La inteligencia artificial está transformando el sector sanitario. Un equipo de investigación del Instituto de Tecnología Stevens diseñó y construyó una herramienta impulsada por inteligencia artificial que puede detectar signos tempranos de Alzheimer basándose en los patrones de habla de los pacientes con una precisión del 95%.
Para lograr resultados similares, las organizaciones médicas están buscando implementar soluciones de IA. Este artículo explora casos de uso de inteligencia artificial en la atención médica y explica cómo esta tecnología puede ayudar a los médicos en sus tareas diarias y mejorar la experiencia del paciente. También advertimos sobre tres barreras a la IA en la atención médica que pueden obstaculizar su adopción.
Los cinco principales casos de uso de la IA en la atención sanitaria
Mejorar la precisión del diagnóstico
Una de las principales aplicaciones de la inteligencia artificial en el ámbito sanitario es la radiología. Esta tecnología puede ayudar a los médicos a detectar y clasificar diferentes anomalías.
La IA puede detectar fracturas que son invisibles para el ojo humano. Por ejemplo, la solución OsteoDetect de Imagen fue aprobada por la FDA para detectar fracturas del radio distal en escaneos de muñeca después de mostrar un rendimiento sólido en 1000 imágenes de muñeca.
La IA no solo puede producir resultados precisos sino también reducir el tiempo de clasificación de tumores de los 40 minutos necesarios para el análisis patológico intraoperatorio tradicional a simplemente tres minutos. Por ejemplo, La IA se utiliza para detectar y clasificar tumores cerebrales Ubicado en la parte de la fosa posterior del cerebro en los niños. Este tipo de tumor se encuentra entre las principales causas de muerte infantil.
Transformando la experiencia del paciente
Los estudios muestran que alrededor del 89% de las personas prefieren buscar en Google sus síntomas antes de programar una cita con un médico. Este tipo de investigaciones pueden generar resultados aterradores. En lugar de recurrir a Google, se puede contactar a un asistente virtual con tecnología de inteligencia artificial que ayudará a enfrentar los síntomas, monitoreará los parámetros de salud del paciente y lo apoyará en el manejo de enfermedades crónicas.
muchacha es un ejemplo de este tipo de asistente virtual. Apoya de forma remota a pacientes con afecciones médicas comunes, aborda sus inquietudes y ayuda a programar una cita con un médico de su elección.
Automatizar tareas tediosas y repetitivas
Investigaciones recientes revelan que los médicos dedica alrededor de 16 minutos por paciente para completar sus registros médicos electrónicos (EHR). Tecnologías, como las impulsadas por la IA Automatización robótica de procesos (RPA) en el sector sanitario.puede aliviar esta carga de encima de los médicos y liberar su tiempo para tareas de mayor calidad.
Estas herramientas pueden transcribir grabaciones tomadas durante el examen del paciente, ayudar a buscar registros electrónicos de salud mediante comandos de voz, facilitar la programación de citas e incluso respaldar el procesamiento de reclamaciones de seguros. Con la ayuda de RPA, Care1st Health Plan Arizona logró reducir el tiempo de procesamiento de reclamos de 20 segundos a apenas tres.
Facilitar los ensayos clínicos
Ensayos clínicos de posibles fármacos. últimos nueve años en promedio y cuestan alrededor de 1.300 millones de dólares. Y aún así, alrededor El 90% de los fármacos probados fracasan. Esto hace ensayos clínicos una aplicación interesante de la IA en salud.
Este proceso es un desafío ya que las empresas farmacéuticas necesitan analizar grandes cantidades de datos no estructurados que son difíciles de analizar. La IA puede agregar y procesar sistemáticamente estos datos para extraer patrones. Un ejemplo es que puede derivar protocolos regulatorios relevantes y garantizar el cumplimiento, lo que, a su vez, resulta en menos modificaciones de protocolo durante el transcurso del ensayo. Las investigaciones muestran que una enmienda significativa puede hacer que la prueba dure tres meses más de lo previsto inicialmente y puede costar hasta 500.000 dólares dependiendo de la fase del ensayo.
La IA puede ayudar a encontrar participantes que coincidan con los criterios de selección del ensayo. La tecnología analiza datos de EHR e imágenes médicas para encontrar participantes con características adecuadas. Startup con sede en Ohio Lente profunda utiliza su extensa base de datos de estudios sobre el cáncer para relacionar a los pacientes con los ensayos. Además de beneficiar a las empresas farmacéuticas, apoya a los pacientes recién diagnosticados asignándolos rápidamente a ensayos.
La verificación de la adherencia convencionalmente se basa en la memoria de los pacientes, que es propensa a errores. La inteligencia artificial puede registrar y monitorear las acciones de los participantes. Una de esas soluciones es presentada por AiCure, una destacada empresa de inteligencia artificial. Solicita a los pacientes que graben un vídeo de ellos mismos tragando una pastilla, y el componente de IA puede verificar que se trata del paciente correcto y de la pastilla recetada.
Detectar errores de prescripción
Hasta 7.000 personas mueren anualmente en Estados Unidos debido a errores de prescripción. Una aplicación de la IA en la atención médica es que puede analizar datos históricos de HCE de un paciente en particular, compararlos con sus nuevas recetas y resaltar cualquier inconsistencia. El Brigham and Women’s Hospital utilizó un sistema de este tipo para identificar recetas erróneas. Esto les ayudó a ahorrar $1,3 millones en costos de atención médica en un año.
Limitaciones de la IA en la atención sanitaria
A pesar de las interesantes aplicaciones de la inteligencia artificial en la atención sanitaria, la tecnología tiene sus limitaciones que dificultan su adopción. Aquí están los más destacados.
Inclinación
Hay varios tipos de sesgo que pueden integrarse en algoritmos de IA o adquirirse a medida que los modelos de aprendizaje automático continúan aprendiendo. Por el momento, no existe ninguna normativa que rija el desarrollo de algoritmos. Por lo tanto, se espera que los proveedores produzcan herramientas justas, pero no hay consecuencias si no se cumple la condición de equidad. Lo mejor es probar el modelo en un conjunto de datos representativo antes de utilizarlo y realizar auditorías independientes periódicas después de la implementación.
Dificultades asociadas con los datos de entrenamiento.
Mayores volúmenes de datos de entrenamiento conducen a algoritmos más precisos. Desafortunadamente, obtener datos médicos para la capacitación es un desafío debido a preocupaciones de privacidad. Y los conjuntos de datos fácilmente disponibles, como el conjunto de datos LUNA que contiene imágenes de tomografía computarizada, son bastante pequeños. Además, etiquetar dichos datos de entrenamiento es en su mayoría manual, requiere mucho tiempo y está adaptado a una enfermedad específica y, por lo tanto, no se puede reutilizar.
Falta de explicabilidad
Muchas de las soluciones impulsadas por IA funcionan como modelos de caja negra, lo que significa que no está claro cómo llegaron a una decisión particular. En el sector sanitario, esto es apenas aceptable, ya que los médicos deben poder explicar a los pacientes por qué recomiendan un tratamiento en lugar de otro, o por qué creen que un paciente tiene un tumor. Los centros médicos pueden optar por empresas sanitarias con inteligencia artificial que ofrecen soluciones de IA explicables donde los algoritmos respaldan cada decisión con una justificación.
Tendencias futuras de la IA en la atención sanitaria
El mercado mundial de la inteligencia artificial en la atención sanitaria se valoró en 6.900 millones de dólares en 2021 y se espera que se dispare a 67.400 millones de dólares para 2027, creciendo a una tasa compuesta anual del 46,2%.
Con todos los interesantes casos de uso de la IA en la atención sanitaria y la tasa de crecimiento del mercado, podemos ver que esta tecnología llegó para quedarse. Y para los médicos que ponen en peligro los experimentos con IA de sus hospitales por miedo a ser reemplazados, eche un vistazo al informe de Bernard Marr. entrevista con Tom Lawry, director nacional de IA para la salud y las ciencias biológicas de Microsoft. ” Tom dijo. “
ⓒ 2023 . .
Etiquetas:
