Por qué la inteligencia artificial juega un papel cada vez más importante en el sector de la salud

Inicialmente tratada con escepticismo por muchos médicos, la inteligencia artificial se ha vuelto indispensable en el tratamiento de ciertas enfermedades. El Internet de las Cosas (IoT), la realidad virtual (RV) y la realidad aumentada (RA) también están ganando cada vez más terreno en la tecnología médica.

Trastornos de la marcha, síntomas de demencia, incontinencia urinaria, apatía. Estos son, para muchos neurólogos, signos claros de una demencia senil progresiva, que afecta a alrededor de un millón de personas en Alemania. Sin embargo, según NPH-Info, en el diez por ciento de todos los casos podría haber detrás un hidrocefalia normotensiva (HNT) o hipertensión intracraneal asociada a la edad. Y como ya estableció un médico colombiano en un caso pediátrico de HNT en 1964, esta forma de demencia es tratable mediante el drenaje del líquido cefalorraquídeo; cuanto antes, mejor. Pero la HNT sigue siendo poco estudiada y rara vez se diagnostica. Con una derivación implantada, llamada shunt, hacia la cavidad peritoneal, muchos pacientes podrían volver casi a una vida normal.

El diagnóstico de demencia y cáncer son temas centrales

VEObrain, una spin-off de la Clínica Universitaria de Friburgo, ha desarrollado una herramienta de análisis basada en la nube e impulsada por IA para la volumetría cerebral completa automatizada, que puede mostrar patrones típicos de atrofia o pérdida de tejido y una probabilidad porcentual de HNT mediante aprendizaje automático (ML). Das Investment cita en un artículo exhaustivo sobre el tema las cifras de la Organización Mundial de la Salud (OMS), según las cuales para 2050 unas 152 millones de personas podrían padecer demencia. Dado que aún no existe cura, la enfermedad debe tratarse desde los primeros signos para ralentizar al menos los procesos neurodegenerativos (como en el caso de la HNT). La IA puede desempeñar un papel crucial en el diagnóstico, como muestran el ejemplo anterior y un estudio de la Universidad de San Francisco. El algoritmo desarrollado por ella debería poder detectar signos de demencia u otras manifestaciones degenerativas, de media, seis años antes que los radiólogos.

La IA en medicina se convierte en un turbo de facturación

Aunque actualmente la COVID-19 lo eclipse todo, el cáncer sigue siendo probablemente la mayor plaga de la humanidad. El cáncer de pulmón sigue siendo la neoplasia maligna más mortal, con casi dos millones de víctimas mortales. Pero en la detección del cáncer se han producido avances significativos. Investigadores de la Facultad de Medicina Feinberg de la Universidad Northwestern y de Google AI han desarrollado conjuntamente un algoritmo capaz de detectar células cancerosas malignas con una precisión del 94,4 %. Seis radiólogos que participaron en el estudio obtuvieron, en comparación, tasas de error mucho más altas tanto en resultados falsamente positivos (11 %) como en resultados falsamente negativos (5 %). Un diagnóstico temprano de tumores mediante el uso de IA aumenta las posibilidades de curación. Además, esto permite reducir costosos controles invasivos. Según continúa explicando el artículo de Das Investment, los ingresos mundiales generados por la IA en el sector sanitario pasarán de 4.900 millones de dólares a mediados de 2020 a 45.200 millones de dólares en 2026, multiplicándose por nueve. PwC ha descubierto en una encuesta que los encuestados están generalmente dispuestos a realizar inversiones al respecto. Estados Unidos sigue liderando tanto en digitalización como en inteligencia artificial aplicada a la sanidad.

4 aplicaciones principales de la IA en salud

Data Revenue menciona en una entrada de blog cuatro aplicaciones principales de la IA en la medicina y el sector sanitario:1. El diagnóstico se vuelve mucho más preciso y rápido gracias a la IA y el ML. Algunos ejemplos son la detección de cáncer de pulmón a partir de imágenes de TC, la evaluación del riesgo de muerte súbita cardíaca mediante electrocardiogramas y resonancias magnéticas, la clasificación de lesiones cutáneas a partir de imágenes de la piel y la detección temprana de retinopatía diabética mediante imágenes oculares.

2. El desarrollo de fármacos puede acelerarse significativamente gracias a la IA y al Machine Learning, lo que ayuda a ahorrar años de trabajo y cientos de millones de dólares en inversiones. En este sentido, la entrada del blog cita cuatro fases del desarrollo de medicamentos:

Fase 1: Identificación de dianas terapéuticas para comprender el origen de una enfermedad y sus mecanismos de resistencia. Esto puede ser relevante, por ejemplo, en el desarrollo de fármacos basados en ARN contra la COVID-19.

Fase 2: Búsqueda de candidatos adecuados para medicamentos y posibles efectos secundarios.

Fase 3: Selección de sujetos de prueba idóneos para acelerar los ensayos clínicos. Tras el desarrollo de las vacunas contra el coronavirus por parte de BioNTech/Pfizer, Moderna y otros, estas fueron probadas en decenas de miles de personas.

Fase 4: Descubrimiento de biomarcadores para el diagnóstico de enfermedades. Dichos biomarcadores son moléculas presentes en fluidos corporales, especialmente en la sangre, y suelen ofrecer certeza sobre si un sujeto o paciente padece o no la enfermedad.3. Personalización de tratamientos: Los pacientes suelen responder de forma distinta a los medicamentos o métodos terapéuticos. Un tratamiento personalizado podría aumentar notablemente las probabilidades de curación y la esperanza de vida, pero requiere integrar una gran variedad de factores. El Machine Learning puede automatizar esta compleja labor estadística y, por tanto, acelerarla considerablemente.

4. Mejora de la edición genética: Con CRISPR (Clustered Regularly Interspaced Short Palindromic Repeats), la investigación ha logrado grandes avances en la edición del genoma y del ADN, tecnología que también se empleó, entre otros casos, en el fármaco de ARNm de BioNTech y Pfizer contra la COVID-19. Explicar aquí cómo se relaciona esto con el ARN guía y el ARN guía corto (sgRNA) sería demasiado extenso. No obstante, está demostrado que los modelos de ML ofrecen los mejores resultados para «predecir la magnitud tanto de las interacciones guía-diana como de los efectos fuera de diana», refiriéndose con ello, entre otras cosas, a los efectos secundarios.

Avances en RA/RV e IoT en el sector sanitario

Por supuesto, existen muchos otros ejemplos de IA y Machine Learning aplicados a la medicina. También resulta interesante observar cómo la Realidad Aumentada y la Realidad Virtual (RA y RV) están ganando cada vez más terreno en la tecnología médica y el sector sanitario. Según Mixed.de, Microsoft planea utilizar las HoloLens 2, por ejemplo, para transmitir cirugías en directo. Epson acaba de presentar una nueva generación de gafas de RA de la serie Moverio, diseñadas para facilitar, entre otras funciones, diagnósticos remotos y cirugías a distancia. Finalmente, los dispositivos IoT también están teniendo una presencia creciente en la medicina y el ámbito sanitario. No solo nos referimos a pulseras de actividad o relojes inteligentes, muchos de los cuales ya pueden medir la presión arterial o el pulso. Los marcapasos y los llamados desfibriladores cardioversores implantables (DAI) no son estrictamente dispositivos IoT, pero tras descubrirse que estos implantes podían ser leídos e incluso manipulados desde el exterior, se llevó a cabo hace unos años una importante campaña de retirada que obligó a instalar un nuevo firmware. Por tanto, la seguridad desempeña un papel fundamental en los implantes médicos. Lo mismo ocurre en muchos otros campos de aplicación, tal como señala el especialista en IoT Device Insight, especialmente en el entorno industrial conocido como IIoT.

Fuente de la imagen: iStock / elenabs

Lea también

• La NIS2 obliga a los CIO a integrar los dispositivos Edge en el perímetro de auditoría
• Edge Computing en la industria: por qué los CIO deben replantear la arquitectura de sus fábricas ahora mismo
• Grupo Schreiner: cómo un campeón oculto transforma su producción en una fábrica inteligente