AI in Healthcare
ene 10, 2022

La IA en la sanidad: cuatro áreas de interés para promover una mayor adopción clínica

By Henk van Houten and Tina Mahonaran

Tiempo de lectura: 8-10 minutos

La inteligencia artificial (IA) ha irrumpido en la escena de la atención sanitaria en los últimos años, impulsando innovaciones que prometen mejorar la atención y los resultados de los pacientes y reducir los costes. Pero, como sabe cualquiera que trabaje en este campo, el camino desde la investigación de la IA hasta la práctica clínica puede ser accidentado, por razones que van mucho más allá de la propia tecnología. ¿Cómo podemos impulsar la adopción de la IA en la sanidad a gran escala para cumplir plenamente su promesa para los pacientes y los profesionales sanitarios?

 

Desde el diagnóstico de precisión hasta el seguimiento de pacientes agudos y la autogestión de enfermedades crónicas, la IA en la atención sanitaria ha demostrado su potencial para apoyar a los proveedores y a los pacientes en cada etapa del proceso de atención.

 

Las aplicaciones van desde algoritmos que aumentan la experiencia de los profesionales sanitarios y apoyan la toma de decisiones centrada en el paciente, hasta herramientas de automatización del flujo de trabajo que pueden mejorar la eficiencia operativa y liberar la atención al paciente. La IA también está ayudando a los hospitales a prever y gestionar el flujo de pacientes, desde el ingreso en el hospital hasta el alta, lo que les permite adaptarse a circunstancias que cambian rápidamente. Y con el traslado de la asistencia sanitaria al hogar, los conocimientos basados en la IA pueden ayudar a las personas a cuidar de su propia salud y bienestar para mantenerlas alejadas del hospital, al tiempo que permanecen estrechamente conectadas con los profesionales sanitarios mediante la supervisión remota del paciente.

 

La necesidad de este tipo de tecnologías se sentirá con más fuerza en los próximos años. Los sistemas sanitarios ya tenían dificultades para satisfacer la creciente demanda de los pacientes antes de la llegada de la COVID-19. Con la previsión de que la escasez de personal en todo el mundo aumente hasta los 18 millones en 2030 [1], la asistencia sanitaria se encuentra en una trayectoria insostenible si no nos replanteamos urgentemente cómo y dónde se presta.

 

Una encuesta realizada en 2021 por Medscape reveló que el 42% de los profesionales sanitarios se sentían agotados, y las continuas repercusiones de la pandemia se sumaban a la tensión de muchos [2]. La creciente carga administrativa de la sanidad también les pesa, alejando su atención de lo que les atrajo a la medicina en primer lugar: el cuidado de los pacientes [3]. Esto nos obliga a preguntarnos cómo las tecnologías como la IA pueden aliviar la carga de los profesionales sanitarios y hacer que su trabajo sea más gratificante, permitiéndoles dedicar su tiempo a lo que más valor añade.

 

Sin embargo, a pesar de las alentadoras primeras aplicaciones y de la gran cantidad de investigaciones realizadas, existen varios retos que se interponen en el camino de una adopción más amplia de la IA en la práctica clínica, que van desde la (falta de) integración del flujo de trabajo y la confianza, hasta los problemas de acceso a los datos y la preocupación por la privacidad de los mismos [4,5].

 

En un intento de abordar estos retos, hemos identificado cuatro áreas que permiten aprovechar todo el potencial de la IA en la asistencia sanitaria.

AI in healthcare: AI enablers
Exploremos cada una de estas cuatro áreas de habilitación con más detalle.

1. Personas y experiencias

AI in healthcare

El valor de la IA en la asistencia sanitaria es tan fuerte como la experiencia humana que apoya. Por lo tanto, la innovación en IA debe centrarse en las necesidades insatisfechas de proveedores y pacientes en primer lugar.


Las innovaciones más beneficiosas de la IA en la sanidad, al igual que cualquier otra innovación, se basan en las necesidades más que en la tecnología. Mejoran la experiencia de la atención humana sin obstaculizarla. O como dijo el director de informática de un hospital: "La medicina digital es sólo medicina, del mismo modo que la tecnología realmente buena no tiene que ver con la tecnología. Se integra en el tejido de nuestra vida cotidiana". [6]

Diseño centrado en el ser humano para una perfecta integración del flujo de trabajo


Para lograr este tipo de integración perfecta del flujo de trabajo, es esencial el diseño centrado en el ser humano. Para ello es necesario involucrar a todas las partes interesadas, incluidos los usuarios finales, desde el principio del proceso de desarrollo. En Philips, utilizamos herramientas como las sesiones de cocreación, los flujos de experiencia y los análisis de flujo de trabajo de 360º in situ para comprender el contexto en el que se utiliza la tecnología con IA.

 

Una de las enseñanzas que se desprenden de estas colaboraciones es que la IA en la sanidad debe reducir la sobrecarga de información en lugar de aumentarla. Lo que puede parecer un algoritmo útil en un entorno de investigación puede ser, en realidad, una carga para los profesionales sanitarios si supone añadir algo más a su flujo de trabajo.

 

Por ejemplo, la radiología. Los radiólogos trabajan en un entorno complejo y con presión de tiempo, ejecutando diferentes aplicaciones de software en paralelo en múltiples pantallas. Si los algoritmos de IA les obligan a gestionar aplicaciones adicionales, el efecto neto puede ser que los radiólogos pasen más -y no menos- tiempo procesando imágenes médicas [7]. En cambio, los algoritmos deben integrarse perfectamente en sus flujos de trabajo, ofreciendo una experiencia unificada sin necesidad de cambiar de tarea.

AI in healthcare: AI in radiology

Desarrollar una mano de obra preparada para la IA


Para preparar al personal médico de hoy y de mañana para un futuro habilitado por la IA y otras tecnologías digitales, la educación también es esencial. Cada vez más, los médicos tendrán que estar bien versados en la ciencia biomédica y de los datos, con una comprensión adecuada de los puntos fuertes y las limitaciones de la IA. El personal de enfermería también debe sentirse cómodo utilizando los sistemas de apoyo a la toma de decisiones clínicas basados en la IA, sabiendo cómo sacar el máximo provecho de los conocimientos basados en los datos junto con su propia experiencia profesional. Y deben ser capaces de explicar a los pacientes cómo la IA ayuda a tomar decisiones médicas.

 

Por lo tanto, los sistemas nacionales de salud deberían dar prioridad a la IA y a la ciencia de los datos en sus planes de estudios. Instituciones como la Sociedad Europea de Radiología han pedido con razón que la IA se incluya en los planes de estudio de los futuros residentes de radiología [8]. Otras especialidades en las que es más probable que la IA sea la primera en generar nuevas aplicaciones, como la patología y la oncología, también se beneficiarían de los nuevos programas educativos que incorporan los últimos conocimientos de los profesionales de la salud, el mundo académico y los actores de la industria. Además, la colaboración virtual puede favorecer el aprendizaje entre iguales.

 

En Philips también promovemos una mayor concienciación pública sobre el papel emergente de la IA en la asistencia sanitaria. Por ejemplo, a través del consorcio holandés Kickstart AI, hemos contribuido a un curso nacional de IA dirigido al público en general. Este tipo de iniciativas pueden contribuir a que la gente se familiarice y sea más receptiva al uso de la IA en la asistencia sanitaria y los dispositivos de salud personales.

2. Datos y tecnología

AI in Healthcare

El desarrollo de soluciones basadas en la IA depende del acceso a datos de alta calidad. Sin embargo, la realidad es que los datos sanitarios actuales suelen estar encerrados en sistemas dispares y desconectados, lo que supone una barrera que debe abordarse para que la IA en la sanidad se amplíe.

 

En nuestro informe sobre el Índice de Salud del Futuro 2021, los líderes sanitarios citaron las dificultades con la gestión de datos (44%) y la falta de interoperabilidad y estándares de datos (37%) como los mayores obstáculos para la adopción de la tecnología sanitaria digital en su hospital o centro de salud. Estos retos también pueden dificultar la recopilación de los datos de alta calidad necesarios para el entrenamiento de los modelos de IA, sobre todo si esos modelos se basan en datos multimodales y longitudinales de diferentes fuentes.

AI in healthcare: Data challenges

Promover el intercambio de datos y la interoperabilidad


Para superar estos retos, se necesitan infraestructuras de plataformas sólidas e interconectadas para recoger, combinar y analizar datos a escala. A medida que la atención sanitaria se distribuye cada vez más, extendiéndose desde el hospital hasta el hogar, dichas infraestructuras deben cubrir todo el proceso de atención para conectar los datos de los pacientes en todos los entornos. A través de nuestra plataforma Philips HealthSuite basada en la nube, estamos ayudando a los proveedores de atención sanitaria a recoger, compilar y analizar datos de múltiples fuentes, incluidos los historiales médicos, los datos de imagen y de monitorización, así como los dispositivos personales de salud.

 

En segundo lugar, la interoperabilidad y el intercambio de datos estandarizados entre diferentes hospitales y sistemas sanitarios son fundamentales para aprovechar todo el potencial de los datos y la IA en la asistencia sanitaria. Los datos deben estar disponibles en formatos que puedan ser compartidos sin esfuerzo, de forma transparente y segura, de una manera que cumpla con las regulaciones de privacidad pertinentes. En Philips, estamos promoviendo el uso de estándares de datos abiertos y la interoperabilidad semántica, a través de métodos como un Sistema de Lenguaje de Información unificado, para permitir a los proveedores de asistencia sanitaria conectar e integrar los datos de una manera significativa.

 

En tercer lugar, la legislación y la colaboración regionales deben permitir el intercambio y el acceso seguros a datos debidamente anotados para la investigación y la práctica clínica de la IA, salvaguardando al mismo tiempo la privacidad de los pacientes. Por lo tanto, apoyamos iniciativas como la creación de un Espacio Europeo de Datos Sanitarios común, que está destinado a promover un mejor intercambio y acceso a diferentes tipos de datos sanitarios, desde los registros sanitarios electrónicos hasta los datos genómicos, en todos los Estados miembros de la UE.

Pionera en la nueva generación de la IA


Los enfoques de próxima generación para el desarrollo de la IA también pueden ayudar a resolver algunos de los retos relacionados con el acceso a los datos. Por ejemplo, el aprendizaje federado permite a varias instituciones sanitarias obtener información a través de un modelo de IA compartido, sin tener que trasladar los datos de los pacientes más allá de las instituciones donde residen. El proceso de aprendizaje automático se produce localmente en cada institución participante. Sólo las características del modelo de IA se transfieren a un servidor central en la nube. Los datos se quedan donde están. Investigaciones recientes han demostrado que los modelos entrenados mediante el aprendizaje federado pueden alcanzar niveles de rendimiento comparables a los entrenados en conjuntos de datos alojados centralmente y superiores a los modelos basados en datos de una sola institución [9].
AI in healthcare: Federated learning

Cuando los datos para entrenar los modelos de IA son escasos, también podemos aprovechar los conocimientos científicos existentes para ayudar a llenar las lagunas. Por ejemplo, los conocimientos anatómicos y fisiológicos de los pulmones o el corazón pueden utilizarse para crear imágenes sintéticas que complementen los datos anotados existentes. Los modelos de segmentación de imágenes médicas entrenados con estos conjuntos de datos aumentados sintéticamente han mostrado una mayor precisión que los modelos entrenados únicamente con un pequeño conjunto de datos del mundo real, lo que demuestra lo prometedor de un enfoque de modelado híbrido que combina la potencia de los datos con el conocimiento científico [10].

 

Al explorar las posibilidades de estos y otros métodos de IA de nueva generación, podremos afrontar los retos relacionados con los datos en el desarrollo de la IA con un conjunto de herramientas más versátil y eficaz.

3. Gobernanza y confianza

AI in Healthcare

Para reforzar la confianza del público y de los profesionales en la IA en la sanidad, los avances tecnológicos deben ir acompañados de una gobernanza adecuada en torno a la privacidad de los datos, la seguridad y la ética de la IA.

 

Cuando se les preguntó qué impediría a los consumidores utilizar la tecnología sanitaria digital, el 41% señaló "la preocupación por mi privacidad o la seguridad de los datos" como el principal obstáculo [11]. Del mismo modo, para los directores de informática de la sanidad encargados de mantener los datos de los pacientes a salvo en un crecimiento excesivo de canales y dispositivos, la seguridad de los datos es una preocupación tan grande como siempre [12]. En Philips, nos comprometemos a abordar de forma proactiva los problemas de seguridad y privacidad, tal y como se recoge en nuestros Principios de Datos.

 

Pero la IA en la sanidad también conlleva otros riesgos, que exigen normas y salvaguardias adicionales. Por ejemplo, debemos fomentar una confianza adecuada en la IA, evitando al mismo tiempo que los médicos lleguen a confiar ciegamente en ella, porque ningún algoritmo nunca será perfecto. También debemos ser conscientes de que la IA puede agravar las desigualdades sanitarias existentes a través de conjuntos de datos sesgados que no representan con exactitud a la población objetivo.

 

Estas consideraciones nos llevaron a desarrollar y aplicar un conjunto de principios rectores para el uso responsable de la IA, todos ellos basados en la noción de que la IA debe beneficiar a los proveedores de atención sanitaria, a los pacientes y a la sociedad en su conjunto, evitando al mismo tiempo consecuencias no deseadas como la parcialidad. Ya hemos escrito antes sobre estos Principios de la IA y la importancia de una IA justa y sin prejuicios, y remitimos a estos artículos para obtener más detalles sobre este tema vital.

AI in healthcare: Trustworthy AI
Lo que vale la pena destacar aquí es que la IA también se reconoce cada vez más como una fuerza para el bien que puede promover una atención sanitaria más justa y equitativa. Por ejemplo, Philips ha recibido recientemente una subvención de la Fundación Bill y Melinda Gates para desarrollar una aplicación basada en la IA que mejore la calidad y la accesibilidad de la atención obstétrica en los países de ingresos bajos y medios. La aplicación se diseñará para ayudar a los enfermeros a identificar posibles problemas en el embarazo en una fase temprana, lo que dará a las futuras mamás más posibilidades de traer al mundo un niño sano. Esta es sólo una de las muchas oportunidades que tiene la IA en la atención sanitaria para marcar la diferencia donde más se necesita.

4. Asociaciones y nuevos modelos de negocio

Fairness image

En un sector tan complejo como el de la sanidad, ningún actor individual tiene todas las soluciones. Por ello, las asociaciones, la integración del ecosistema y los nuevos modelos de negocio, como los mercados de software basados en SaaS, son cada vez más importantes para introducir la IA en la práctica clínica. 

 

La puesta en marcha de proyectos exitosos de IA a gran escala requiere una intensa colaboración entre personas de muy diversa procedencia, desde médicos a científicos de datos, pacientes, responsables de la toma de decisiones en los hospitales y profesionales de la informática. Las asociaciones son la clave para reunir estas disciplinas. Por ejemplo, como parte de BigMedilytics -un consorcio de big data apoyado por la UE y dirigido por Philips Research- hemos estado trabajando estrechamente con socios clínicos en el desarrollo de modelos predictivos para los resultados de la cirugía del cáncer de próstata, que pueden ayudar a los médicos y a los pacientes en sus decisiones de tratamiento, para mejorar los resultados y la calidad de vida.

 

A través de las asociaciones y la integración del ecosistema, los grandes proveedores de soluciones sanitarias como Philips también pueden facilitar a los hospitales la integración de las aplicaciones de IA de las empresas emergentes en sus flujos de trabajo. Por ejemplo, en el ámbito de la radiología, esto puede adoptar la forma de un mercado de software comisariado que permita a los radiólogos descargar aplicaciones validadas de un gran número de desarrolladores de terceros a través de una plataforma común, sin tener que preocuparse por las integraciones punto a punto. Al proporcionar este tipo de servicios a través de la nube sobre una base de software como servicio (SaaS), las aplicaciones de IA pueden desplegarse más fácilmente y actualizarse con el tiempo, para una innovación continua.

AI in healthcare: Robustness image

Por último, unos criterios claros para el reembolso de la IA en la asistencia sanitaria también serán cruciales para una mayor adopción. En la actualidad, la financiación de la IA sigue siendo incierta en muchos casos. Los sistemas de reembolso no se han diseñado teniendo en cuenta la IA. La transición de modelos de pago por servicio a modelos de pago basados en el valor contribuiría en gran medida a crear el marco de incentivos adecuado para la adopción sostenible de la IA en la asistencia sanitaria. Esto debe ir acompañado de más estudios clínicos prospectivos que establezcan la mejora de los resultados mediante el uso de la IA, demostrando su valor para los proveedores, los pagadores y los pacientes [13].

 

Está claro que sigue habiendo una gran variedad de retos, muchos de los cuales no tienen que ver con la tecnología en sí. Para impulsar la adopción de la IA en la sanidad a gran escala, debemos adoptar una visión mucho más amplia y preguntarnos cuál es la mejor manera de integrar la IA en los flujos de trabajo, las políticas y los ecosistemas que hacen posible la transformación real. Solo si abordamos estos factores de forma concertada podremos cumplir toda la promesa de la IA. Se lo debemos a todos los profesionales sanitarios y a los pacientes cuyas vidas podrían mejorar con ella.

Más información sobre la IA en la sanidad

Si quiere saber más sobre cómo la IA puede añadir valor a los pacientes y a los profesionales sanitarios en todo el proceso de atención, descargue nuestro documento de posición "Cómo la IA puede mejorar la experiencia humana en la atención sanitaria"

Referencias

 

[1] Organización Mundial de la Salud. https://www.who.int/news/item/28-05-2019-addressing-the-18-million-health-worker-shortfall-35-concrete-actions-and-6-key-messages

[2] Informe nacional de Medscape sobre el agotamiento y el suicidio de los médicos 2021

[3] Scientific American. https://blogs.scientificamerican.com/observations/electronic-health-records-and-doctor-burnout/

[4] Kelly, CJ, Karthikesalingam, A, Suleyman, M, Corrado, G, King, D. 2019. Desafíos clave para ofrecer un impacto clínico con la inteligencia artificial. BMC Medicine 17, 1:195. https://doi.org/10.1186/s12916-019-1426-2 

[5] Strohm, L, Hehakaya, C, Ranschaert, ER, Boon, WPC, Moors, EHM. 2020. Implementation of artificial intelligence (AI) applications in radiology: hindering and facilitating factors. European Radiology. 30, 5525-5532. https://doi.org/10.1007/s00330-020-06946-y 

[6] Marx, E & Padmanabhan, P. Healthcare Digital Transformation. 2020

[7] Kwee, TC, Kwee, RM. 2021. Carga de trabajo de los radiólogos de diagnóstico en el futuro previsible basada en los recientes avances científicos: expectativas de crecimiento y papel de la inteligencia artificial. Insights Imaging 12, 88 https://doi.org/10.1186/s13244-021-01031-4 

[8] Richardson, ML, Garwood, ER, Lee, Y, et al. 2021. Noninterpretive Uses of Artificial Intelligence in Radiology, Academic Radiology, 28(9). https://doi.org/10.1016/j.acra.2020.01.012 

[9] Rieke, N, Hancox, J, Li, W, et al. 2020. El futuro de la salud digital con el aprendizaje federado.  NPJ Digital Medicine, 3, 119. https://doi.org/10.1038/s41746-020-00323-1 

[10] Frid-Adar, M, Diamant, I, Klang, E, et al. 2018. Aumento de la imagen médica sintética basada en GAN para aumentar el rendimiento de la CNN en la clasificación de lesiones hepáticas. Neurocomputing. 321:321-331. https://doi.org/10.1016/j.neucom.2018.09.013 

[11]https://www.accenture.com/us-en/insights/health/leaders-make-recent-digital-health-gains-last 

[12]https://www.beckershospitalreview.com/healthcare-information-technology/healthcare-cios-in-2020-3-key-priorities-how-the-role-is-evolving.html 

[13] McKinsey y EIT Health. Transforming healthcare with AI: the impact on the workforce and organizations. https://www.mckinsey.com/industries/healthcare-systems-and-services/our-insights/transforming-healthcare-with-ai

Share on social media

Topics

Authors

Henk van Houten

Henk van Houten

Vicepresidente Ejecutivo y Director de Tecnología, Royal Philips

Como director de tecnología en Philips, Henk y su oficina orquestan la investigación y la innovación en todas las empresas y mercados, para crear soluciones integradas en toda la atención continua, habilitadas por tecnologías digitales, sistemas y dispositivos inteligentes. Henk también impulsa la excelencia en software, ciencia de datos e IA.

Follow me on

You are about to visit a Philips global content page

You are about to visit the Philips USA website.

Tina Manoharan

Tina Manoharan

Líder Global de Data Science y Centro de Excelencia de IA,

Centro de Excelencia de Ciencia de Datos e IA

Como líder global del Centro de Excelencia de Ciencia de Datos e IA, Tina aprovecha la ciencia de datos y la IA para apoyar a los clústeres, empresas y mercados de Philips con la creación de dispositivos, servicios y soluciones conectados inteligentes. También dirige la División Digital de Investigación en Europa centrándose, entre otros, en el Internet de las Cosas, la ciencia de datos y la IA.

Follow me on

You are about to visit a Philips global content page

You are about to visit the Philips USA website.

Related news

You are about to visit a Philips global content page

You are about to visit the Philips USA website.

Nuestro sitio se puede visualizar mejor con la última versión de Microsoft Edge, Google Chrome o Firefox.