.png){kind=logo}
Las herramientas de IA analizan vastos conjuntos de datos para predecir resultados médicos, lo que ayuda a personalizar los planes de tratamiento y mejorar la atención al paciente.
La Inteligencia Artificial (IA) se ha convertido en una de las herramientas más poderosas para diferentes industrias. Está mostrando un interés creciente, impulsado no solo por el desarrollo científico sino también por la importante inversión de capital realizada por los sectores público y privado de todo el mundo.
En particular, los algoritmos de aprendizaje profundo y aprendizaje automático han ganado protagonismo en el sector de la salud debido a su gran potencial para respaldar el proceso de toma de decisiones.
Aprendizaje automático (ML) es una rama de la inteligencia artificial (IA) que se centra en el uso de datos para el desarrollo de algoritmos, con el objetivo de replicar la forma en que los humanos aprenden. De esta manera, el objetivo es que los algoritmos aprendan de forma recursiva las características que les permiten realizar una actividad y mejoren gradualmente el rendimiento que obtienen al hacerlo. Sin embargo, aunque se ha demostrado que es de gran ayuda en el sector de la salud para detección de cáncer de mama o descubrimiento de nuevos fármacos, el aprendizaje automático depende totalmente de la capacidad de un experto humano a la hora de extraer funciones, lo que dificulta el análisis de bases de datos con una gran diversidad de contenido.
Por otro lado, el aprendizaje profundo (DL) es un subconjunto de algoritmos de aprendizaje automático que es capaz de encontrar de forma más autónoma las características relevantes para la toma de decisiones. Estos algoritmos tienen la ventaja de analizar datos no estructurados en su forma original, lo que permite aplicarlos en la visión artificial y el procesamiento del lenguaje natural. Particularmente en el caso del sector de la salud, se han utilizado para apoyar análisis de imágenes de diagnóstico y clínico revisión de la historia.
Aunque ya se han mencionado un par de aplicaciones que están revolucionando la industria de la salud, hay un sector en el que la IA está atrayendo especial atención. La capacidad predictiva de los algoritmos basados en la inteligencia artificial ha sido particularmente llamativa a la hora de predecir el pronóstico de un paciente cuando, por ejemplo, ingresa en una sala de emergencias, se le diagnostica una enfermedad o es enviado para ser remitido.
En términos generales, el proceso de predicción consiste en recopilar grandes cantidades de información que puede o no ser relevante para el resultado que se va a predecir. Esta información, que ya están almacenando los sistemas de salud, puede incluir historias clínicas electrónicas, imágenes de diagnóstico o datos demográficos, entre otra información médica o administrativa sobre los pacientes. Con estos datos, el personal de salud es responsable de analizar los biomarcadores previamente identificados y caracterizados relacionados con el resultado para tomar decisiones que preserven la vida del paciente. Así, por ejemplo, al comprender el estado de los biomarcadores, se puede definir un nuevo tratamiento farmacológico o el traslado del paciente a un área hospitalaria con mayor o menor cuidado.
Sin embargo, en este proceso de predicción de resultados, los datos suelen ser diversos y los pacientes extremadamente heterogéneos, lo que dificulta la tarea incluso para el personal mejor capacitado. En este sentido, La IA ha demostrado una enorme capacidad encontrar relaciones complejas en grandes volúmenes de datos y poder analizar de forma simultánea y rápida una gran cantidad de variables que permitan predecir los resultados de interés, como la sepsis o la mortalidad. Esta capacidad incluso ha superado el rendimiento de los modelos de predicción tradicionales utilizados en el entorno clínico, según lo informado por un estudio publicado en 2018 en Nature Digital Medicine, que buscaba predecir reingresos inesperados, estadías hospitalarias prolongadas y muertes hospitalarias.
Pero este no es el único caso. De hecho, el poder de la IA para el análisis predictivo se ha utilizado en diversas aplicaciones. Estos van desde modelos de aprendizaje automático que predicen con precisión a qué pacientes se les diagnostica leucemia mieloide aguda entrará en remisión tras el tratamiento de su enfermedad y que recaerá, a algoritmos que predicen la mortalidad de los pacientes ingresados en Unidades de cuidados intensivos. Entre estos últimos se encuentra el modelo desarrollado por Arkangel AI en conjunto con la Universidad de la Sabana (Colombia) para predecir la COVID-19 grave y su mortalidad basándose en la interpretación de las imágenes radiográficas de tórax y las variables clínicas. En los últimos dos años, la aparición de la pandemia provocada por la COVID-19 ha puesto a prueba los recursos del sector de la salud en todo el mundo. Con más de 240 millones de casos confirmados hasta la fecha y una mortalidad que oscila entre el 2,1 y el 55%, el SARS-CoV-2 se ha convertido en un problema de salud pública mundial que requiere todas las herramientas disponibles para tomar las decisiones correctas. En este sentido, el desarrollo de estrategias que permitan estratificar a los pacientes según su riesgo de desarrollar una COVID-19 grave e incluso morir a causa de la enfermedad es vital para definir el tiempo y los recursos a la hora de brindar una atención oportuna a los pacientes. El algoritmo desarrollado por Arkangel AI y la Universidad de la Sabana combina herramientas de aprendizaje automático y aprendizaje automático para analizar los datos clínicos y las imágenes diagnósticas de los pacientes diagnosticados con la COVID-19 gracias a la iniciativa LIVEN COVID organizada por varios hospitales de América Latina. Este algoritmo obtuvo un valor de área bajo la curva ROC (AUC-ROC) de 0,92 para predecir el ingreso en la UCI y de 0,81 para predecir la mortalidad en los pacientes ingresados en la sala de emergencias. Si bien los resultados de la investigación están en proceso de publicación, ya está claro que será una herramienta con un gran potencial a la hora de clasificar la rapidez con la que se atiende a los pacientes diagnosticados con COVID-19 y el tipo de tratamiento que se brinda para superar la enfermedad en los hospitales. Por último, es innegable que las aplicaciones de la IA están ganando terreno en el sector sanitario como herramientas de apoyo a la toma de decisiones. Sin embargo, como se destaca en Johan Lundin, director de investigación del Instituto Finlandés de Medicina Molecular (FIMM) de la Universidad de Helsinki y profesor de Tecnología Médica en el Instituto Karolinska, el futuro de este tipo de herramientas es incierto. Será interesante ver qué pasará cuando la IA vaya más allá de lo que el personal sanitario puede hacer y haga descubrimientos por sí sola.
Mientras esto sucede, en Arkangel AI nos gustaría invitar a todos los agentes del sector de la salud, médicos, enfermeras, hospitales y compañías farmacéuticas, a participar contacto con nosotros para profundizar en el desarrollo de herramientas de IA en busca de predecir el resultado que tendrán sus pacientes y así mejorar el proceso de toma de decisiones para brindar siempre la mejor atención y preservar la vida de las personas.
**Si quieres saber más sobre el software Arkangel Ai, déjanos tu (información) y uno de nuestros agentes se pondrá en contacto contigo para acompañarte en la incorporación personalizada de nuestra tecnología y asesorarte sobre el proyecto que tienes en mente.
Si quieres saber más sobre Arkangel Ai contacta con nosotros aquí y uno de los miembros de nuestro equipo se pondrá en contacto con usted para una sesión individual.
