La IA generativa en la sanidad: revolucionar la atención al paciente y el diagnóstico

En 2024, un estudio de la Facultad de Medicina de la Universidad de Washington y la startup tecnológica Whiterabbit.ai descubrió que la IA era capaz de detectar casos precoces de cáncer de mama

La empresa entrenó un modelo de IA en 12.248 mamografías digitales 2D (6.161 mostraban cáncer). A continuación, compararon el modelo con varias mamografías del mundo real.

El estudio descubrió que, de las 10.000 personas que se sometieron a mamografías, más de 260 podrían haber evitado exámenes diagnósticos y 10 podrían haber evitado biopsias utilizando sistemas de IA para ayudar a diagnosticar la presencia de cáncer.

La IA generativa y los grandes modelos de lenguaje (LLM) están transformando rápidamente el panorama sanitario tal y como lo conocemos, ofreciendo soluciones innovadoras a problemas de larga duración. Esta tecnología que cambia paradigmas tiene el potencial de revolucionar la atención al paciente, agilizar las operaciones y mejorar la investigación médica.

Este es el futuro del sistema sanitario y estamos sólo en el principio.

Este artículo se sumerge en esta nueva frontera y explora cómo la integración de la IA generativa ética puede ayudar en la prestación de asistencia sanitaria de calidad y en la atención al paciente.

Es probable que haya visto cómo GPT-4 (a menudo conocido por su interfaz de chat más popular, ChatGPT) ha transformado industrias en todo el mundo. Puede que incluso haya visto modelos generativos de IA como Flux y Midjourney crear retratos de IAque casi no se distinguen de las fotografías reales.

Pero esta tecnología no sólo sirve para crear arte o generar respuestas de texto inteligentes para los bots de chat de las empresas.

La IA generativa en la sanidad puede automatizar tareas administrativas, mejorar las aplicaciones clínicas y, en última instancia, mejorar los resultados de los pacientes. Los responsables sanitarios están buscando activamente o planeando implantar herramientas de IA generativa para mejorar la experiencia de los pacientes y sus operaciones.

A medida que el sector sanitario adopta la inteligencia artificial generativa, se enfrenta tanto a oportunidades como a retos. Aunque la tecnología promete mejorar la eficacia y la precisión en muchos ámbitos, hay que tener en cuenta las preocupaciones sobre la privacidad de los datos, las consideraciones éticas y el cumplimiento de la normativa.

Los grandes modelos de lenguaje (LLMs) han existido durante décadas, pero solo recientemente han tomado protagonismo. Esta reacción en cadena de popularidad se inició, sin duda, con el histórico lanzamiento de ChatGPT por parte de OpenAI a finales de 2022.

Esto significa que el impacto que estas tecnologías pueden tener en la atención sanitaria sigue siendo poco conocido o está mal enfocado.

Tradicionalmente, el sector sanitario ha sido relativamente lento a la hora de adoptar la IA, salvo en áreas específicas como la radiología.

Dado que la sanidad es un sector regulado en el que se toman decisiones de vida o muerte, es conveniente que los cambios se realicen de forma cuidadosa y mesurada.

La sanidad está experimentando una escasez muy elevada de profesionales. Los médicos, las enfermeras y el personal están sobrecargados de trabajo, aún recuperándose de la pandemia, y estresados también por la cantidad de trabajo administrativo que han de hacer.

Los profesionales sanitarios invierten gran parte de su tiempo, después de las horas de trabajo, actualizando historiales, manteniéndose al día con el correo electrónico de los pacientes y realizando tareas administrativas. Estas tareas tediosas (pero necesarias) de la atención sanitaria se adaptan especialmente bien a las tecnologías de IA generativa.

Así pues, incluso con sus elevados niveles de regulación, este sector es uno de los principales adoptantes de la IA generativa y está ansioso por recibir aún más aplicaciones de IA, siempre que se apliquen de forma ética, segura y sostenible.

La IA generativa no compone nueva información de la nada. Más bien utiliza vastos conjuntos de datos para crear nuevos contenidos, ayudar en el diagnóstico y mejorar la planificación del tratamiento.

Las tecnologías de IA en sanidad abarcan una amplia gama de aplicaciones.

He aquí sólo una muestra de lo que es posible:

• Los algoritmos de aprendizaje automático pueden analizar los historiales de los pacientes para predecir riesgos de enfermedad y recomendar tratamientos personalizados.
• Los sistemas de visión por ordenador interpretan las imágenes médicas y ayudan a los radiólogos a detectar anomalías.
• El procesamiento del lenguaje natural (PLN) extrae información valiosa de las notas clínicas y de la literatura médica.
• La robótica y la IA se combinan para mejorar la precisión quirúrgica y automatizar las tareas repetitivas.
• La realidad virtual y aumentada con IA ofrece experiencias de formación inmersiva para estudiantes y profesionales de la sanidad.
• Los chatbotsy asistentes virtuales basados en IA mejoran el compromiso de los pacientes y ofrecen asistencia permanente para consultas básicas sobre salud.
• Los agentes y aplicaciones basados en IA automatizan gran parte del trabajo rutinario de los profesionales sanitarios en el mantenimiento de registros y la correspondencia con los pacientes.

Y mucho, mucho más. Analicemos más a fondo algunas de estas aplicaciones.

Según una encuesta que realizada en uno de los eventos de InterSystems sobre sanidad, muchas organizaciones creen que la IA generativa es una tecnología potente, pero difícil, con un número casi infinito de casos de uso.

Entre ellos, se incluyen aplicaciones innovadoras en diagnóstico, tratamiento, atención personalizada y desarrollo de fármacos.

Los modelos generativos de IA están revolucionando el análisis de imágenes médicas,
mejorando la precisión y la rapidez del diagnóstico. Los algoritmos de IA pueden detectar anomalías sutiles en radiografías, resonancias magnéticas y tomografías computarizadas que los ojos humanos podrían pasar por alto.

En radiología, la IA ayuda a identificar los primeros signos de enfermedades como el cáncer o las afecciones cardiovasculares. Esto permite realizar intervenciones más tempranas y mejorar el pronóstico de los pacientes.

Las capacidades de procesamiento del lenguaje natural permiten a la IA analizar ingentes cantidades de literatura médica e historiales de pacientes. Esto ayuda a los profesionales sanitarios a tomar decisiones de tratamiento más informadas, basadas en las últimas investigaciones y en casos similares. Estos planes tienen en cuenta factores como la composición genética, los antecedentes médicos y el estilo de vida para optimizar los enfoques terapéuticos.

La IA generativa está mejorando la atención personalizada analizando los datos de los pacientes para predecir riesgos sanitarios y recomendar medidas preventivas. Los modelos de IA pueden procesar diversos tipos de datos, incluida la información genética, para crear perfiles de salud individualizados.

Los chatbots y asistentes virtuales basados en IA generativa ofrecen asistencia a los pacientes las 24 horas del día, los 7 días de la semana. Responden a preguntas, recuerdan la medicación y dan consejos generales sobre salud.

Los algoritmos de IA pueden generar planes personalizados de nutrición y ejercicio basados en el estado de salud, los objetivos y las preferencias del paciente. Este enfoque personalizado mejora el seguimiento de las recomendaciones para mantener un estilo de vida saludable.

En la atención a la salud mental, las herramientas basadas en IA pueden analizar patrones de habla y texto para detectar signos tempranos de enfermedades como la depresión o la ansiedad. Esto permite intervenir y apoyar a tiempo.

La IA generativa está acelerando procesos de descubrimiento de fármacos mediante la predicción de posibles fármacos candidatos y sus interacciones con dianas biológicas.

Los algoritmos de aprendizaje automático analizan enormes conjuntos de datos de compuestos químicos, vías biológicas y resultados de ensayos clínicos. Esto ayuda a los investigadores a identificar fármacos candidatos prometedores y predecir su eficacia y posibles efectos secundarios.

Las simulaciones basadas en IA pueden modelizar las interacciones de los fármacos en el cuerpo humano, lo que permite a los investigadores optimizar las dosis y formulaciones antes de iniciar los ensayos clínicos. Esto mejora la tasa de éxito en el desarrollo de fármacos y reduce los riesgos para los participantes en los ensayos.

En los ensayos clínicos, la IA generativa ayuda en la selección y el seguimiento de los pacientes. Puede identificar candidatos adecuados basándose en criterios específicos y predecir posibles reacciones adversas, mejorando la seguridad y la eficacia de los ensayos.

La integración entre los datos sanitarios y los modelos de IA generativa es la clave para mejorar la atención al paciente, agilizar los flujos de trabajo y descubrir información valiosa a partir de conjuntos de datos complejos.

Las HCE son la piedra angular de la integración de la IA en la asistencia sanitaria. Estos registros digitales contienen información exhaustiva sobre los pacientes, incluidos historiales médicos, resultados de laboratorio y planes de tratamiento.

Los algoritmos de IA pueden examinar las HCE para encontrar patrones y tendencias (incluidos datos de texto e imágenes) que pueden no estar claros para los profesionales sanitarios de inmediato. Este análisis puede ayudar a predecir posibles riesgos para la salud y sugerir opciones de tratamiento personalizadas.

Las organizaciones sanitarias están adoptando cada vez más herramientas basadas en IA para extraer información significativa de datos de HCE no estructurados. Estas herramientas pueden categorizar y resumir automáticamente las notas clínicas, facilitando a los profesionales sanitarios el acceso rápido a la información relevante del paciente.

La mayoría de los proveedores de HCE, conscientes de la importancia de la actual fiebre del oro de la IA, se están apresurando a añadir a sus sistemas funciones impulsadas por la gen-AI. Permiten obtener las siguientes ventajas:

• Navegación más fácil.
• Interacción manos libres (las grabaciones de voz de las interacciones con los pacientes se extraen en busca de contenido y se formatean).
• Mejor conocimiento en la toma de decisiones clínicas.

Las startups impulsadas por IA para la atención sanitaria también fueron una de las principales categorías para la financiación de startups en 2024.

La IA destaca en el procesamiento de grandes volúmenes de datos sanitarios para descubrir patrones y hacer predicciones. Las técnicas analíticas avanzadas pueden identificar correlaciones entre diversos factores de salud, lo que permite mejorar el diagnóstico y las estrategias de tratamiento.

Los algoritmos de machine learning pueden analizar diversos conjuntos de datos, entre ellos:

• Datos demográficos del paciente.
• Historiales médicos.
• Resultados de laboratorio.
• Estudios de imagen.
• Información genética.

Al examinar estos conjuntos de datos, los sistemas de IA pueden detectar patrones sutiles que pueden indicar signos precoces de enfermedades o predecir los resultados de los pacientes.
Los análisis predictivos basados en IA también ayudan a las organizaciones sanitarias a optimizar la asignación de recursos y mejorar la eficiencia operativa. Estas herramientas pueden prever los ingresos de pacientes, identificar a los de alto riesgo y sugerir medidas preventivas para reducir los reingresos hospitalarios.

La IA generativa en la sanidad plantea problemas críticos en torno a la equidad, la protección de datos y la gobernanza. Abordar estas cuestiones es esencial para garantizar una aplicación responsable y mantener la confianza del públicoen las tecnologías médicas impulsadas por IA.

Los sistemas de IA pueden perpetuar los sesgos existentes en los datos y las prácticas sanitarias. Para mitigarlo, los desarrolladores deben utilizar conjuntos de datos de entrenamiento diversos y representativos. Las auditorías periódicas de los resultados de la IA ayudan a identificar y corregir los sesgos.

El desarrollo ético de la IA requiere equipos multidisciplinares que incluyan especialistas en ética, profesionales sanitarios y defensores de los pacientes. Así se garantiza que las herramientas de IA tengan en cuenta las distintas perspectivas y necesidades.

La equidad en el acceso a la IA es crucial. Los proveedores de asistencia sanitaria deben implantar soluciones de IA que atiendan a diversas poblaciones de pacientes, no solo a las que disponen de más recursos.

Proteger la privacidad del paciente es primordial cuando se utiliza la IA en la asistencia sanitaria. Deben aplicarse protocolos estrictos de anonimización y cifrado de datos.

Los sistemas de IA suelen requerir grandes conjuntos de datos para su entrenamiento y funcionamiento. Las organizaciones sanitarias deben implantar medidas de ciberseguridad sólidas para evitar las filtraciones de datos. Los procesos de consentimiento informado deben actualizarse para tener en cuenta el uso de la IA. Los pacientes tienen que saber cómo se van a usar sus datos y por supuesto tienen el derecho a excluirse.

Los gobiernos de todo el mundo se debaten sobre la mejor manera de regular la IA. La FDA está desarrollando marcos para evaluar y gestionar dispositivos médicos basados en IA.

La Ley de Inteligencia Artificial de la UE propone normas estrictas para las aplicaciones de IA de alto riesgo, entre ellas muchas del sector sanitario. Hace hincapié en la transparencia, la supervisión humana y la rendición de cuentas.

Las cuestiones de responsabilidad en las decisiones sanitarias asistidas por IA siguen siendo complejas. Se necesitan directrices claras para determinar la responsabilidad cuando la IA contribuye a errores médicos.

La cooperación internacional es esencial para crear normativas armonizadas sobre IA. De este modo, se garantizan normas coherentes y se facilita el desarrollo y la implantación globales de la IA en la atención sanitaria.

Más allá de la normativa gubernamental, también existen múltiples consorcios industriales centrados en el uso adecuado de la IA en la atención sanitaria, en particular CHAI (Coalition for Health AI) y TRAIN (Trustworthy & Responsible AI Network).

Las organizaciones sanitarias están incorporando rápidamente la IA a sus normas y políticas. Muchos de ellos están creando una función de director de IA o añadiéndola a las funciones del CDO.

La IA generativa en la atención sanitaria se enfrenta a importantes obstáculos en cuanto a capacidades técnicas y aceptación en el mercado. Estos retos afectan tanto a la eficacia de la tecnología como a su adopción en entornos médicos.

Muchas industrias de alto riesgo han dudado en implementar modelos generativos de IA como GPT-4 y otros por una razón evidente: las alucinaciones en la IA.

Se producen cuando los modelos generan datos falsos o sin sentido, lo que obviamente plantea graves riesgos en contextos sanitarios.

A medida que los modelos sigan mejorando, estas alucinaciones serán cada vez menos frecuentes, y hay formas de mitigarlascon guardarraíles programáticos, como:

• Mecanismos de verificación de hechos: implantación de sistemas que contrasten la información generada por la IA con bases de datos sanitarias verificadas. A veces se denominan mecanismos de "toma de tierra".
• Enfoques humanos: garantizar que los resultados de la IA sean revisados por profesionales sanitarios antes de utilizarlos en la atención al paciente.
• Umbrales de confianza: sólo se aceptan los contenidos generados por la IA cuando el nivel de confianza del modelo supera un umbral predeterminado.
• Consenso multimodelo: se utilizan varios modelos de IA y sólo se aceptan los resultados en los que hay acuerdo entre ellos.

Dadas estas limitaciones, puede ser idóneo adoptar un enfoque lento en el uso de aplicaciones de IA generativa en los sistemas sanitarios, empezando por aplicaciones de menor riesgo como:

1. Tareas administrativas: uso de IA para programar citas, gestionar historiales de pacientes y gestionar consultas sobre facturación.
2. Educación del paciente: generación de material educativo personalizado sobre afecciones y tratamientos.
3. Chatbots de triaje: implementación de chatbots basados en IA para guiar a los pacientes a los niveles de atención adecuados sin realizar diagnósticos.
4. Ayuda a la investigación: uso de la IA para resumir la literatura médica e identificar posibles áreas de estudio.
5. Codificación médica: empleo de la IA para ayudar a una codificación médica precisa y eficiente con fines de facturación.

Empezando por estas aplicaciones de menor riesgo, los sistemas sanitarios pueden:

• Generar confianza en los sistemas de IA.
• Desarrollar protocolos sólidos para su aplicación.
• Formar gradualmente al personal en la integración de la IA.
• Identificar y resolver posibles problemas antes de pasar a aplicaciones de mayor riesgo.

A medida que aumenten la confianza y las capacidades, la IA podrá introducirse paulatinamente en áreas más críticas de la asistencia sanitaria, manteniendo siempre un fuerte enfoque en la seguridad del paciente y las consideraciones éticas.

Muchas de estas aplicaciones de menor riesgo también aportan grandes beneficios a los sistemas sanitarios, por lo que este enfoque lento no es realmente un compromiso.

Con el objetivo de mejorar la experiencia del personal sanitario y reducir el tiempo invertido en tareas administrativas, las organizaciones pueden utilizar un enfoque de menor riesgo y humano en el bucle y, al mismo tiempo, ofrecer grandes beneficios.

Las organizaciones sanitarias se enfrentan a obstáculos para integrar la IA generativa en los sistemas existentes. Los elevados costes de implantación y la necesidad de infraestructuras especializadas disuaden a muchas organizaciones de adoptar estas tecnologías.

Las incertidumbres normativas que rodean a la IA en la atención sanitaria crean dudas entre los posibles adoptantes, y las preocupaciones sobre la responsabilidad y la rendición de cuentas por las decisiones impulsadas por la IA ralentizan el crecimiento del mercado.

Los profesionales sanitarios pueden resistirse a la adopción de la IA por miedo al desplazamiento laboral o a la pérdida de autonomía en la toma de decisiones. Esta resistencia puede obstaculizar significativamente la integración de la IA generativa en los flujos de trabajo clínicos.

La confianza de los pacientes es otro factor crítico. Muchas personas siguen mostrándose escépticas ante la participación de la IA en su atención sanitaria, ya que prefieren la interacción y el juicio humanos a los conocimientos generados por las máquinas.

La inteligencia artificial está a punto de revolucionar la atención sanitaria mediante modelos predictivos y colaboraciones estratégicas. Estos avances prometen mejorar la atención al paciente, agilizar las operaciones y acelerar la investigación médica.

Los modelos predictivos basados en IA están llamados a transformar la toma de decisiones en el ámbito sanitario. Estas herramientas analizarán grandes cantidades de datos de pacientes para prever resultados sanitarios e identificar riesgos potenciales. Por ejemplo, las plataformas de IA pueden predecir la probabilidad de reingresos hospitalarios o la progresión de enfermedades.

Los algoritmos de machine learning seguirán mejorando, lo que permitirá diagnósticos más precisos y planes de tratamiento personalizados. Las herramientas de IA ayudarán a interpretar las imágenes médicas y podrán detectar enfermedades antes que los médicos.

Las organizaciones sanitarias están formando asociaciones estratégicas con empresas tecnológicas para aprovechar la experiencia de la IA. Estas colaboraciones pretenden desarrollar soluciones innovadoras de IA adaptadas a las necesidades sanitarias.

OpenAI y organizaciones similares trabajan con instituciones médicas para crear modelos de IA especializados para aplicaciones sanitarias. Estas asociaciones se centran en el desarrollo de IA capaz de comprender terminología médica compleja y ayudar en la toma de decisiones clínicas. Están surgiendo nuevas empresas con aplicaciones móviles basadas en IA diseñadas tanto para pacientes como para profesionales sanitarios. Estas aplicaciones pueden ofrecer comprobadores de síntomas, recordatorios de medicación y asistentes sanitarios virtuales.

Las grandes empresas farmacéuticas están colaborando con empresas de IA para acelerar los procesos de descubrimiento y desarrollo de fármacos. Las herramientas de IA se están utilizando para analizar estructuras moleculares y predecir la eficacia de los fármacos, reduciendo el tiempo y el coste de sacar nuevos tratamientos al mercado.

La IA generativa tiene aplicaciones tanto para el cuerpo como para la mente. Los LLM tienen el potencial de revolucionar la atención sanitaria mental proporcionando herramientas innovadoras para el diagnóstico, el tratamiento y el apoyo al paciente.

Esta tecnología ofrece soluciones prometedoras para mejorar las intervenciones terapéuticas y racionalizar las prácticas de salud mental.

Se están desarrollando modelos generativos de IA para ayudar a diagnosticar enfermedades mentales. Estos modelos analizan los datos de los pacientes, incluidas las respuestas verbales y los patrones de comportamiento, para proporcionar a los médicos información valiosa.

Un estudio publicado en Nature sugiere un planteamiento en tres pasos que utiliza la IA generativa para reconocer, expresar y gestionar las emociones.

Una idea clave es el potencial de la IA para crear ayudas visuales personalizadas, ayudando a los pacientes, especialmente a los niños, a identificar y expresar mejor sus emociones. Por ejemplo, la IA podría generar imágenes personalizadas que representen distintos estados emocionales, haciendo que los conceptos abstractos sean más tangibles y relacionables.

El estudio también subraya la importancia de la sensibilidad cultural en los contenidos generados por IA, reconociendo que la expresión emocional puede variar significativamente de una cultura a otra. Esto subraya la necesidad de disponer de datos de entrenamiento diversos e inclusivos para los modelos de IA utilizados en aplicaciones de salud mental.

Los investigadores proponen que la IA generativa podría aumentar las terapias basadas en pruebas existentes, como la terapia cognitivo-conductual (TCC), la terapia dialéctico-conductual (TDC) y la terapia de aceptación y compromiso (ACT), proporcionando herramientas visuales adaptadas y contenidos personalizados.

A medida que evolucione este campo, existe la posibilidad de integrar la IA generativa con otras tecnologías, como la realidad virtual y aumentada, abriendo posibilidades para experiencias terapéuticas más inmersivas y personalizadas.

La integración de la IA generativa en la atención sanitaria está marcando el comienzo de una nueva era en la atención y el diagnóstico de los pacientes, con plataformas como InterSystems IRIS jugando un papel fundamental en esta transformación.

A medida que exploramos todo el potencial de las tecnologías de IA, está claro que una sólida gestión e integración de datos son esenciales para el éxito.

Al proporcionar una interoperabilidad sin fisuras InterSystems IRIS facilita que las organizaciones sanitarias aprovechen todo el potencial de la IA al tiempo que garantizan la privacidad de los datos y el cumplimiento de la normativa.