De acuerdo con John McCarthy, profesor de la Universidad de Stanford, la inteligencia artificial (IA) puede definirse como: “La ciencia e ingeniería de hacer máquinas inteligentes, especialmente programas de computador inteligentes”(McCarthy, 2007). Russell y Norvig amplían la definición organizándola dentro de 4 categorías basadas en dos dimensiones: pensamiento y comportamiento (ver figura 1). La IA puede desarrollarse considerando qué tanto se asemeja a los comportamientos o patrones de pensamiento de un humano, o qué tanto se acerca a pensar o actuar racionalmente, entendiendo racionalidad como “hacer lo correcto con base en lo que se conoce; esto sin querer insinuar que el humano sea irracional, simplemente que su razonamiento no está desprovisto de sesgos (Russell & Norvig, 2010).
Figura 1. Definiciones de inteligencia artificial
Independientemente de la definición de IA que utilicemos, es claro que se relaciona principalmente con la intención de desarrollar sistemas inteligentes que puedan tomar decisiones y resolver problemas (JavaTpoint, 2021), esto con el fin de ser un apoyo a las tareas de los humanos. Recientemente, el tema de la IA ha cobrado un gran protagonismo por su crecimiento y avance exponencial, el cual ha sido notorio, incluso, para las personas que no se encuentran directamente relacionadas con este campo. El gran surgimiento de la IA viene acompañado de nuevos cuestionamientos respecto a su funcionamiento, su utilidad y posible aplicación. En pocas palabras, si ya contamos con una herramienta que parece futurista, ¿Cómo podemos utilizarla?
La IA y la atención en salud
Las ciencias de la salud no han sido ajenas a estos avances, y hablamos de un campo que puede beneficiarse de dichas tecnologías, ya que, durante todo el proceso de atención en salud, los pacientes, proveedores, talento humano en salud, sistemas y entes reguladores, generan una gran cantidad de información; la cual puede procesarse y analizarse para mejorar la prestación del servicio. En términos generales, la IA cuenta con 4 aplicaciones principales dentro del sector salud (He et al., 2019):
- Diagnóstico: Detección y tamizaje temprano de distintas enfermedades, logrando diagnósticos al mismo nivel de un clínico experto.
- Manejo de la salud poblacional: Sistemas de información centrados en el paciente que promocionan estilos de vida saludables y educación.
- Tratamiento: Registros electrónicos de historia clínica y guías de atención que sugieren tratamientos a enfermedades comunes, interacción con cirugía robótica, farmacogenómica para tratamiento farmacológico guiado, usos en medicina de precisión para dar tratamiento específico guiado por fenotipos clínicos y digitales.
- Administración y regulación: Uso de Big Data para administración de aseguradoras, hospitales, epidemiología, evaluaciones basadas en calidad y monitorización de la enfermedad.
La IA y la seguridad del paciente
La IA puede ser de utilidad durante la atención en salud, pero si existe un área que puede verse especialmente beneficiada por su necesidad de aplicación de tecnologías de información e implementación de sistemas de reportes (Lucian L., 2005), es la seguridad del paciente. Recordemos que la seguridad del paciente se relaciona con la búsqueda de la minimización del riesgo de daño asociado con el proceso de atención en salud, y la IA tiene la capacidad de “analizar un gran volumen de datos, revelar conocimiento oculto, identificar riesgos y mejorar la comunicación“ (He et al., 2019), todas técnicas que pueden ser beneficiosas para el área. A continuación, presentaré algunos casos en los que se vislumbran algunas aplicaciones interesantes para la seguridad del paciente:
Detección de enfermedades asociadas al cuidado de la salud: Algoritmos de Machine learning pueden desarrollarse utilizando datos de demandas ya cerradas, y se aplican para detectar este tipo de infecciones; con base en los registros, un algoritmo de clasificación puede predecir en tiempo real el riesgo que puede tener un paciente de infectarse, permitiendo que se tomen medidas oportunas. Procesamientos de datos más complejos, basados en redes neuronales, pueden emplearse para supervisar la adherencia del personal a guías y protocolos con clasificadores de imágenes (Bates et al., 2021).
Alertas clínicas: En entornos en los que el paciente es monitorizado, se han realizado análisis en los que tomando los datos de monitoreo y de laboratorios disponibles, se realizan predicciones del riesgo del paciente, mejorando la clasificación del deterioro clínico, esto reduce las probabilidades de recibir falsas alarmas de los dispositivos (Choudhury & Asan, 2020).
Eventos adversos asociados a medicamentos: Es posible predecir reacciones a medicamentos que pudieron no ser reportadas con base en la información de similitud entre medicamentos, su mecanismo de acción y circunstancias en las que sus efectos puedan verse potenciados. Estos algoritmos pueden también brindar información para desarrollar nuevas moléculas que sean más seguras, incluso, en algunos casos, se pueden emplear algoritmos para guiar la dosificación de un medicamento a partir los datos de secuenciación genómica de un paciente (Bates et al., 2021).
Historia clínica: Con uso de Máquinas de soporte vectorial y Procesamiento de Lenguaje Natural (NLP), es posible extraer información de historias clínicas, encuestas de satisfacción y otros formatos o formularios, así mismo, es posible clasificar incidentes clínicos para identificar automáticamente su severidad. También existen estudios acerca de cómo a través de IA se pueden detectar abreviaturas usadas para favorecer su interpretación y reducir la probabilidad de errores en la atención. Esta estrategia permite, además, reconocer casos en los que existieron complicaciones, predecir riesgo de mortalidad o riesgo de sangrado (Choudhury & Asan, 2020).
Estas aplicaciones se ven claramente prometedoras y nos permiten vislumbrar lo que será la práctica clínica en un futuro quizás no tan distante, cuando muchos de los procesos repetitivos sean ejecutados automáticamente y se pueda contar con una gran cantidad de información integrada al alcance de la mano. Sin embargo, que una actividad se base o se apoye en la IA no quiere decir que se encuentre desprovista de fallas, ni que una tarea vaya a realizarse de manera eficiente (He et al., 2019). La IA será una herramienta de muchas, una que debemos aprender a utilizar para nuestro beneficio y el de los pacientes, pero es una herramienta que nunca reemplazará el criterio, la creatividad, el ingenio y la empatía de quien atiende al paciente. Esas seguirán siendo tareas de humanos esperamos que por mucho tiempo.
Referencias
Bates, D. W., Levine, D., Syrowatka, A., Kuznetsova, M., Craig, K. J. T., Rui, A., Jackson, G. P., & Rhee, K. (2021). The potential of artificial intelligence to improve patient safety: a scoping review. Npj Digital Medicine, 4(1), 54. https://doi.org/10.1038/s41746-021-00423-6
Choudhury, A., & Asan, O. (2020). Role of artificial intelligence in patient safety outcomes: systematic literature review. JMIR Medical Informatics, 8(7), e18599
He, J., Baxter, S. L., Xu, J., Xu, J., Zhou, X., & Zhang, K. (2019). The practical implementation of artificial intelligence technologies in medicine. Nature Medicine, 25(1), 30–36. https://doi.org/10.1038/s41591-018-0307-0
JavaTpoint. (2021). Goals of Artificial Intelligence. Artificial Intelligence. https://www.javatpoint.com/goals-of-artificial-intelligence
Lucian L., L. (2005). Prologue: Where the Rubber Meets the Road. In Advances in Patient Safety: From Research to Implementation (Volume 3: Implementation Issues). Agency for Healthcare Research and Quality (US). https://www.ncbi.nlm.nih.gov/books/NBK20571/
McCarthy, J. (2007). What is artificial intelligence. Stanford University. https://www-formal.stanford.edu/jmc/whatisai.pdf
Russell, S. J., & Norvig, P. (2010). Introduction. What is AI? In Artificial Intelligence. A Modern Approach (3ra ed., pp. 1–5). Pearson Education, Inc.
