El momento actual de la IA se podría definir como un período de rápido crecimiento y desarrollo. La IA está siendo utilizada en una amplia gama de aplicaciones, desde la medicina hasta la automoción, y su impacto en la sociedad está aumentando rápidamente.
El libro Deep Medicine de Eric Topol es importante en este contexto porque ofrece una visión holística y realista de cómo la IA está transformando la medicina. Topol discute cómo la IA puede mejorar la precisión del diagnóstico, personalizar el tratamiento y automatizar las tareas. También reconoce los desafíos que plantea la IA, como la necesidad de garantizar la seguridad y la equidad.
Topol discute cómo la IA se está utilizando para desarrollar nuevos métodos de diagnóstico. La IA puede analizar grandes cantidades de datos médicos para identificar patrones que los médicos humanos pueden pasar por alto. Esto puede conducir a diagnósticos más precisos y a tratamientos más efectivos.
En concreto, el libro es relevante para el contexto actual de la IA porque:
- Discute ejemplos concretos de cómo la IA se está utilizando en la medicina.
- Ofrece una visión realista de los beneficios y desafíos de la IA en la atención médica.
- Es una lectura accesible para cualquier persona que quiera comprender cómo la IA está transformando la medicina.
La principales ideas de Deep Medicine
- La atención sanitaria requiere un cambio de la medicina superficial a la medicina profunda.
- La inteligencia artificial podría beneficiar enormemente a la atención sanitaria, pero tiene sus limitaciones.
- Los médicos pueden utilizar la IA para ayudar a mejorar sus diagnósticos.
- Los diagnósticos basados en el reconocimiento de patrones podrían hacer un gran uso de la IA.
- Los médicos que no trabajan principalmente con patrones podrían delegar algunas tareas rutinarias a la IA.
- La inteligencia artificial puede ayudar a reformar los sistemas de salud y mejorar la investigación científica.
- La inteligencia artificial podría ayudar a personalizar nuestra medicina y nuestra dieta.
- La automatización de las funciones clínicas permitirá a los médicos centrarse en la atención al paciente.
La atención sanitaria requiere un cambio de la medicina superficial a la medicina profunda.
Después de ver al primer cardiólogo, Robert fue a ver al autor, Eric Topol, también cardiólogo, para obtener una segunda opinión. Topol quedó impactado por la evaluación original; Uno de cada cinco adultos tiene FOP y la afección no está relacionada con accidentes cerebrovasculares. Entonces él y Robert trabajaron juntos para determinar el verdadero problema de Robert y descubrieron que era fibrilación auricular, que puede tratarse con un simple anticoagulante.
La situación de Robert ejemplifica lo que Topol llama medicina superficial, en la que médicos agotados y deprimidos no se toman el tiempo para desarrollar conexiones reales con sus pacientes y realizar evaluaciones holísticas.
Las visitas médicas promedio en los Estados Unidos, por ejemplo, duran sólo siete minutos. Quizás como resultado de ello, cada año se producen alrededor de 12 millones de diagnósticos erróneos importantes en todo el país, y hasta un tercio de las operaciones médicas realizadas son innecesarias.
Los pacientes sufren, pero también las personas que los tratan. Uno de cada cuatro médicos jóvenes sufre depresión y casi la mitad de los médicos estadounidenses hoy en día tienen síntomas de agotamiento. Esta condición aumenta enormemente el riesgo de errores médicos e incluso conduce al suicidio de los médicos.
Para abordar estas cuestiones, debemos iniciar el cambio de la medicina superficial a la medicina profunda. Este cambio se produce de tres maneras fundamentales. En primer lugar, la medicina requerirá que los médicos definan profundamente a cada individuo con la mayor cantidad posible de su historia personal y de salud relevante. En segundo lugar, requerirá un aprendizaje profundo por parte de la inteligencia artificial para aumentar las capacidades de diagnóstico de los médicos y automatizar tareas repetitivas. Y, por último, la medicina profunda requerirá que los médicos practiquen una profunda empatía : ver a los pacientes como personas reales, no sólo como problemas que deben ser diagnosticados.
La inteligencia artificial podría beneficiar enormemente a la atención sanitaria, pero tiene sus limitaciones.
Gracias a este tratamiento -y al rápido trabajo de la IA- las convulsiones del recién nacido terminaron. Ahora está perfectamente sano. Este caso muestra que la IA, al trabajar con médicos humanos, tiene el potencial de salvar vidas. Pero antes de hablar demasiado entusiasmado sobre las capacidades de la IA, es esencial considerar sus limitaciones.
En primer lugar, la IA depende enteramente de la calidad de sus datos; esto es todo lo que puede utilizar para aprender y hacer predicciones. La mayor parte de la IA funciona con datos estructurados que están estandarizados y permiten realizar búsquedas. Sin embargo, los datos médicos a menudo no están estructurados y son de naturaleza narrativa. Las etiquetas inexactas o incorrectas pueden alterar fácilmente el resultado de un algoritmo.
Además, la IA no es creativa; no puede idear nuevas soluciones a los problemas. Una vez, Topol estaba tratando a un hombre de 70 años que padecía fatiga extrema. Una tomografía computarizada reveló que su arteria coronaria derecha se había estrechado en un 80 por ciento. Topol estaba confundido ya que este problema normalmente no causa una fatiga tan severa.
Le explicó la situación y se ofreció a colocar un stent en la arteria bloqueada, a lo que el paciente accedió. La misma noche de la operación, el paciente ya podía caminar varias cuadras sin sentirse fatigado. Informó que se sentía más fuerte y mejor que nunca. Un algoritmo informático nunca podría haber recomendado ese procedimiento, ya que no había precedentes para la situación específica de este hombre.
La IA actual tiene algunas limitaciones críticas que nunca le permitirán reemplazar completamente a los médicos humanos. Pero todavía puede beneficiar enormemente a la medicina.
Los médicos pueden utilizar la IA para ayudar a mejorar sus diagnósticos.
¿Qué hace cuando tiene síntomas pero no conoce la causa? Lo más probable es que recurra a Google o a un verificador de síntomas en línea. Hay muchos por ahí, pero todavía no son particularmente precisos. Un estudio de 2015 de 23 verificadores de síntomas en línea encontró que solo el 34 por ciento de ellos podía llegar a un diagnóstico correcto.
Por el momento, a las máquinas les resulta difícil realizar diagnósticos completos y holísticos. Pero les va bien al diagnosticar tipos específicos de enfermedades. Tomemos como ejemplo la aplicación Face2Gene, que puede ayudar a diagnosticar más de 4000 afecciones genéticas diferentes al reconocer rasgos faciales particulares asociados con ellas. El sesenta por ciento de los genetistas médicos y asesores genéticos ya utilizan la aplicación en su consulta.
Para hacer un uso amplio de la IA para el diagnóstico médico, debemos transformar la práctica en una ciencia basada en datos. Esto requerirá recopilar una enorme cantidad de información sobre cada individuo, idealmente, comenzando desde la etapa prenatal y continuando a lo largo de toda nuestra vida.
Por supuesto, la recopilación de datos a gran escala plantea preocupaciones válidas. Si tuvieran acceso a datos detallados sobre los pacientes, las compañías de seguros podrían utilizar análisis de inteligencia artificial para dividir a las personas en función de sus riesgos de salud y crear grandes diferencias en las tasas de cobertura para los pacientes de mayor riesgo.
Sin duda, serán necesarias regulaciones gubernamentales para prevenir estos abusos de los datos de los pacientes. Pero no debemos permitir que las preocupaciones superen las contribuciones potenciales de la IA. En los próximos parpadeos, veremos cómo la IA puede ayudar a tipos específicos de medicamentos.
Los diagnósticos basados en el reconocimiento de patrones podrían hacer un gran uso de la IA.
Cada año se realizan dos mil millones de radiografías de tórax en todo el mundo. Estas exploraciones pueden ser difíciles de leer, dado que las cicatrices o el tejido pulmonar colapsado pueden ocultar otros problemas. Pero la IA, con su capacidad para procesar e interpretar rápidamente terabytes de datos de imágenes, podría leer estos escaneos con un alto grado de precisión.
Un estudio entrenó un algoritmo de aprendizaje automático para clasificar más de 50.000 radiografías de tórax como normales o anormales. Utilizado ampliamente, este algoritmo por sí solo podría ayudar a los radiólogos a determinar qué exploraciones merecen una mirada más cercana y cuáles no. Con todo el tiempo ahorrado, los radiólogos podrían realizar otros trabajos valiosos, como hablar directamente con los pacientes, algo bastante poco común en la práctica actual.
Cuando se utilizan junto con radiólogos humanos, los algoritmos pueden ayudar a lograr una mayor precisión diagnóstica que cualquiera de los dos funcionando solo. Esto también es válido para patología y dermatología.
Los patólogos, que interpretan muestras de tejido humano para diagnosticar enfermedades, pueden utilizar PathAI, una herramienta para analizar diapositivas. Esta herramienta cuenta con una tasa de error del 2,9 por ciento por sí sola, pero cuando se trabaja con un patólogo humano, ¡esa cifra se reduce a sólo el 0,5 por ciento!
En dermatología, hay un problema ligeramente diferente. Estados Unidos tiene relativamente pocos dermatólogos en ejercicio, por lo que alrededor de dos tercios de todas las afecciones de la piel son diagnosticadas por médicos de atención primaria. Como resultado, las tasas de error son sorprendentemente altas. Aquí, las máquinas podrían intervenir para diagnosticar afecciones cutáneas específicas. De hecho, un artículo de 2017 ya determinó que un algoritmo puede superar a los dermatólogos en la clasificación del cáncer y la identificación del melanoma.
Los médicos que no trabajan principalmente con patrones podrían delegar algunas tareas rutinarias a la IA.
Hay muchos tipos diferentes de médicos que se beneficiarán de la IA. Pero por ahora, miremos únicamente a los cardiólogos.
Se ha demostrado que una red neuronal de aprendizaje profundo reciente diagnostica ataques cardíacos con una precisión de alrededor del 90 por ciento. Otras tecnologías también son útiles a la hora de medir el ritmo cardíaco. Un dispositivo, el parche iRhythm Zio, es un dispositivo similar a una curita que se coloca en el pecho. En su interior hay un chip que captura información sobre cada uno de los latidos del corazón del usuario durante 10 a 14 días. Con esta información, los cardiólogos pueden evaluar más fácilmente las irregularidades de los latidos del corazón y otros problemas.
Transformar la frecuencia y el ritmo cardíacos en información digital es una cosa; es mucho más difícil hacer lo mismo con el estado mental de una persona. Sin embargo, la IA también se puede utilizar para ayudar a los profesionales de la salud mental y a las personas con trastornos de salud mental.
Muchos factores, incluidos el costo y la disponibilidad de psiquiatras en una región particular, impiden que las personas busquen atención de salud mental. Sin embargo, los chatbots de salud mental pueden ofrecer una alternativa viable a la terapia en tales casos. Estos chatbots a menudo utilizan la terapia cognitivo-conductual , o TCC, que tradicionalmente se basa en conversaciones en persona pero que, en cambio, puede trasladarse a nuestros dispositivos. Algunos estudios han descubierto que las personas incluso prefieren hablar sobre temas personales y delicados con chatbots que con humanos reales.
Además de los chatbots, la IA se puede utilizar para ayudar a diagnosticar afecciones de salud mental como la depresión, que más del 10 por ciento de las personas experimentan en todo el mundo. Un algoritmo llamado DeepMood, por ejemplo, fue capaz de predecir la depresión con gran precisión simplemente estudiando los patrones de teclado del teléfono inteligente de una persona.
Hasta ahora, hemos analizado cómo la IA puede ayudar en tipos específicos de medicina. Ahora, veamos cómo podría afectar a sistemas de salud completos.
La inteligencia artificial puede ayudar a reformar los sistemas de salud y mejorar la investigación científica.
La monitorización remota será cada vez más importante a medida que más hospitales se vuelvan virtuales y se pueda utilizar tecnología similar para ayudar a las personas mayores. Por ejemplo, los sensores incrustados en el piso de una persona pueden alertar al personal si se ha caído.
Dado que cada noche en un hospital cuesta un promedio de 4.700 dólares, cualquier cosa que ayude a mitigar la carga financiera es bienvenida. Hoy en día, sólo el costo de una facturación médica precisa añade un enorme 25 por ciento al precio de una visita a la sala de emergencias. Claramente, la IA podría intervenir para reducir esos costos.
La automatización podría mejorar la eficiencia y el flujo de trabajo en los hospitales en el futuro, pero ya está teniendo un impacto en el laboratorio.
La IA ha ayudado a los científicos a desbloquear los misterios del genoma humano. Los algoritmos han identificado con éxito 2.500 genes que contribuyen o causan los síntomas asociados con el autismo, por ejemplo. Y su utilidad no se limita sólo a la identificación: la IA también se puede utilizar para editar el genoma humano y eliminar enfermedades como la hemofilia y la anemia falciforme.
El descubrimiento de fármacos es otro uso importante de la IA. Después de todo, ¡hay muchas más combinaciones químicas posibles que el número de átomos en todo el sistema solar! Un proyecto de descubrimiento de analgésicos utilizó un algoritmo para reducir una lista de tres millones de posibles compuestos analgésicos a sólo 23.
Por lo tanto, la IA puede ayudar en gran parte del trabajo entre bastidores en la atención sanitaria y la investigación. También puede beneficiar directamente a los pacientes.
La inteligencia artificial podría ayudar a personalizar nuestra medicina y nuestra dieta.
Una investigación realizada en el Instituto Weizmann de Ciencias de Israel revela una forma en que los individuos responden de manera diferente a diferentes alimentos. Al analizar millones de puntos de datos, incluidos los hábitos alimentarios, la actividad física y el microbioma intestinal de los participantes, un modelo de aprendizaje automático pudo identificar 137 factores que podrían predecir la respuesta glucémica de las personas . Esta es una medida de qué tan alto aumenta el nivel de azúcar en la sangre de una persona después de comer un alimento en particular.
Después de que el algoritmo hizo su trabajo, 26 personas recibieron planes de dieta personalizados adaptados a su respuesta glucémica prevista. Mostraron respuestas de glucosa significativamente mejores después de comer en comparación con el grupo de control. Esto es importante ya que se han asociado picos sustanciales de glucemia con la aparición de diabetes, obesidad y enfermedades cardíacas.
La inteligencia artificial como la utilizada en el estudio de Weizmann se puede utilizar de manera más amplia para proporcionar planes de dieta individualizados. Otros aspectos de nuestra salud podrían personalizarse de manera similar con el desarrollo de asistentes médicos virtuales que llevamos en el bolsillo.
Algunas tecnologías como ésta ya existen, pero se centran en áreas específicas. Una aplicación llamada Migraine Alert, por ejemplo, utiliza algoritmos de aprendizaje automático para predecir la próxima migraña de un usuario con un 85 por ciento de precisión. Esto permite a la persona tomar medidas preventivas en lugar de simplemente tratar la migraña una vez que ha comenzado.
En este momento, la cantidad de datos necesarios para crear un asistente médico virtual verdaderamente completo es prohibitiva. Estamos muy lejos de poder preguntarle a nuestro frigorífico: “¿Qué debo comer hoy?” Por el momento, tal vez sea mejor centrarse en preocupaciones más específicas. En el último apartado, veremos lo que los médicos humanos pueden hacer frente a la revolución de la IA.
La automatización de las funciones clínicas permitirá a los médicos centrarse en la atención al paciente.
Con su potencial para automatizar ciertas funciones laborales, la inteligencia artificial podría ayudar a liberar aproximadamente el 25 por ciento del tiempo de médicos y enfermeras. Esto les permitiría un mejor equilibrio entre el trabajo y la vida personal y visitas más largas a sus pacientes.
Un estudio analizó los efectos de la duración de las visitas médicas domiciliarias en más de 60.000 pacientes. Encontró que por cada minuto adicional que duraba una visita, el riesgo de reingreso se reducía en un 8 por ciento.
El tiempo adicional puede ayudar a los médicos a ser más “humanos”, pero no es el único factor. La empatía es otra. Una revisión de 964 estudios encontró un vínculo definitivo entre la capacidad de un médico para sentir empatía y resultados clínicos positivos. Sin embargo, los profesionales médicos promedio de hoy reciben puntuaciones bajas en las pruebas de cociente de empatía. Afortunadamente, los estudios demuestran que el entrenamiento conductual puede ayudar a fomentar la empatía.
Además, los médicos deben estar presentes. Deben escuchar intencionada y atentamente a los pacientes, prestándoles toda su atención. En promedio, los médicos interrumpen a sus pacientes sólo 18 segundos después del inicio de una visita. Al hacerlo, niegan a los pacientes la oportunidad de ser escuchados y comprendidos.
La inteligencia artificial podrá hacerse cargo de tareas basándose en inteligencia bruta, reconocimiento de patrones o síntesis masiva de datos. Pero nunca podrán reemplazar las cualidades exclusivamente humanas de la empatía, la confianza o la compasión. Es hora de que los médicos comiencen a cultivarlos activamente.