La Inteligencia Artificial (IA) está a la vanguardia de la innovación. Desde coches autónomos hasta la detección de enfermedades mortales, la IA se aprovecha en casi todos los aspectos de nuestras vidas. A menudo la gente debate si la IA nos trae más ventajas o problemas, pero es difícil negar que puede resolver problemas que una persona no puede. Tomemos la industria de la salud como ejemplo, ya que la financiación de la IA en el sector sanitario alcanzó un máximo histórico en el segundo trimestre de 2018.
Lee sobre Cómo la IA está redefiniendo la banca móvil >>>
Hace décadas, ¿podríamos haber imaginado las cosas que están sucediendo ahora en medicina como resultado de la tecnología? No tendremos en cuenta eventos como la reciente victoria por 2:0 del sistema de IA chino Biomind sobre los humanos en el análisis de imágenes cerebrales, ya que los robots se han utilizado en medicina durante más de 30 años. Pero pensaremos en los desafíos que la IA puede resolver en nuestras vidas hoy.
«¿Cómo se Hizo Tan Tarde Tan Pronto?»
El desafío número uno es ahorrar tiempo. En todas las esferas de la vida, todavía hay mucho trabajo rutinario que requiere un gran esfuerzo humano, y en medicina, estas actividades que consumen mucho tiempo a veces cuestan demasiado.
En la industria de la salud, el 86% de los errores son administrativos y, por lo tanto, totalmente prevenibles. La mayoría de los errores son causados por sistemas, procesos y condiciones defectuosos que llevan a las personas a cometer errores o no prevenirlos.
Por ejemplo, no hay un formato estándar ni un repositorio central para los datos de los pacientes. Cuando los archivos de los pacientes se envían por fax, por correo electrónico como archivos PDF ilegibles, o como imágenes de notas manuscritas, extraer información consume mucho tiempo, si no es imposible. La detección de objetos es una de las cosas que se pueden resolver fácilmente con la ayuda de la ingeniería de Aprendizaje Automático (Machine Learning).
Es posible gestionar el flujo de pacientes según la temporada: los modelos de IA pueden predecir el número posible de visitantes basándose en información de temporadas anteriores, lo que permite ajustar el horario y distribuir la carga entre el personal médico.
«El único requisito es que los datos deben ser lo suficientemente grandes y de la más alta calidad para analizarlos correctamente y construir el modelo de IA efectivo», advierte Nikita Krylov, Ingeniero de Aprendizaje Automático en CactusSoft.
La detección de objetos también se puede utilizar en el reconocimiento de cáncer, neumonía y otras anomalías en imágenes médicas, actuar como asistente de dentista (ayudando en la clasificación de dientes o la detección por rayos X de los dientes que requieren restauración), etc.
Los Errores Médicos son la Tercera Causa Principal de Muerte en EE. UU.
El segundo problema, pero no menos significativo, es el factor humano. Si ya es bastante difícil confiar tu salud o incluso tu vida a un médico que nunca has visto antes, ¿qué se puede decir de las máquinas?
Con aproximadamente 251,454 muertes en EE. UU. por año debido a errores médicos, investigadores de la Universidad Johns Hopkins estiman que esta es la tercera causa principal de muerte en el país. Sin embargo, datos más recientes indican que estas cifras pueden ser sustancialmente más altas.
En muchos sentidos, ya tenemos formas muy simples de IA en las clínicas hoy en día, por ejemplo, herramientas que identifican ritmos anormales en un electrocardiograma (EKG). Un patrón de latido anormal activa una alerta para llamar la atención de un médico. Esto es una computadora que intenta replicar a un ser humano que entiende esos datos y dice: «Esto no parece normal. Puede ser un problema».
Ahora, tenemos la capacidad de analizar fuentes de datos mucho más grandes y complejas, como un historial médico electrónico completo o incluso, quizás, datos extraídos de la vida diaria, a medida que más personas rastrean sus patrones de sueño o frecuencia cardíaca con dispositivos portátiles.
El año pasado, los ingenieros de CactusSoft desarrollaron una aplicación de IA que debería mejorar la precisión de la medición no invasiva de la presión arterial (ABP) utilizando Aprendizaje Automático.
«Utilizamos un par de señales, ECG + PPG, para encontrar tres métodos posibles de predicción de la presión arterial: el tiempo de tránsito de la onda de pulso (el período entre los picos de ECG y PPG); el análisis de la curva de PPG; y una solución de extremo a extremo usando redes neuronales (con datos sin procesar). Se reveló que el Aprendizaje Automático solo se puede usar en los dos primeros métodos debido al valor aproximado en el tercero. Como resultado, desarrollamos una aplicación de IA para el análisis espectral de la frecuencia cardíaca, que utilizaba los datos de un microcontrolador o archivo de registro», dice Nikita Krylov.
El desarrollo de soluciones de salud basadas en IA nos permite pensar que la IA traerá muchas cosas significativas y vitales a este ámbito. Esto es solo el comienzo.
Se predice que el mercado global de TI en salud alcanzará la asombrosa cifra de $223.16 mil millones para 2023, impulsado solo en parte por la IA y el Aprendizaje Automático.
«`
