Inteligencia artificial aplicada a la medicina | Ejemplos y casos de uso

Los últimos años nos han demostrado dos realidades enfrentadas: lo valioso y limitado de nuestros recursos en el sector sanitario y la importancia de tratar a todas las personas que necesitan atención médica, en el momento que la necesitan. Para aliviar estas limitaciones, los nuevos enfoques en Inteligencia Artificial (IA) se están posicionando como una herramienta clave.

Estas IA asistentes ayudan al personal experto aumentando su capacidad de atención al paciente. La aplicación de estas técnicas ya ha aportado grandes mejoras en los procesos de negocio en sectores como el energético o el industrial. En el sector sanitario, además, tiene la oportunidad de impactar muy positivamente en el lado más humano de nuestra sociedad.

Un ejemplo de estos enfoques son las aplicaciones de automatización de procesos robóticos (RPA), dirigidas con Inteligencia Artificial para detectar los síntomas de forma más rápida y anticipar repercusiones más duras.

En el campo de la medicina preventiva, ya estamos ante casos en los que la tecnología está consiguiendo grandes avances en la medicina preventiva, como la detección del melanoma precoz usando técnicas de Computer Vision; la detección precoz del cáncer de mama usando sensores de temperatura sin contacto ni radiación; la obtención de resultados de una biometría hemática en tan solo 10 minutos; o progresos en los diagnósticos por imagen basados en Deep Learning.

Lo que parecía una utopía hasta hace unos años, es ahora una realidad, y la Inteligencia Artificial está revolucionando el sector sanitario en la detección de enfermedades. ¡Te lo contamos todo!

Inteligencia Artificial en la detección precoz del cáncer

El cáncer es la principal causa de muerte a nivel global, y una gran barrera para aumentar la esperanza de vida. La OMS estima que, entre el 2000 y 2019, el cáncer fue la primera o segunda causa principal de muerte antes de los 70 años en 112 de 183 países. Además, si nos situamos en Asia, encontramos que el 58,3% de los casos en 2020 ocurrieron en este continente, y las previsiones no son mucho mejores, especialmente para India.

Las nuevas tecnologías son el gran aliado en la atención médica cuando se trata de la detención del cáncer. Aquí es donde entra en acción la integración de modelos de IA para mejorar la precisión y la velocidad del diagnóstico, ayudar en la toma de decisiones clínicas basadas en datos y la consecución de mejores resultados.

Los proyectos ‘Inner Eye’ y ‘Bio Model’

El cáncer es un trastorno complejo con miles de variaciones genéticas y epigenéticas. Los avances en los algoritmos basados en IA permiten identificar estas mutaciones genéticas e interacciones de proteínas peligrosas en una etapa temprana. Microsoft, por ejemplo, ha creado ‘Inner Eye’, una solución que utiliza Machine Learning (ML) y el Procesamiento de Lenguaje Natural (PNL) para ayudar a los oncólogos a definir el tratamiento más eficaz para cada uno de sus pacientes. Se llega a tan nivel de detalle, que permite predecir cómo responderán las células individuales dentro del tumor según qué tratamiento.

También por Microsoft, encontramos Bio Model Analyzer (BMA), una herramienta cloud que permite a los biólogos modelar cómo las células interactúan y se comunican entre sí. Esto, además, tiene múltiples aplicaciones aparte de su función de detección, como comprender la mejor forma de tratar el cáncer al diseñar qué medicamentos serán más efectivos y en qué punto la enfermedad podría volverse resistente a ellos.

Estos son solo algunos ejemplos de cómo la IA puede ayudar en la prevención y tratamiento del cáncer, pero cada vez están surgiendo más estudios e investigaciones.

Inteligencia Artificial en la detección de enfermedades raras

En el campo de las enfermedades raras, al ser menos comunes, el método de diagnosticarlas es mucho más difícil. Hay más de 6.000 enfermedades raras conocidas y el uso de la Inteligencia Artificial ha supuesto un grandísimo avance a la hora de hacer un diagnóstico preciso y oportuno.

Machine Learning para dar un diagnóstico correcto

Si nos vamos a las cifras, un 40% de los niños con enfermedades congénitas raras reciben un primer diagnóstico erróneo, y esta situación se puede repetir en varias ocasiones, incluso años. Acelerar y mejorar este método puede ayudar potencialmente a más de 446 millones de personas en todo el mundo, y la IA puede ayudar a afrontar este desafío.

Los diferentes modelos utilizados en la plataforma, junto al análisis genómico, recopilan los datos y analizan las similitudes entre los parámetros de las agrupaciones de enfermedades y los pacientes. Con los datos correctos, la IA puede determinar si los síntomas de un paciente son por enfermedades comunes o raras. Además, gracias a las técnicas de clasificación como los árboles de decisión, las redes neuronales y los bosques aleatorios, se puede averiguar el grupo correcto al que pertenece un paciente y dividirlos en subgrupos que tengan diagnósticos similares.

Otro ejemplo es el uso de Transferencia de Aprendizaje, que puede aplicarse en el ámbito de la asistencia al diagnóstico agrupar datos de registros médicos electrónicos y desarrollar un modelo de pacientes para determinar la información necesaria para un diagnóstico preciso.

Desde Plain Concepts desarrollamos, para Foundation29, una plataforma asistida por IA y construida para facilitar el análisis y diagnóstico de enfermedades raras. El modelo procesa los informes de diferentes fuentes para extraer síntomas y codificarlos. Después, lanza un algoritmo de ML para clasificar miles de mutaciones del paciente, y la IA sugiere nuevos síntomas para que el médico los contraste. Te contamos todos los detalles del proyecto en la charla que dio Pablo Botas en la edición del Singularity Tech 2019:

“Dx29: Apoyo al diagnóstico de enfermedades raras genéticas con IA”.

Inteligencia Artificial para detectar Alzheimer

También encontramos aplicaciones de la IA en el campo de las enfermedades de deterioro cognitivo. Se están desarrollando soluciones tecnológicas que escanean los patrones del habla y el vocabulario para detectar los primeros signos de Alzheimer, la causa más común de demencia. Se trata de una enfermedad difícil de tratar y de fácil confusión con el deterioro cognitivo leve convencional asociado con el envejecimiento.

Gracias a la IA, se pueden detectar cambios sutiles en el habla y el comportamiento, de forma más rápida y confiable que las observaciones humanas. El objetivo es una aplicación para smartphones que facilite el diagnóstico de una forma más asequible y accesible que las pruebas médicas tradicionales. Gracias al NLP, el algoritmo puede estudiar detenidamente el texto de las conversaciones del paciente, examinando la variedad de las palabras que las personas están usando para evaluar su estado cognitivo, y en un tiempo récord. Este es solo un primer paso, pues el siguiente sería usar Computer Vision para analizar las expresiones faciales junto a las palabras que dicen los pacientes en una entrevista, además de examinar las señales acústicas de la conversación. La aplicación asimilaría todos estos datos y luego les daría un puntaje a los usuarios sobre el riesgo y probabilidad de que muestren signos de demencia.

El objetivo final de todas estas herramientas de asistencia es facilitar al médico el proceso de diagnóstico. Así mismo, versionar estas herramientas para ponerlas al alcance del público podría ayudar a millones de personas a detectar prematuramente sus dolencias y acudir en busca de ayuda médica, acelerando su acceso a un tratamiento adecuado y retrasar los efectos de la enfermedad.

Estos son solo algunos de los ejemplos de lo que la Inteligencia Artificial puede hacer para ayudar en el sector sanitario, pero hay muchísimos más. Desde Plain Concepts, crecemos gracias a proyectos que suponen un reto a la hora de innovar y reinventar cualquier sector gracias a la tecnología. El sector sanitario se ha convertido en un entorno en el que nos encanta investigar y revolucionar las herramientas tradicionales con desarrollos nunca vistos (ya sean con IA, Realidad Aumentada, Big Data…), y el resultado lo podéis ver en nuestros Casos de Éxito en Sanidad.

Además, lanzamos, en colaboración con IDC, un informe donde se pueden ver las estadísticas e información sobre cuáles son las principales barreras a la que se enfrentan las empresas tecnológicas a la hora de adoptar o implantar soluciones de IA y cuál es el futuro de esta tecnología. ¡Descarga el informe gratis!