Washington decide qué inteligencia artificial puede operar aquí
Eva Mickler
6 Min. de lectura En solo ocho días, Washington ha trasladado la disputa sobre los modelos de IA chinos ...
Leer artículo
6 min de lectura
Inicialmente recibida con escepticismo por muchos médicos, la Inteligencia Artificial ya es imprescindible en el diagnóstico de ciertas enfermedades. El Internet de las Cosas, la realidad virtual (VR) y la realidad aumentada (AR) también ganan terreno en la tecnología médica.
Trastornos de la marcha, síntomas de demencia, incontinencia urinaria, apatía. Para muchos neurólogos, estos son claros indicios de una demencia senil avanzada, que afecta a alrededor de un millón de personas en Alemania. Sin embargo, según NPH-Info, en el 10 % de los casos podría tratarse de hidrocefalia de presión normal (NPH) o hipertensión intracraneal idiopática del anciano. Como ya observó un médico colombiano en un caso pediátrico de PH en 1964, esta forma de demencia puede tratarse drenando líquido cefalorraquídeo, cuanto antes, mejor. No obstante, el NPH sigue siendo poco investigado y rara vez se diagnostica. Con un shunt – un drenaje implantado hacia la cavidad peritoneal – , muchos pacientes podrían recuperar casi por completo su vida normal.
El diagnóstico de demencia y cáncer, temas centrales
VEObrain, un *spin-off* del Hospital Universitario de Friburgo, ha desarrollado una herramienta de análisis en la nube basada en IA para la volumetría cerebral automatizada, que mediante *machine learning* (ML) puede identificar patrones típicos de atrofia o pérdida de tejido y calcular un porcentaje de probabilidad de NPH. Das Investment cita en un extenso artículo sobre el tema las oportunidades que ofrece la IA en medicina, junto a datos de la Organización Mundial de la Salud (OMS), según los cuales para 2050 podrían padecer demencia unos 152 millones de personas. Al no existir aún cura, la enfermedad debe tratarse desde los primeros síntomas para, al menos, ralentizar su progresión neurodegenerativa (como en el NPH). La IA puede desempeñar un papel clave en su detección, como demuestran el ejemplo anterior y un estudio de la Universidad de San Francisco. El algoritmo desarrollado por esta institución sería capaz de identificar signos de demencia u otras enfermedades degenerativas una media de seis años antes que los radiólogos.
La IA en medicina se convierte en un motor de ingresos
Aunque actualmente el COVID-19 acapare toda la atención, el cáncer sigue siendo la mayor plaga de la humanidad. El cáncer de pulmón, con casi dos millones de muertes anuales, es el más letal. Sin embargo, en su detección ya se han logrado avances significativos. Investigadores de la Facultad de Medicina Feinberg de la Universidad Northwestern y de Google AI han desarrollado conjuntamente un algoritmo que identifica células cancerosas malignas con un 94,4 % de precisión. Seis radiólogos que participaron en el estudio registraron, en comparación, tasas de error mucho más altas, tanto en falsos positivos (11 %) como en falsos negativos (5 %). Un diagnóstico temprano de tumores mediante IA aumenta las posibilidades de curación y reduce, además, las costosas pruebas invasivas de seguimiento. Según el artículo de *Das Investment*, los ingresos globales derivados de la IA en medicina pasarán de 4.900 millones de dólares a mediados de 2020 a 45.200 millones en 2026, multiplicándose por más de nueve. PwC reveló en una encuesta que los encuestados están dispuestos, en general, a invertir en este ámbito. Estados Unidos sigue liderando tanto la digitalización como el uso de IA en el sector sanitario.
4 principales aplicaciones de la IA en salud
Data Revenue menciona en una entrada de blog cuatro aplicaciones destacadas de la IA en medicina y en el sector sanitario: 1. El diagnóstico se vuelve considerablemente 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 TAC, la evaluación de riesgos 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 a partir de imágenes oculares.
2. El desarrollo de fármacos puede acelerarse significativamente con IA y *machine learning*, ahorrando años de trabajo e inversiones de cientos de millones de dólares. El artículo menciona cuatro etapas en el desarrollo de medicamentos:
Etapa 1: Identificación de dianas terapéuticas para comprender el origen de una enfermedad y sus mecanismos de resistencia. Esto puede desempeñar un papel, por ejemplo, en el desarrollo de antivirales de ARN contra la COVID-19.
Etapa 2: Búsqueda de candidatos adecuados para fármacos y posibles efectos secundarios.
Etapa 3: Selección de participantes idóneos para acelerar los ensayos. Tras el desarrollo de las vacunas contra el coronavirus de BioNTech/Pfizer, Moderna y otras, estas se probaron en decenas de miles de personas.
Etapa 4: Identificación de biomarcadores para el diagnóstico de enfermedades. Estos biomarcadores son moléculas presentes en fluidos corporales, principalmente en la sangre, y suelen ofrecer certeza sobre si un sujeto o paciente padece o no una enfermedad.3. Personalización de tratamientos: Los pacientes suelen responder de manera distinta a los fármacos o terapias. Un tratamiento personalizado podría aumentar significativamente las probabilidades de curación y la esperanza de vida, aunque requiere considerar una amplia variedad de factores. El *machine learning* puede automatizar el complejo trabajo estadístico y, con ello, acelerar el proceso.
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 el ADN, tecnología que, entre otros usos, se empleó en el desarrollo del principio activo de ARN mensajero de BioNTech y Pfizer contra la COVID-19. Explicar cómo se relaciona esto con el ARN guía (*guide RNA*) y el ARN guía corto (*short-guide RNA*, sgRNA) sería demasiado extenso aquí. No obstante, los modelos de ML demuestran ofrecer los mejores resultados para «predecir tanto el alcance de las interacciones guía-objetivo como los efectos fuera de objetivo», es decir, efectos secundarios, entre otros.
Avances en AR/VR e IoT en el sector sanitario
Por supuesto, existen muchos más ejemplos de aplicaciones de la IA y el *machine learning* en medicina. También resulta interesante cómo la realidad aumentada y virtual (AR y VR) están ganando terreno en la tecnología médica y el sector sanitario. Según Mixed.de, Microsoft planea utilizar las HoloLens 2 para transmitir operaciones quirúrgicas. Epson, por su parte, acaba de presentar una nueva generación de gafas AR de la serie Moverio, que, entre otras funciones, permitirán realizar diagnósticos y cirugías a distancia. Por último, los dispositivos IoT también están cada vez más presentes en medicina y sanidad. No solo se trata de pulseras de actividad o *smartwatches*, muchas de las cuales ya pueden medir la presión arterial o el pulso. Los marcapasos y los desfibriladores automáticos implantables (DAI) técnicamente aún no son dispositivos IoT, pero tras descubrirse que estos implantes podían no solo leerse, sino también manipularse desde el exterior, hace unos años se llevó a cabo una gran campaña de retirada para actualizar su *firmware*. La seguridad, por tanto, juega un papel crucial en los implantes médicos, al igual que – según señala el especialista en IoT Device Insight – en muchos otros ámbitos de aplicación, especialmente en el llamado IIoT (IoT industrial).
Fuente de la imagen: iStock / elenabs