INTELIGENCIA ARTIFICIAL EN SALUD: UNA FUSIÓN DE TECNOLOGÍAS  

La capacidad de las computadoras y otras tecnologías para simular la cognición humana, incluyendo el aprendizaje, el pensamiento y la actuación, se conoce como inteligencia artificial (IA). IA también se conoce como el estudio de los agentes inteligentes, que se refiere a cualquier agente o dispositivo que sea capaz de reconocer y comprender su entorno y luego reaccionar adecuadamente para aumentar la probabilidad de que tenga éxito en alcanzar sus objetivos. 

Karthikeyan y Priyakumar también describen la Inteligencia Artificial (IA) como escenarios en los que los robots son capaces de imitar la inteligencia humana en términos de análisis y aprendizaje, y por extensión, resolver problemas. El aprendizaje automático (ML) es otro nombre para este tipo de inteligencia. 

La Inteligencia Artificial suele incluir un sistema compuesto de hardware y software. Los algoritmos son de especial importancia para la IA desde el punto de vista del software. Un algoritmo de IA se puede ejecutar conceptualmente usando una red neuronal artificial (ANN) [3]. Se trata de una simulación del cerebro humano, que consiste en una red de neuronas conectadas con canales de comunicación ponderados entre ellas. Una sola neurona puede responder a varios estímulos de las neuronas cercanas, y la red en su conjunto puede alterar su estado en respuesta a varios insumos ambientales. Debido a esto, una red neuronal (NN) puede producir salidas en reacción a estímulos externos, como lo hace el cerebro humano en respuesta a varias alteraciones ambientales. Por lo general, los NN son estructuras de varias capas con diferentes topologías. Con el fin de identificar características comunes en los datos de las pruebas y responder a la presencia o ausencia de esas características en los nuevos datos en lugar de reaccionar a la retroalimentación del sistema, los investigadores han desarrollado NNs que pueden realizar las siguientes tareas: aprendizaje supervisado, que implica inferir una función que mapea una entrada a una salida basada en pares de ejemplos de entradas y salidas; aprendizaje sin supervisión, que implica aprender de los datos de las pruebas que no ha sido etiquetado, clasificado o categorizado; y el aprendizaje reforzado, que implica actuar en el entorno dado para maximizar las recompensas y minimizar las penalizaciones de acuerdo con algún tipo de naturaleza acumulativa. 

A medida que la potencia de procesamiento ha aumentado, las redes neuronales (NN) integran más capas de neuronas en la red para simular un cerebro humano y realizar el aprendizaje. Además, se pueden añadir otras funciones a la NN, como la capacidad de combinar funciones de extracción y clasificación de características en una sola red profunda, por lo que el término aprendizaje profundo se utiliza en el contexto técnico. 

La Inteligencia Artificial (IA) en la salud se refiere al uso de computadoras para analizar y reaccionar a los datos médicos, generalmente en un esfuerzo por pronosticar un resultado en particular. La IA puede ayudar a los trabajadores de la salud, como médicos y enfermeras, en su trabajo diario. Por lo tanto, tiene el potencial de ser un instrumento muy eficaz en la batalla mundial contra las pandemias y epidemias en materia de salud pública llegando a ser, en muchos casos, la diferencia entre la vida y la muerte.  Las aplicaciones de IA se utilizaron originalmente para cuestiones biomédicas en la década de 1970. Desde entonces, la industria de la salud ha visto una transformación debido al crecimiento de aplicaciones impulsadas por IA que mejoran los resultados de los pacientes, reducen los costos y aumentan la eficiencia general. En el ámbito dinámico de la salud, los chatbots de inteligencia artificial han surgido como herramientas innovadoras, remodelando los enfoques tradicionales de la salud. 

Particularmente, después de que el COVID-19 devastara el sistema de salud mundial, la inteligencia artificial, el aprendizaje automático y las tecnologías de salud digital han impulsado una revolución en el sector de la salud. Específicamente, IA está incorporando actualmente nuevas tecnologías, como el Internet de las Cosas (IoT) en DHT de uso del consumidor. Se prevé que el Internet de las Cosas se convierta en la inteligencia de las cosas, ya que la Inteligencia Artificial y el Aprendizaje de Máquinas se utilizan ampliamente en los sistemas de salud. 

Figura 1. Aplicación de la inteligencia artificial en la asistencia en salud. 

Al darles acceso a los datos de los pacientes, las soluciones de salud digital dan a los profesionales médicos una imagen más completa de la salud de los pacientes. La recopilación de datos de varias fuentes, incluyendo wearables, telemedicina, mHealth, telesalud, MIDs y otras tecnologías médicas impulsadas por IA, resulta en big data. Estos datos aceleran el uso del aprendizaje automático (ML) y la inteligencia artificial (IA) en los sistemas de salud permitiendo que estas fuentes aprendan de los datos que obtienen, incluyendo información de investigación, experiencia del usuario y análisis de macrosets.  

Además, los registros médicos electrónicos de los pacientes (historia clínica electrónica), contienen una variedad de datos. Al conectar estas estadísticas de salud con tecnologías de vanguardia IA, se pueden obtener información precisa sobre el tratamiento del paciente. La IA también se ha convertido en una opción popular para aplicaciones de big data en el campo médico. La analítica de Big data también ayuda a los proveedores de atención médica a mejorar los servicios clínicos mediante el empleo de algoritmos analíticos para mejorar los EHR. Se logra un mejor análisis de datos a través de estos análisis, que también utilizan avances de IA para filtrar grandes datos sobre múltiples criterios.  

Los humanos en general han reaccionado favorablemente a la tecnología médica inteligente impulsada por IA, ya que permite el marco 4P para la medicina, a saber, predictiva, preventiva, personalizada y participativa y, por consiguiente, favorecedora de la libertad del paciente. Ya se ha demostrado que la incorporación de la IA mejora la prestación de asistencia en  salud, acelera sus servicios y reduce los costos. 

La Inteligencia Artificial se aplica ampliamente en la medicina, donde puede ayudar a progresar el tratamiento, atender a pacientes con enfermedades crónicas, sugerir acciones específicas para condiciones complejas y mejorar el nivel de atención médica. Además, el desarrollo de diferentes técnicas de IA ha llevado a la detección temprana, identificación y manejo de referencias para enfermedades. La IA es una potente tecnología de análisis de imágenes que los expertos en radiología están utilizando cada vez más para reducir los errores de diagnóstico en el contexto de la prevención y para diagnosticar varias enfermedades de manera temprana.  

La inteligencia artificial (IA) es una tecnología inteligente y útil que los cardiólogos pueden utilizar para mejorar su toma de decisiones al evaluar el ECG y los gráficos de ecocardiograma. Según un trabajo de un hospital de Oxford, la plataforma Ultromics utiliza inteligencia artificial (IA) para analizar las exploraciones de ecocardiograma, que identifican la cardiopatía isquémica detectando patrones de latidos cardiacos-. Utilizando modalidades de imagen corporal, la IA también ha mostrado resultados prometedores en el diagnóstico precoz de enfermedades como la piel y el cáncer de mama, afecciones oculares y neumonía. El inicio de la diabetes se predijo en tiempo real usando modelos de ML en un estudio reciente. Sobre la base de los hallazgos, el modelo más eficaz para predecir los diversos factores de diabetes fue un árbol de decisión aumentado de dos clases. 

Una ayuda de dispositivos de tomografía computarizada con IA es la TC de IA-RAD Cojín Cotizar. El acompañante de IA-RAD automatiza el post-procesamiento de datos de imágenes usando algoritmos alimentados por IA. Automatizar los procedimientos rutinarios con pasos repetitivos y una gran carga de pacientes puede permitir que los radiólogos se concentren en asuntos más importantes. En comparación con los comentarios a mano, que tardan 30 minutos en calcular las puntuaciones de severidad, nuestro sistema puede hacerlo en aproximadamente 10 segundos cada caso. Estos resultados se pueden utilizar para controlar la progresión de las anomalías en los pacientes con COVID-19 y evaluar rápidamente la gravedad de la infección pulmonar. Desde el día de su fundación hasta la actualidad, estos acontecimientos muestran cómo la inteligencia artificial (IA) ha superado la inteligencia humana. En algunas tareas, predijo que la IA eventualmente superará a los humanos, lo que podría ser ventajoso para las personas. Mediante el uso de algoritmos impulsados por IA para generar imágenes médicas, IARad Companion ayuda a los radiólogos a diagnosticar a los pacientes con mayor precisión y menos esfuerzo y error. 

Como se puede ver arriba, En el ámbito de las aplicaciones de inteligencia artificial (IA) en imágenes médicas, tanto la plataforma Ultromics como la TC de Ajedrez Compañero IA-RAD destacan como herramientas poderosas. Sin embargo, atienden a diferentes necesidades médicas y exhiben compensaciones únicas en funcionalidad, precisión y alcance. La plataforma Ultromics y la TC de pecho de compañía IA-RAD representan dos herramientas transformadoras impulsadas por IA en imágenes médicas, cada una de las que se atienden a necesidades distintas. Ultromics se especializa en ecocardiografía, ofreciendo una precisión inigualable en imágenes cardíacas, análisis predictivos para la progresión de enfermedades cardíacas y automatización de mediciones manuales, por lo que es ideal para instituciones enfocadas en cardiología. Sin embargo, su alcance limitado y su alto coste pueden restringir la adopción. En contraste, IA-RAD Companion Chest CT soporta imágenes de torsión torácica, ofreciendo una funcionalidad más amplia analizando condiciones pulmonares, cardiovasculares y musculoesqueléticas. Se inte-graba a la perfección en los flujos de trabajo existentes, automatiza las cuantificaciones y proporciona diagnósticos multi-orgotros eficaces en función de los costos, por lo que es adecuado para instalaciones de salud multidisciplinarias. Mientras que Ultromics ofrece una precisión superior en su nicho, IA-RAD Companion ofrece versatilidad y valor para diversas necesidades de imágenes en el pecho. El equilibrio entre la especialización y las capacidades de generalización, costo e integración hace que la elección dependa en gran medida del enfoque clínico y la disponibilidad de recursos de una institución. Ambas herramientas demuestran el potencial de la IA en la transformación de la asistencia sanitaria. 

Los métodos de IA de descubrimiento de fármacos han evolucionado a partir del aprendizaje automático, la bioinformática y los modelos de química [. Estas innovaciones pueden reducir significativamente el alto gasto y el tiempo asociados con la búsqueda de nuevos medicamentos. La ciencia farmacéutica ha estado prestando mucha atención a las tecnologías de inteligencia artificial, ya que los algoritmos de aprendizaje profundo han producido mejores resultados al predecir cualidades. El uso de IA en el desarrollo temprano de medicamentos ha aumentado significativamente. Según un estudio anterior, Eve, un científico robot basado en IA, completó el proceso de desarrollo de medicamentos de forma rápida y asequible. Además, el desarrollo de herramientas de IA en la salud fomenta la creación de nuevos genotipos y variaciones virales COVID-19. Además, ayuda en el desarrollo de medicamentos y vacunas para obtener potentes agentes terapéuticos y preventivos para contener la pandemia COVID-19. 

Investigadores de Hyderabad, Indias TCS Innovation Labs están usando inteligencia artificial (IA) para encontrar nuevos productos químicos que podrían dirigirse a regiones particulares del novedoso coronavirus (SARS-CoV-2). La Inteligencia Artificial en Medicina (IAM) ha visto un crecimiento sustancial de la especialización en los últimos años debido al creciente impacto de la IA en el campo médico. Esto subraya la necesidad de llevar a cabo una revisión sistemática de los hallazgos del estudio y los avances en la Medicina de Inteligencia Artificial. Microsofts Hanover Project en Oregón ha analizado los datos científicos para personalizar un plan de tratamiento contra el cáncer de un paciente. La IA Generativa se puede utilizar en la investigación clínica para generar datos sintéticos que mejoren los conjuntos de datos e impulsen la diversidad. 

Además, las aplicaciones metaversales permiten a los investigadores realizar experimentos en un entorno controlado e inmersivo. El uso del metaverso puede ayudar a los investigadores que están físicamente separados unos de otros en su colaboración de estudio conjunto en un entorno virtual comparable al de los investigadores en la misma sala. ChatGPT, otra aplicación basada en IA, puede ser utilizada en estudios clínicos para facilitar la recopilación de datos y ofrecer detalles sobre ensayos clínicos. Puede ayudar a identificar hallazgos importantes y filtrar documentos relevantes, permitiendo a los investigadores médicos gestionar hábilmente grandes cantidades de material basado en Internet. Además, ChatGPT es utilizado por un chatbot para ayudar a los investigadores médicos a interpretar la terminología médica.  

Más de 4000 robots quirúrgicos se utilizan en la práctica todos los días, lo que demuestra la adopción generalizada de estos dispositivos. Los instrumentos quirúrgicos robóticos permiten a los médicos realizar incisiones en un cuerpo de un paciente y llevar a cabo varios procedimientos quirúrgicos. Este tipo de cirugía tiene el potencial de disminuir el dolor, el sangrado, las cicatrices, la infección y el tiempo de recuperación después de la cirugía en comparación con los métodos quirúrgicos normales. La cirugía de acceso controlado se ha transformado por el desarrollo de la tecnología robótica, que ha abordado algunos de los inconvenientes del abordaje laparoscópico. Los sistemas robóticos no están destinados a reemplazar a los cirujanos o hacer tareas por sí solos; más bien, están diseñados para funcionar más ergonómicamente y con mayor flexibilidad. Es por eso que se llaman sistemas de esclavo de maestro- el cirujano que los opera. 

Una condición común y frecuente que se produce vidas es accidente cerebrovascular. En los últimos años se ha producido un aumento en el uso de técnicas de IA en ensayos relacionados con el accidente cerebrovascular, particularmente en las tres áreas críticas de predicción, diagnóstico y tratamiento de la atención temprana del ictus. Los programas de aprendizaje automático pueden ser capaces de distinguir un accidente cerebrovascular isquémico de un accidente cerebrovascular hemorrágico o cualquier otro tipo de accidente cerebrovascular, reduciendo el riesgo de ignorar casos como meningitis, coma, encefalitis, desmielinización aguda, absceso y hematoma subdural. 

La enfermedad de Alzheimer es un trastorno neurológico que causa problemas emocionales, conductuales y motores, así como la pérdida gradual del espíritu de una persona. Es devastador tanto para el paciente como para su familia. Las neuronas artificiales que podrían ser implantadas en el cerebro para curar el daño causado por trastornos neurodegenerativos como la enfermedad de Alzheimer han sido desarrolladas por un equipo de investigación internacional. Los investigadores crearon diminutos dispositivos de silicio llamados chips que imitan la operación de neuronas reales simulando canales de iones biológicos. El objetivo es crear estos chips con el fin de arreglar las funciones esenciales del sistema nervioso y deshacer el daño causado por las reacciones autoinmunes. Los chips de silicio son perfectos para su uso como implantes médicos o en otros dispositivos bioelectrónicos porque funcionan de manera similar a las neuronas biológicas y sólo requieren 140 nanovatios de electricidad, que es una milmillonésima parte de la energía requerida por los microprocesadores utilizados para crear neuronas artificiales. 

En teoría, los modelos de IA deben tener características y capacidades directas para que los profesionales de la atención de la salud puedan utilizarlos eficazmente. Sin embargo, hay algunos obstáculos como el alto costo de mejorar la validez de los datos, la dificultad de crear y mantener la infraestructura de TI necesaria para apoyar el proceso de IA, y el aumento de los gastos de almacenamiento y respaldo de los datos para la investigación. Además, el sesgo, la fragilidad y la inaplicabilidad fuera del dominio de entrenamiento son sólo algunos de los defectos que los algoritmos de IA pueden tener. Con el fin de resolver las preocupaciones con el costo, la infraestructura tecnológica y el uso de sistemas de IA para HCPs, los proveedores de atención médica deben crear y ejecutar un plan estratégico eficiente para el uso de IA en la salud. 

La eficacia de la IA plantea también  preocupaciones éticas sobre una serie de cuestiones, incluida la rendición de cuentas cuando se utiliza la IA en la toma de decisiones, la capacidad de la IA para hacer juicios incorrectos, las cuestiones con la autenticación del rendimiento de la IA, la confirmación de la protección de los datos sensibles, los sesgos inherentes a los datos utilizados en las pruebas del sistema de IA, las implicaciones para los roles y los requisitos de habilidad de los HCP, y el potencial de que la IA se utilice maliciosamente. 

Las consideraciones éticas en la salud impulsada por IA se ejemplifican con situaciones relativas al sesgo, la transparencia y la rendición de cuentas. Por ejemplo, un estudio de 2019 demostró que un sistema de IA empleado por los proveedores de atención médica de EE. UU. para asignar recursos a los pacientes blancos prefirió significativamente a los pacientes blancos sobre los pacientes negros, incluso cuando ambos grupos exhibieron necesidades médicas iguales. Esto ocurrió porque el algoritmo se basó en el gasto sanitario como un proxy para el estado de salud, reflejando involuntariamente las desigualdades raciales existentes en el acceso a la atención. Este caso enfatiza la necesidad de utilizar conjuntos de datos representativos para entrenar algoritmos de IA para garantizar un trato equitativo. Otro caso son las aplicaciones de IA en los diagnósticos de cáncer, donde tecnologías como IBM Watson para Oncología atrajeron críticas por hacer recomendaciones de terapia que no estaban necesariamente clínicamente probadas. Esto subraya la necesidad de transparencia y de la IA explicable (XIA) para promover la fiabilidad en la toma de decisiones clínicas. 

Hay varios usos para la IA en la profesión de la salud. Estas tecnologías están diseñadas para apoyar los servicios de imagen médica y diagnóstico, combatir las pandemias, ofrecer atención virtual a los pacientes, impulsar el compromiso del paciente y la adherencia a los planes de tratamiento, disminuir la carga administrativa para los proveedores de atención médica, estimular el desarrollo de nuevos medicamentos y vacunas, rastrear el cumplimiento de los pacientes con ejercicios y realizar análisis de marcha para la rehabilitación asistida por tecnología. 

Pero a medida que la IA avanza en la asistencia sanitaria, también se enfrenta a obstáculos éticos y técnicos. Debido a que utiliza datos privados y sensibles que están restringidos por paneles legales, presenta preocupaciones sobre la seguridad de los datos y la privacidad. La IA es más ventajosa cuando opera con eficacia, pero no puede ocupar el lugar de las relaciones interpersonales que construyen equipos. Las computadoras no pueden lograr objetivos relacionados con actividades humanas como la
cooperación y la gestión de equipos, ya que no pueden desarrollar vínculos entre hombres y máquinas.  

Conflictos de intereses 

Los autores no declaran ningún conflicto de intereses con respecto a la publicación de este artículo citando la fuente: Akolgo, E. , Korda, D. and Dapaah, E. (2024) Artificial Intelligence in Healthcare: A Fusion of Technologies. Journal of Computer and Communications, 12, 116-133. doi: 10.4236/jcc.2024.1212008.