas contra enfermedades y, a nivel macro, puede predecir epidemias (aquí el reto sigue siendo gestionar grandes cantidades de datos de forma eficiente y suministrarlos en el lugar y momento indicados)».
Con estos datos en la mano, lo cierto es que en los hospitales de España el uso de la IA está en expansión, aunque aún no se ha generalizado a gran escala, a excepción de algunos grandes centros sanitarios y centros de investigación. «El uso de IA en el sistema sanitario español es todavía limitado y más presente en proyectos piloto o aplicaciones específicas, como en la radiología y la detección precoz de enfermedades. La implementación más amplia de la IA enfrenta desafíos relacionados con la infraestructura tecnológica, la interoperabilidad de los sistemas y la capacitación del personal. Dicho esto, se espera que la adopción de Inteligencia Artificial crezca en los próximos años, a medida que más hospitales vean los beneficios de estas tecnologías y las integren en sus operaciones diarias», explica Daniel Taboada.
Las áreas más avanzadas en la Inteligencia Artificial
¿Y cuáles son las especialidades que más se están viendo beneficiadas? Para el CEO de ARBENTIA, una de las áreas donde más avances se están viendo es la de radiología, ya que «la IA ayuda a analizar radiografías, tomografías y resonancias magnéticas para detectar problemas como tumores o fracturas de forma mucho más rápida y precisa, apoyando a los radiólogos en su trabajo diario». En oncología, por ejemplo, «la Inteligencia Artificial está siendo clave en la detección temprana de cáncer y en la creación de tratamientos personalizados. Además, gracias a su capacidad para analizar datos genéticos y clínicos, los médicos pueden ofrecer terapias más adaptadas a cada paciente, mejorando las probabilidades de éxito». Daniel Taboada también menciona áreas como la de oftalmología o la UCI, donde «la IA monitoriza a los pacientes en tiempo real, ayudando a los médicos a reaccionar antes de que la situación empeore».
Sea como fuere, hay una pregunta obligada ante tal avalancha de aplicaciones prácticas: ¿Puede una IA ser mucho más precisa en sus diagnósticos que la experiencia de un médico? Daniel Taboada, lo tiene claro: la Inteligencia Artificial tiene el potencial de ser muy precisa en sus diagnósticos, e incluso en algunos casos, superar las capacidades humanas. Sin embargo, la IA nunca podrá reemplazar la experiencia y el juicio clínico de un médico. «Lo que realmente marcará la diferencia es la colaboración entre ambos: mientras la IA proporciona un análisis de datos preciso y rápido, el médico puede interpretar esos resultados dentro del contexto más amplio del paciente, considerando aspectos como su historial o síntomas más sutiles que un algoritmo no podría captar. Así, en conjunto, se lograrán diagnósticos más completos y efectivos», explica.
La importancia del ‘aprendizaje profundo’ de IA
Alberto Pascual, en cambio, pone el foco en el proceso del ‘machine learning’, es decir, en con qué información se alimente al algoritmo para que ofrezca sus diagnósticos. «Si su base de datos es de calidad, actualizada, amplia y relevante, sus resultados también lo serán. Una IA muy inteligente alimentada con datos de escasa calidad tiene muy poco que aportar a un médico con muchos años de experiencia y una intuición casi natural para su trabajo. Por el contrario, una IA alimentada con un inabarcable catálogo de datos de alta calidad, producidos en la práctica clínica diaria, puede ser de gran ayuda a los médicos».
Eso sí, no se olvida de una reflexión que va más allá de la precisión del diagnóstico médico. «El algoritmo nunca va a sustituir a los médicos, porque la medicina es un ámbito lo suficientemente sensible como para que cualquiera de nosotros se decante por que haya una persona al otro lado. ¿Quién de nosotros preferirá en unos años que todo el proceso de diagnóstico, tratamiento y seguimiento de su enfermedad lo haga una máquina sin intervención humana?».
