La llegada de la inteligencia artificial (IA) al campo de la salud ha supuesto un cambio de paradigma en la forma de ver y tratar las enfermedades. Los avances tecnológicos contribuyen a la mejora de la salud de las personas al permitir el desarrollo de mejores fármacos y dianas moleculares, a la vez que posibilitan llevar las terapias mucho antes de lo previsto al mercado. La IA se viene aplicando en medicina desde su aparición en los años 60, aunque con el desarrollo de las redes, del acceso a datos y los nuevos algoritmos de aprendizaje automático ha sufrido un crecimiento exponencial.
Según un informe de Frost & Sullivan, con inteligencia artificial se pueden alcanzar mejoras de los resultados en salud de alrededor del 30-40 por ciento, reducciones de hasta un 50 por ciento del coste de la atención al paciente y generar un fuerte impulso a la investigación de nuevos tratamientos. Esto ha generado a nivel global un gran interés en el desarrollo de soluciones de IA para Salud. Como refleja el informe ‘Artificial Intelligence in Healthcare Market’, de la revista MarketsandMarkets, se prevé que el sector de la IA llegue a 67.400 millones de dólares en 2027.
“La IA está provocando de una manera acelerada cambios en la forma de trabajar de los profesionales. Nos va a ayudar a extraer de forma más rápida conclusiones manejando millones de datos. Por tanto, va a ser una herramienta de ayuda que les va a facilitar el trabajo a los profesionales sanitarios y les va a permitir disponer de más tiempo para centrarse en aquello que realmente aporta valor”, explica a la a la Revista Española de Economía de la Salud (EDS) Manuel Escobar, director clínico de Diagnóstico por Imagen del Hospital Universitari Vall d’Hebron.
En la práctica médica actual, las aplicaciones de la IA más utilizadas son las algorítmicas (enfoques basados en la evidencia, programados por investigadores y clínicos). Cuando las personas integran datos conocidos en algoritmos, los ordenadores pueden extraer información y aplicarla a un problema. A día de hoy, todas las áreas terapéuticas se pueden beneficiar de la IA. En los hospitales españoles existen ejemplos de su aplicación que van desde asma, enfermedades infecciosas, varios tipos de cáncer, digestivo, predicción de problemas cardiacos, diagnóstico por imagen (radiología, placas de tórax, diagnóstico de fracturas en extremidades), hematología, pediátrica, hasta urología.
“Hay muchísimos campos en los que se puede aplicar la IA en todo el proceso asistencial, desde el diagnóstico, el apoyo a la terapia personalizada, la interpretación de imágenes, de señales, hasta el seguimiento de los tratamientos. Prácticamente tenemos ejemplos de proyectos en todas esas fases y en una amplia gama de patologías”, sostiene Fernando Martín, subdirector gerente de Estrategia Digital del Hospital La Paz.
Madrid invierte en modelos de IA
Hace apenas unas semanas, la Comunidad de Madrid anunció que invertirá 15,9 millones de euros hasta 2028 para renovar, actualizar y modernizar tecnológicamente la infraestructura informática de almacenaje de pruebas diagnósticas por imagen para todos los hospitales públicos. Según el gobierno regional, incorporará herramientas de vanguardia, como la IA, para ayudar a aumentar la precisión de los diagnósticos y agilizar las decisiones clínicas, lo que incidirá en la optimización de recursos y de tiempos de respuesta. De esta forma, los hospitales públicos madrileños usarán IA en radiología para centralizar las pruebas por imagen y agilizar los procesos. Se trata de una red de imágenes que están conectadas para que cualquier médico pueda consultarlas, independientemente del hospital donde se hayan realizado.
El Hospital Universitario La Paz marca el ritmo en España de la integración de la IA en salud con la identificación de más de 40 casos de uso que involucran a 26 servicios del hospital. Su implementación en la automatización de procesos rutinarios marca la diferencia en la atención de los pacientes. Fiel a esta filosofía, el hospital madrileño lidera la investigación en torno a la IA desde la sanidad pública.
Por ello, aplican la IA para hacer diagnóstico diferencial en medicina interna y para hacer diagnóstico de infecciosas en medicina tropical. “Contamos con el área de algoritmos de Machine Learning para interpretar y diagnosticar a partir de señales y de imagen, pero también con el procesamiento del lenguaje natural o con la aplicación de robótica en arritmias. En análisis de datos hay muchísimos ejemplos de predicción de riesgo de recaída en cáncer. Tenemos clasificación de distintos tipos de cáncer cerebral en función del análisis de unos patrones genéticos, conocidos como metiloma. Por último, podemos predecir supervivencia después de trasplante y monitorizar alertas y descompensación en pacientes pediátricos crónicos”, explica Martín.
El campo de la Neurología también se beneficia de algunas aplicaciones de IA para conseguir imágenes con mucha fiabilidad atómica. Además, en colaboración con la Universidad Politécnica de Madrid, la Sección de Neurosonología y Neurología Computacional ha desarrollado un proyecto para el análisis computacional del movimiento que cuantifica el déficit funcional. Asimismo, ha desarrollado una herramienta que ayuda en la comunicación y recuperación del lenguaje en pacientes con afasia. El Servicio de Hemato-Oncología pediátrica, por otra parte, ha desarrollado un modelo predictivo de supervivencia al trasplante de progenitores hematopoyéticos alogénico.
Pero los avances logrados por el Hospital La Paz van un paso más allá en todo lo relacionado con el diagnóstico por imagen. El hospital madrileño ha viajado al espacio, de la mano de la Agencia Espacial Europea (ESA), para asistir a los astronautas en futuras misiones. El proyecto ALISSE aplica la IA para que los astronautas sean capaces de adquirir planos de ecografía estándar que sirvan para el diagnóstico remoto desde la Tierra.
El Hospital Universitari Vall d’Hebron también cuenta con numerosos proyectos de IA en la actualidad. En primer lugar, participa en el proyecto Tartaglia junto con otras entidades internacionales y nacionales. El proyecto permitirá entrenar algoritmos de IA para mejorar el diagnóstico de diferentes enfermedades. En su caso, trabaja en los campos del diagnóstico del cáncer de páncreas y para mejorar la adquisición de imágenes de ecocardiografía para detectar patologías del corazón.
El hospital catalán también es uno de los 20 socios europeos del proyecto PHASE-IV para optimizar el uso de la IA y el análisis de datos en la asistencia sanitaria. PHASE-IV-AI avanzará el sistema actual de métodos de síntesis de datos hacia un enfoque más generalizado de generación de datos sintéticos y desarrollará métricas para su validación. Para ello, harán tres pruebas clínicas en la vida real en enfermedades de alto impacto como el cáncer de pulmón, el cáncer de próstata y el ictus isquémico.
Por último, han incorporado el asistente virtual del proyecto AZerca para mejorar el seguimiento de la enfermedad pulmonar obstructiva crónica (EPOC). El objetivo principal es realizar un seguimiento personalizado de los pacientes que sufren esta enfermedad y reducir la carga asistencial. “Lo vamos a utilizar en un estudio que incluirá a pacientes con EPOC agudizadores, reclutando desde consultas, tanto a aquellos que presentan agudizaciones frecuentes como a aquellos que ingresan por una agudización grave de la EPOC. Para ello, este asistente llamará a los pacientes con una periodicidad semanal para evaluar cuál es su situación clínica mediante una serie de preguntas y cuestionarios de síntomas”, explica Miriam Barrecheguren, adjunta del servicio de Neumología del Vall d’Hebron y responsable del proyecto AZerca.
“La mayoría de los proyectos del Vall d’Hebron están orientados a la oncología, enfermedades cardiovasculares y radiología de la mujer, específicamente del cáncer de mama. No obstante, todos están en fase de investigación, por lo que aún no están disponibles en la cadena asistencial. Además de los mencionados anteriormente, también estamos trabajando en un proyecto donde validamos clínicamente un software que detecta anomalías en la radiografía de tórax para el ámbito de las urgencias. Otro de los proyectos evalúa biomarcadores para saber cuándo un paciente tiene un cáncer de próstata a través de un algoritmo de imagen”, afirma Escobar.
Marco regulatorio
El marco regulatorio en torno a la IA está cambiando rápidamente y los gobiernos de todo el mundo están trabajando para establecer una regulación eficaz. En territorio europeo, la Comisión Europea estableció un marco regulador para ella en 2021, a la espera de que se apliquen las normas definitivas. En Reino Unido, el gobierno también publicó en marzo de 2023 unas directrices para regular la IA generativa que incluyen la notificación de datos, la responsabilidad del ciclo de vida y la colaboración de la industria con el objetivo de fomentar la adaptabilidad y la autonomía.
Por su parte, la Administración de Alimentos y Medicamentos (FDA, por sus siglas en inglés) ya ha aprobado más de 520 dispositivos médicos que utilizan IA. Los sistemas tradicionales de IA suelen basarse en reglas o estadísticas, lo que significa que están diseñados para seguir instrucciones específicas o hacer predicciones basadas en datos históricos. Sin embargo, estos sistemas pueden tener una capacidad limitada para adaptarse a nuevas situaciones o aprender de nuevos datos. En este contexto, la designación GenAI implica que las empresas están incorporando esta tecnología a su propuesta de valor actual. Por tanto, se trata de un subconjunto más reciente de la IA que es más flexible y adaptable que los sistemas tradicionales.
La Organización Mundial de la Salud (OMS) también ha publicado una guía sobre ética y gobernanza de la IA para grandes modelos de lenguaje multimodales (LMM, por sus siglas en inglés). Estas orientaciones son una actualización y ampliación de las recomendaciones que la organización internacional publicó en junio de 2021. Este documento está enfocado al uso adecuado de los modelos de lenguaje multimodales, un tipo de tecnología capaz de aceptar y procesar información de varios tipos, como imágenes, vídeos y texto, y generar resultados que no se limitan al tipo de dato introducido. Este tipo de modelo de IA está muy avanzado en cuanto a su capacidad para realizar tareas para las que no fueron programas explícitamente. En este sentido, la OMS señala más de 40 recomendaciones para que las empresas de tecnología, proveedores de atención médica y gobiernos las tengan en consideración.
Retos futuros
Las nuevas tecnologías de salud digital, y en concreto la IA, pueden contribuir al desarrollo de la medicina, proporcionando a los clínicos información hasta ahora inimaginable. El aprendizaje automático tiene un potencial indiscutible, pero el acceso al big data, su correspondiente análisis inteligente y la incorporación de los resultados de estos algoritmos en el campo de la salud son cuestiones que plantean una serie de retos de carácter ético y legal.
Un informe elaborado por la Fundación Instituto Roche identifica que el primer reto tiene que ver con el big data y la privacidad de los datos, ya que las herramientas de IA utilizan y aprenden a partir de datos de pacientes e individuos sanos. A día de hoy, ni la LO 3/2018 ni el RGPD hacen referencia al manejo de datos relacionados con la salud en el marco asistencial o clínico, sino que sólo se contempla el uso de datos en la investigación biomédica. “En este caso sí que se impone la protección de los datos de los individuos, de modo que la privacidad debe garantizarse desde el inicio en la gestión y ciclo de vida del tratamiento de datos. La IA puede ofrecer múltiples beneficios a la sociedad siempre que se mantenga el respeto por los derechos de las personas, su privacidad y la protección de sus datos personales. Este aspecto es crítico sobre todo en el campo de la salud, donde los sistemas de información disponen de grandes cantidades de datos”, recoge el documento.
Según los expertos, el procedimiento de anonimización puede resultar sencillo. Sin embargo, el proceso completo de los datos de pacientes no siempre se puede garantizar. “Por ejemplo, se pueden emplear técnicas de procesamiento de lenguaje natural sobre texto abierto de la historia clínica digital para excluir los nombres propios de los pacientes. El problema radica en que pueden existir ambigüedades en el lenguaje que son difíciles de explicar a las máquinas (el término ‘sol’ puede ser un factor de riesgo de melanoma o el nombre del paciente)”, expresa el texto.
“La medicina es quizás el campo más difícil donde se aplica la IA por toda la incertidumbre que tiene el conocimiento todavía incompleto del cuerpo humano y también por la complejidad de los sistemas sanitarios. Nos enfrentamos a problemas de tipo de acceso a datos de calidad en gran volumen (interoperabilidad, acceso a todas las fuentes de datos clínicos). Por ello, tenemos que proteger la privacidad y la seguridad de los datos de los pacientes y tener cuidado de que los algoritmos que aplicamos no tengan sesgos, asegurarnos que esto se integra en el circuito de trabajo de los clínicos, mantener toda la ética y conseguir la confianza tanto de los profesionales como de los pacientes”, reitera Martín.
Otro de los retos consiste en disponer de un repositorio que agrupe la evolución de los datos relevantes del paciente (clínicos, genómicos o de estilo de vida) sobre el que desarrollar las aplicaciones. Esto se debe a distintas causas, como la variabilidad en la calidad de los datos de los sistemas origen, la abundancia de información textual y no estructurada, las diferentes nomenclaturas en los distintos aplicativos de historias clínicas digitales y el reducido control del linaje y origen de los datos. Además, los repositorios están dispersos ente los distintos proveedores sanitarios, públicos y privados, lo que complica compartir los datos entre los diferentes usuarios y a la vez garantizar el cumplimiento de los requerimientos de protección y confidencialidad de datos.
“Desde mi punto de vista, el principal reto que tenemos no es tecnológico, sino que es de transformación cultural, tanto de los profesionales como de los pacientes. Hemos de ser capaces de generar un entorno de confianza suficiente en profesionales y pacientes para ir adoptando las soluciones de IA y ser capaces de transformar el sistema sanitario tal y como lo conocemos”, señala Escobar. Por último, Barrecheguren concluye que “los retos de la IA residen en encontrar las herramientas que permitan optimizar el tiempo a los profesionales sanitarios para obtener el máximo beneficio para el paciente. El contacto del médico con el paciente es insustituible, pero sí que hay algunas tareas que se pueden delegar utilizando IA”.
