Más ciencia que ficción
● La Inteligencia Artifical aplicada a la salud comienza a dar sus frutos y abre un abanico de posibilidades que ya cuenta con aplicaciones en medicina, gestión sanitaria e investigación
Aunque para muchas personas la Inteligencia Artificial (IA) sea un término nuevo, sus bases se llevan desarrollando de los años 60 del siglo pasado. Su objetivo es el desarrollo de sistemas inteligentes, capaces de aprender y adaptarse, tomando como referencia la inteligencia humana. La digitalización de las distintas esferas de la salud humana, la medicina, la gestión sanitaria o la investigación generan ingentes cantidades de información cuyo procesamiento servirá para hacer realidad la medicina personalizada y de precisión.
El alcance de estos conceptos, sus aplicaciones prácticas y su entorno regulatorio centraron las intervenciones del encuentro Inteligencia Artificial en Salud organizado el pasado martes en Madrid por la Fundación Instituto Roche. Según Fernando Martín, profesor de Investigación en Salud Digital de la Escuela Nacional de Sanidad, “la verdadera promesa de la IA es que nos ayude a resolver el complejo flujo de datos relacionados con los pacientes (datos genéticos, bioquímicos, ambientales o socioeconómicos) que generarán grandes bases de datos muldimensionales”. Así, estas bases de datos deberán analizarse con distintos patrones para poder estratificar grupos de población con características similares y aplicar nuestras terapias de una manera más segura y eficiente.
Para Victor Maojo, catedrático de Inteligencia Artificial de la Universidad Politécnica de Madrid, su aplicación en campos como la genómica y la medicina de precisión se basa en la combinación de los avances en biología, manejo de grandes bases de datos y aplicación de machine learning para descubrir alteraciones genéticas o diseñar nuevos vías para producir medicamentos o vacunas. “El número de posibilidades es gigantesco para, por ejemplo, reanalizar miles de enfermedades raras con
explicó. La IA en medicina ya se utiliza en las bases de datos de publicaciones científicas (Pubmed), en sistemas de imágenes médicas, gestión financiera
‘Machine Learning’ y ‘Big Data’ permiten detectar patrones que ayuden a la selección terapéutica
o ayuda a la toma de decisiones entre otras aplicaciones.
Del mismo modo, el
ha servido en la pandemia para determinar la estructura y mutaciones del coronavirus, estudiar nuevas moléculas, mejorar las pruebas diagnósticas por imagen, realizar predicciones a partir de la historia clínica o el análisis de la incidencia. El doctor Pablo Serrano, director de planificación en el Hospital Universitario 12 de Octubre, aportó algunas experiencias sobre la utilidad de estos sistemas para “aportar información en la incertidumbre” y “poder identificar en pacientes crónicos complejos quienes son los que tienen más necesidad y prever la aparición de complicaciones”. Así, puso como ejemplos un proyecto sobre riesgo respiratorio en pacientes Covid o el proyecto Sepsis desarrollado en la Comunidad Valenciana.
A lo largo de la jornada, los expertos también han hablado de las limitaciones, retos y errores de enfoque que aún presenta la Inteligencia Artificial. “Nadie está pidiendo
Quedan retos por abordar, como la opacidad de algunos sistemas o los sesgos
que se sustituya al médico, lo que se está pidiendo es que estos sistemas apoyen y mejoren su labor porque cada vez tienen un trabajo más complicado”, ha añadido el especialista.
Guillermo Lazcoz, investigador contratado en el Centro de Investigación Biomédica en Red (CIBERER -ISCIII), ahondó en los retos éticos y legales aludiendo a la opacidad de los sistemas algorítmicos; a los sesgos y posibles resultados discriminatorios que arrojan estos sistemas y a la dificultad de la validación; es decir, “muy pocos sistemas de Inteligencia Artificial cuentan con una validación externa y real que pueda verificar su seguridad y fiabilidad”.