Se espera que la inteligencia artificial se convierta en una fuerza de transformación en el campo de la atención de la salud.Entonces, ¿cómo se benefician los médicos y los pacientes del impacto de las herramientas impulsadas por IA?
La industria de la salud actual es muy madura y puede hacer algunos cambios importantes.Desde enfermedades crónicas y cáncer hasta radiología y evaluación de riesgos, la industria de la salud parece tener innumerables oportunidades para utilizar la tecnología para implementar intervenciones más precisas, eficientes y efectivas en la atención al paciente.
Con el desarrollo de la tecnología, los pacientes tienen requisitos cada vez mayores para los médicos, y la cantidad de datos disponibles continúa creciendo a un ritmo alarmante.La inteligencia artificial se convertirá en un motor para promover la mejora continua de la atención médica.
En comparación con el análisis tradicional y la tecnología de toma de decisiones clínicas, la inteligencia artificial tiene muchas ventajas.Cuando el algoritmo de aprendizaje interactúa con los datos de entrenamiento, puede volverse más preciso, lo que permite a los médicos obtener información sin precedentes sobre el diagnóstico, el proceso de enfermería, la variabilidad del tratamiento y los resultados de los pacientes.
En el Foro Mundial de Innovación Médica en Inteligencia Artificial (wmif) de 2018 organizado por Partners Healthcare, los investigadores médicos y los expertos clínicos hablaron sobre las tecnologías y los campos de la industria médica que tienen más probabilidades de tener un impacto significativo en la adopción de la inteligencia artificial en los próximos años. década.
Anne kiblanksi, MD, CO presidenta de wmif en 2018, y Gregg Meyer, MD, director académico de Partners Healthcare, dijeron que este tipo de "subversión" llevada a cada área de la industria tiene el potencial de brindar beneficios significativos a los pacientes y tiene un amplio potencial de éxito empresarial.
Con la ayuda de expertos de los socios de atención médica, incluido el Dr. Keith Dreyer, profesor de la Escuela de Medicina de Harvard (HMS), director de ciencia de datos de los socios, y la Dra. Katherine andreole, directora de estrategia y operaciones de investigación en el Hospital General de Massachusetts (MGH) , propuso 12 formas en que la IA revolucionará los servicios médicos y la ciencia.
1. Unificar el pensamiento y la máquina a través de la interfaz cerebro-computadora
Usar una computadora para comunicarse no es una idea nueva, pero crear una interfaz directa entre la tecnología y el pensamiento humano sin teclado, mouse ni pantalla es un campo de investigación de vanguardia, que tiene una aplicación importante para algunos pacientes.
Las enfermedades del sistema nervioso y los traumatismos pueden hacer que algunos pacientes pierdan la capacidad de tener una conversación, un movimiento y una interacción significativos con los demás y su entorno.La interfaz cerebro-computadora (BCI) respaldada por inteligencia artificial puede restaurar esas experiencias básicas para los pacientes que están preocupados por perder estas funciones para siempre.
"Si veo a un paciente en la unidad de cuidados intensivos de neurología que repentinamente pierde la capacidad de actuar o hablar, espero restaurar su capacidad de comunicarse al día siguiente", dijo Leigh Hochberg, MD, directora del centro de neurotecnología y neurorehabilitación de la Hospital General de Massachusetts (MGH).Mediante el uso de la interfaz cerebro-computadora (BCI) y la inteligencia artificial, podemos activar los nervios relacionados con el movimiento de la mano, y deberíamos poder hacer que el paciente se comunique con otros al menos cinco veces durante toda la actividad, como el uso de tecnologías de comunicación ubicuas como como tabletas o teléfonos móviles."
La interfaz cerebro-computadora puede mejorar en gran medida la calidad de vida de los pacientes con esclerosis lateral amiotrófica (ELA), accidente cerebrovascular o síndrome de atresia, así como 500 000 pacientes con lesión de la médula espinal en todo el mundo cada año.
2. Desarrollar la próxima generación de herramientas de radiación.
Las imágenes de radiación obtenidas por imágenes de resonancia magnética (MRI), escáneres CT y rayos X brindan una visibilidad no invasiva del interior del cuerpo humano.Sin embargo, muchos procedimientos de diagnóstico todavía se basan en muestras de tejido físico obtenidas por biopsia, lo que conlleva el riesgo de infección.
Los expertos predicen que, en algunos casos, la inteligencia artificial permitirá que la próxima generación de herramientas de radiología sea lo suficientemente precisa y detallada como para reemplazar la demanda de muestras de tejido vivo.
Alexandra golby, MD, directora de neurocirugía guiada por imágenes en el Brigham women's Hospital (BWh), dijo: "Queremos unir al equipo de diagnóstico por imágenes con cirujanos o radiólogos y patólogos intervencionistas, pero lograr la cooperación es un gran desafío para los diferentes equipos. y consistencia de los objetivos. Si queremos que la radiología proporcione la información actualmente disponible a partir de muestras de tejido, entonces tendremos que ser capaces de lograr estándares muy cercanos para conocer los hechos básicos de cualquier píxel dado".
El éxito en este proceso puede permitir a los médicos comprender con mayor precisión el rendimiento general del tumor, en lugar de tomar decisiones de tratamiento basadas en una pequeña parte de los atributos del tumor maligno.
La IA también puede definir mejor la invasividad del cáncer y determinar de manera más adecuada el objetivo del tratamiento.Además, la inteligencia artificial está ayudando a realizar "biopsias virtuales" y promover la innovación en el campo de la Radiología, que apuesta por utilizar algoritmos basados en imágenes para caracterizar las características fenotípicas y genéticas de los tumores.
3.Ampliar los servicios médicos en áreas desatendidas o en desarrollo
La falta de proveedores de atención médica capacitados en los países en desarrollo, incluidos los técnicos de ultrasonido y los radiólogos, reducirá en gran medida las posibilidades de utilizar los servicios médicos para salvar la vida de los pacientes.
La reunión señaló que hay más radiólogos trabajando en seis hospitales de Boston con la famosa Avenida Longwood que en todos los hospitales de África Occidental.
La inteligencia artificial puede ayudar a mitigar el impacto de una escasez crítica de médicos al hacerse cargo de algunas de las responsabilidades de diagnóstico que normalmente se asignan a los humanos.
Por ejemplo, una herramienta de imágenes de IA puede usar radiografías de tórax para examinar los síntomas de la tuberculosis, generalmente con la misma precisión que un médico.Esta característica se puede implementar a través de una aplicación para proveedores en áreas con pocos recursos, lo que reduce la necesidad de radiólogos de diagnóstico experimentados.
"Esta tecnología tiene un gran potencial para mejorar la atención médica", dijo el Dr. jayashree kalpathy Cramer, asistente de neurociencia y profesor asociado de Radiología en el Hospital General de Massachusetts (MGH)
Sin embargo, los desarrolladores de algoritmos de IA deben considerar cuidadosamente el hecho de que las personas de diferentes nacionalidades o regiones pueden tener factores fisiológicos y ambientales únicos que pueden afectar el desempeño de la enfermedad.
"Por ejemplo, la población afectada por la enfermedad en India puede ser muy diferente de la de Estados Unidos", dijo.Cuando desarrollamos estos algoritmos, es muy importante garantizar que los datos representen la presentación de la enfermedad y la diversidad de la población.No solo podemos desarrollar algoritmos basados en una sola población, sino también esperar que pueda desempeñar un papel en otras poblaciones."
4.Reducir la carga de uso de los registros de salud electrónicos
La historia clínica electrónica (ella) ha jugado un papel importante en el viaje digital de la industria de la salud, pero esta transformación ha traído numerosos problemas relacionados con la sobrecarga cognitiva, documentos interminables y fatiga del usuario.
Los desarrolladores de historias clínicas electrónicas ahora están utilizando inteligencia artificial para crear una interfaz más intuitiva y automatizar rutinas que consumen mucho tiempo del usuario.
El Dr. Adam Landman, vicepresidente y director de información de Brigham Health, dijo que los usuarios dedican la mayor parte de su tiempo a tres tareas: documentación clínica, ingreso de pedidos y clasificación de sus bandejas de entrada.El reconocimiento de voz y el dictado pueden ayudar a mejorar el procesamiento de documentos clínicos, pero las herramientas de procesamiento de lenguaje natural (NLP) pueden no ser suficientes.
"Creo que puede ser necesario ser más audaz y considerar algunos cambios, como el uso de grabaciones de video para el tratamiento clínico, al igual que la policía que usa cámaras", dijo Landman.La inteligencia artificial y el aprendizaje automático se pueden usar para indexar estos videos para recuperarlos en el futuro.Al igual que Siri y Alexa, que usan asistentes de inteligencia artificial en el hogar, en el futuro se llevarán asistentes virtuales junto a la cama de los pacientes, lo que permitirá a los médicos usar inteligencia integrada para ingresar órdenes médicas."
AI también puede ayudar a manejar las solicitudes de rutina de las bandejas de entrada, como suplementos de medicamentos y notificación de resultados.También puede ayudar a priorizar las tareas que realmente necesitan la atención de los médicos, lo que facilita que los pacientes procesen sus listas de tareas pendientes, agregó Landman.
5.Riesgo de resistencia a los antibióticos
La resistencia a los antibióticos es una amenaza creciente para los humanos, porque el uso excesivo de estos medicamentos clave puede conducir a la evolución de superbacterias que ya no responden al tratamiento.Las bacterias multirresistentes pueden causar daños graves en el entorno hospitalario, matando a decenas de miles de pacientes cada año.Solo Clostridium difficile le cuesta alrededor de $ 5 mil millones al año al sistema de atención médica de los EE. UU. y causa más de 30 000 muertes.
Los datos de EHR ayudan a identificar patrones de infección y resaltan el riesgo antes de que el paciente comience a mostrar síntomas.El uso de herramientas de aprendizaje automático e inteligencia artificial para impulsar estos análisis puede mejorar su precisión y crear alertas más rápidas y precisas para los proveedores de atención médica.
"Las herramientas de inteligencia artificial pueden cumplir con las expectativas de control de infecciones y resistencia a los antibióticos", dijo la Dra. Erica Shenoy, subdirectora de control de infecciones del Hospital General de Massachusetts (MGH).Si no lo hacen, todos fracasarán.Debido a que los hospitales tienen muchos datos de EHR, si no hacen un uso completo de ellos, si no crean industrias que sean más inteligentes y rápidas en el diseño de ensayos clínicos, y si no usan EHR que crean estos datos, se enfrentarán al fracaso."
6. Cree análisis más precisos para imágenes patológicas
El Dr. Jeffrey golden, jefe del departamento de patología del Brigham women's Hospital (BWh) y profesor de patología del HMS, dijo que los patólogos proporcionan una de las fuentes más importantes de datos de diagnóstico para una amplia gama de proveedores de servicios médicos.
"El 70 % de las decisiones de atención médica se basan en resultados patológicos, y entre el 70 % y el 75 % de todos los datos en los EHR provienen de resultados patológicos", dijo.Y cuanto más precisos sean los resultados, antes se realizará el diagnóstico correcto.Este es el objetivo que la patología digital y la inteligencia artificial tienen posibilidades de alcanzar."
El análisis profundo del nivel de píxeles en imágenes digitales de gran tamaño permite a los médicos reconocer diferencias sutiles que pueden escapar a los ojos humanos.
"Hemos llegado al punto en el que podemos evaluar mejor si el cáncer se desarrollará rápida o lentamente, y cómo cambiar el tratamiento de los pacientes según los algoritmos en lugar de las etapas clínicas o la clasificación histopatológica", dijo Golden.Va a ser un gran paso adelante."
Añadió: "La IA también puede mejorar la productividad al identificar características de interés en las diapositivas antes de que los médicos revisen los datos. La IA puede filtrar las diapositivas y guiarnos para ver el contenido correcto para que podamos evaluar qué es importante y qué no. Esto mejora la eficiencia del uso de patólogos y aumenta el valor de su estudio de cada caso ".
Lleve la inteligencia a los dispositivos y máquinas médicas
Los dispositivos inteligentes se están apoderando de los entornos de los consumidores y brindan dispositivos que van desde video en tiempo real dentro del refrigerador hasta automóviles que detectan la distracción del conductor.
En un entorno médico, los dispositivos inteligentes son esenciales para monitorear a los pacientes en las UCI y en otros lugares.El uso de inteligencia artificial para mejorar la capacidad de identificar el deterioro de la condición, como indicar que se está desarrollando sepsis o la percepción de complicaciones, puede mejorar significativamente los resultados y puede reducir los costos del tratamiento.
"Cuando hablamos de integrar diferentes datos en el sistema de salud, necesitamos integrar y alertar a los médicos de la UCI para que intervengan lo antes posible, y que la agregación de estos datos no es algo bueno que puedan hacer los médicos humanos", dijo Mark Michalski. , director ejecutivo del Centro de ciencia de datos clínicos en BWh.La inserción de algoritmos inteligentes en estos dispositivos reduce la carga cognitiva de los médicos y garantiza que los pacientes sean tratados lo antes posible."
8. promoción de la inmunoterapia para el tratamiento del cáncer
La inmunoterapia es una de las formas más prometedoras de tratar el cáncer.Mediante el uso del propio sistema inmunitario del cuerpo para atacar los tumores malignos, los pacientes pueden superar los tumores rebeldes.Sin embargo, solo unos pocos pacientes responden al régimen de inmunoterapia actual y los oncólogos aún no cuentan con un método preciso y confiable para determinar qué pacientes se beneficiarán del régimen.
Los algoritmos de aprendizaje automático y su capacidad para sintetizar conjuntos de datos altamente complejos pueden dilucidar la composición genética única de los individuos y proporcionar nuevas opciones para la terapia dirigida.
"Recientemente, el desarrollo más emocionante ha sido el de los inhibidores de puntos de control, que bloquean las proteínas producidas por ciertas células inmunitarias", explica el Dr. Long Le, director de desarrollo de tecnología y patología computacional en el centro de diagnóstico integral del Hospital General de Massachusetts (MGH).Pero todavía no entendemos todos los problemas, lo cual es muy complicado.Definitivamente necesitamos más datos de pacientes.Estos tratamientos son relativamente nuevos, por lo que no muchos pacientes los toman.Por lo tanto, ya sea que necesitemos integrar datos dentro de una organización o en varias organizaciones, será un factor clave para aumentar la cantidad de pacientes para impulsar el proceso de modelado."
9. Convierta los registros de salud electrónicos en predictores de riesgo confiables
La historia clínica electrónica (ella) es un tesoro de datos de pacientes, pero es un desafío constante para proveedores y desarrolladores extraer y analizar una gran cantidad de información de manera precisa, oportuna y confiable.
Los problemas de calidad e integridad de los datos, junto con la confusión del formato de los datos, la entrada estructurada y no estructurada y los registros incompletos, dificultan que las personas entiendan con precisión cómo llevar a cabo una estratificación de riesgo significativa, análisis predictivos y apoyo a la toma de decisiones clínicas.
El Dr. Ziad OBERMEYER, profesor asistente de medicina de emergencia en el Brigham women's Hospital (BWh) y profesor asistente en la Escuela de Medicina de Harvard (HMS), dijo: "Hay mucho trabajo por hacer para integrar los datos en un solo lugar. Pero otro problema es comprender lo que obtienen las personas cuando predicen una enfermedad en el registro de salud electrónico (ella). Las personas pueden escuchar que los algoritmos de inteligencia artificial pueden predecir la depresión o el accidente cerebrovascular, pero descubren que en realidad están prediciendo un aumento en el costo del accidente cerebrovascular. Es muy diferente de la golpe en sí mismo ".
Continuó, "confiar en los resultados de la resonancia magnética parece proporcionar un conjunto de datos más específico. Pero ahora tenemos que pensar en quién puede pagar la resonancia magnética. Entonces, la predicción final no es el resultado esperado".
El análisis de RMN ha producido muchas herramientas exitosas de calificación y estratificación de riesgos, especialmente cuando los investigadores usan técnicas de aprendizaje profundo para identificar nuevas conexiones entre conjuntos de datos aparentemente no relacionados.
Sin embargo, OBERMEYER cree que garantizar que estos algoritmos no identifiquen los sesgos ocultos en los datos es crucial para implementar herramientas que realmente puedan mejorar la atención clínica.
"El mayor desafío es asegurarnos de que sabemos exactamente lo que predijimos antes de comenzar a abrir la caja negra y ver cómo predecir", dijo.
10. Monitoreo del estado de salud a través de dispositivos portátiles y dispositivos personales
Casi todos los consumidores ahora pueden usar sensores para recopilar datos sobre el valor de la salud.Desde teléfonos inteligentes con rastreador de pasos hasta dispositivos portátiles que rastrean la frecuencia cardíaca durante todo el día, se pueden generar más y más datos relacionados con la salud en cualquier momento.
Recolectar y analizar estos datos y complementar la información proporcionada por los pacientes a través de aplicaciones y otros dispositivos de monitoreo en el hogar puede brindar una perspectiva única para la salud individual y colectiva.
La IA desempeñará un papel importante en la extracción de información procesable de esta base de datos grande y diversa.
Pero el Dr. Omar Arnout, neurocirujano del Brigham Women's Hospital (BWh), CO director del centro de resultados de neurociencia computacional, dijo que puede ser necesario un trabajo adicional para ayudar a los pacientes a adaptarse a estos datos de seguimiento íntimos y continuos.
"Solíamos ser bastante libres para procesar datos digitales", dijo.Pero a medida que se produzcan filtraciones de datos en Cambridge Analytics y Facebook, las personas serán cada vez más cautelosas sobre a quién compartir los datos que comparten."
Los pacientes tienden a confiar más en sus médicos que en las grandes empresas como Facebook, agregó, lo que podría ayudar a aliviar la incomodidad de proporcionar datos para programas de investigación a gran escala.
"Es probable que los datos portátiles tengan un impacto significativo porque la atención de las personas es muy accidental y los datos recopilados son muy toscos", dijo Arnout.Al recopilar continuamente datos granulares, es más probable que los datos ayuden a los médicos a brindar una mejor atención a los pacientes."
11. hacer de los teléfonos inteligentes una poderosa herramienta de diagnóstico
Los expertos creen que las imágenes obtenidas de los teléfonos inteligentes y otros recursos a nivel del consumidor se convertirán en un complemento importante para las imágenes de calidad clínica, especialmente en áreas desatendidas o países en desarrollo, al continuar usando las poderosas funciones de los dispositivos portátiles.
La calidad de la cámara móvil mejora cada año y puede generar imágenes que se pueden usar para el análisis de algoritmos de IA.La dermatología y la oftalmología son las primeras beneficiarias de esta tendencia.
Investigadores británicos incluso han desarrollado una herramienta para identificar enfermedades del desarrollo mediante el análisis de imágenes de rostros de niños.El algoritmo puede detectar características discretas, como la línea de la mandíbula de los niños, la posición de los ojos y la nariz y otros atributos que pueden indicar anomalías faciales.En la actualidad, la herramienta puede comparar imágenes comunes con más de 90 enfermedades para brindar apoyo en la toma de decisiones clínicas.
El Dr. Hadi shafiee, director del laboratorio de salud digital y medicina micro/nano del Brigham women's Hospital (BWh), dijo: "La mayoría de las personas están equipadas con teléfonos móviles potentes con muchos sensores diferentes incorporados. Es una gran oportunidad para nosotros. Casi todos los actores de la industria han comenzado a construir software y hardware Ai en sus dispositivos. No es una coincidencia. En nuestro mundo digital, se generan más de 2.5 millones de terabytes de datos todos los días. En el campo de los teléfonos móviles, los fabricantes creen que pueden usar esto. datos para la inteligencia artificial para brindar servicios más personalizados, más rápidos y más inteligentes”.
El uso de teléfonos inteligentes para recopilar imágenes de los ojos, lesiones cutáneas, heridas, infecciones, medicamentos u otros temas de los pacientes puede ayudar a abordar la escasez de expertos en áreas desatendidas, al tiempo que reduce el tiempo para diagnosticar ciertas quejas.
"Puede haber algunos eventos importantes en el futuro, y podemos aprovechar esta oportunidad para resolver algunos problemas importantes del manejo de enfermedades en el punto de atención", dijo shafiee.
12. Innovando la toma de decisiones clínicas con IA al lado de la cama
A medida que la industria de la salud recurre a servicios basados en tarifas, se aleja cada vez más de la atención médica pasiva.La prevención ante la enfermedad crónica, los eventos de enfermedad aguda y el deterioro repentino es el objetivo de cada proveedor, y la estructura de compensación les permite finalmente desarrollar procesos que pueden lograr una intervención activa y predictiva.
La inteligencia artificial proporcionará muchas tecnologías básicas para esta evolución, al respaldar el análisis predictivo y las herramientas de soporte de decisiones clínicas, para resolver problemas antes de que los proveedores se den cuenta de la necesidad de tomar medidas.La inteligencia artificial puede proporcionar una alerta temprana para la epilepsia o la sepsis, lo que generalmente requiere un análisis en profundidad de conjuntos de datos muy complejos.
Brandon Westover, MD, director de datos clínicos en el Hospital General de Massachusetts (MGH), dijo que el aprendizaje automático también podría ayudar a respaldar la provisión continua de atención para pacientes en estado crítico, como aquellos en coma después de un paro cardíaco.
Explicó que, en circunstancias normales, los médicos deben verificar los datos de EEG de estos pacientes.Este proceso requiere mucho tiempo y es subjetivo, y los resultados pueden variar según las habilidades y la experiencia de los médicos.
Dijo: “En estos pacientes, la tendencia puede ser lenta.A veces, cuando los médicos quieren ver si alguien se está recuperando, pueden mirar los datos monitoreados una vez cada 10 segundos.Sin embargo, ver si ha cambiado de 10 segundos de datos recopilados en 24 horas es como mirar si el cabello ha crecido mientras tanto.Sin embargo, si se utilizan algoritmos de inteligencia artificial y grandes cantidades de datos de muchos pacientes, será más fácil hacer coincidir lo que la gente ve con patrones a largo plazo, y es posible que se encuentren algunas mejoras sutiles, que afectarán la toma de decisiones de los médicos en enfermería. ."
El uso de tecnología de inteligencia artificial para el apoyo a la toma de decisiones clínicas, la puntuación de riesgos y la alerta temprana es una de las áreas de desarrollo más prometedoras de este revolucionario método de análisis de datos.
Al proporcionar potencia para una nueva generación de herramientas y sistemas, los médicos pueden comprender mejor los matices de la enfermedad, brindar servicios de enfermería de manera más efectiva y resolver problemas con anticipación.La inteligencia artificial marcará el comienzo de una nueva era de mejora de la calidad del tratamiento clínico y hará avances emocionantes en la atención al paciente.
Hora de publicación: 06-ago-2021
