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

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.

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.

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.

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.