A pesar de que todavía quede mucho camino por recorrer, el uso de la inteligencia artificial (IA) es ya una realidad en diferentes campos de la medicina. El uso de herramientas tipo Chat GPT o las aplicaciones de análisis de imagen se sirven de la IA para encontrar respuestas a preguntas complejas o ofrecer diagnósticos más ágiles y precisos.

Aun así, su desarrollo es desigual en función de las especialidades. No obstante, son cada vez más las sociedades científicas en España que avanzan en líneas de investigación y/o aplicaciones que permitan aplicar el uso de esta nueva tecnología para optimizar la especialidad.

En cifras, un informe de Frost & Sullivan señala que el uso de la inteligencia artificial puede lograr mejoras de entre el 30 y el 40 por ciento en resultados en salud. También, reducir hasta en un 50 por ciento el coste de la atención al paciente, además de ayudar al desarrollo de nuevos tratamientos. En la práctica clínica, facultativos de diferentes especialidades respaldan estos datos desde un prisma cualitativo, apuntando a que el uso de la IA puede ayudar en términos de diagnóstico, selección de tratamientos o seguimiento del paciente a través de diferentes parámetros, lo que redunda en una optimización del tiempo y, por tanto, también en una reducción de costes.

Actualmente, una gran parte de iniciativas relacionadas con el uso de la inteligencia artificial en salud se están llevando a cabo gracias a la colaboración público-privada. Y es que, unir el conocimiento de las compañías que trabajan en este ámbito a la experiencia de los facultativos ya ha puesto de manifiesto los nuevos horizontes que puede alcanzar la IA.

Muchos proyectos de IA se están llevando a cabo gracias a la colaboración público-privada

Oncología

En oncología, la inteligencia artificial puede ser útil a diferentes niveles. Actualmente ya existen avances y se sigue trabajando en el desarrollo de la IA generativa, procesos de aprendizaje automático y el deep machine learning. El objetivo es entrenar estos modelos, nutriéndolos de datos fiables basados en la evidencia científica que puedan ayudar en la toma de decisiones. Así, aunque empiece a usarse en pequeñas dosis, la IA en oncología es todavía una opción de futuro.

Durante el XII Foro ECO una de las mesas redondas abordó el presente y el futuro de la inteligencia artificial en el abordaje del cáncer. Una de las principales conclusiones a la que llegaron los expertos es que, la clave del éxito residirá en realizar una correcta curación de los datos en los sistemas de IA para lograr que esta herramienta aporte resultados rigurosos; asimismo, apuntaron a la importancia de entrenar correctamente esta tecnología para evitar las denominadas ‘alucinaciones’.

Asimismo, uno de los retos pasa por que los sistemas de recogida de datos que se creen estén orientados a la extracción. Y es que, si bien empezaron a registrarse los datos, por ejemplo, en las historias clínicas, de manera digital, estos sistemas están diseñados para el almacenamiento, pero no para que luego se puedan extraer; teniendo este aspecto en cuenta, se asegurará su utilidad en el futuro.

Otro de los aspectos importantes en cuanto al uso de la IA en oncología es que, con la información disponible en la actualidad, la imagen es el formato que más fiabilidad aporta. Esto sucede porque las imágenes que se usan en oncología están ya generadas por máquinas y su interpretación será también llevada a cabo por estas. Así, se podría decir que se usa el mismo lenguaje en su generación e interpretación, lo que facilita el proceso y reduce el margen de error. Cabe destacar que el uso de imagen en oncología es muy habitual en el diagnóstico, ya que, a través de ecografías, radiografías o el PET-TAC se identifican las lesiones; usar herramientas de IA que comparen estos datos con otros similares puede ayudar a los facultativos a detectar lo que escapa de la percepción humana y a identificar anomalías de una manera más rápida y rigurosa.

A día de hoy, ya existen ejemplos -impulsados por la colaboración público-privada de la aplicabilidad de la IA. Uno de ellos es el proyecto CamON, una herramienta de gestión y benchmarking en cáncer de mama, impulsado por IQVIA con el respaldo de la Alianza Dacihii Sankyo-AstraZeneca y con participación de los hospitales 12 de Octubre, Son Espases, Fundación Jiménez Díaz, Bellvitge, Institut Català d’Oncologia (ICO), La Fe y Ribera Salud. A través de esta iniciativa se ha logrado contar con un gran registro de pacientes que ha permitido analizar diferentes cohortes. Así, esta acción se posiciona como muestra de las posibilidades actuales que otorga la IA en el abordaje del cáncer. También, investigadores del King’s College London (KCL) han desarrollado un modelo basado en inteligencia artificial (IA) capaz de predecir las tasas de supervivencia de pacientes adultos con cáncer cerebral después de recibir tratamiento de radioterapia, el cual fue publicado en la revista Neuro-Oncology; este sistema predictivo permitirá identificar a aquellos pacientes que no vayan a beneficiarse de la quimioterapia a través de una resonancia magnética, lo que dará a los facultativos la oportunidad de explorar otras opciones de tratamiento, ‘saltándose’ el paso de comenzar con terapias que no iban a reportarles eficacia.

En definitiva, en oncología, la inteligencia artificial empieza a jugar y jugará en el futuro un papel determinante, aumentando la eficiencia al contar con la capacidad de analizar cantidades ingentes de información, tales como pruebas genéticas, imágenes y otra información incluida en las historias clínicas de los pacientes.

También, recientemente JAMA Oncology publicaba un artículo planteando la utilidad que podría tener la inteligencia artificial en los Comités Moleculares de Tumores. De este se extrae que gracias al uso de la inteligencia artificial mejoró la tasa de concordancia de las recomendaciones de las juntas de tumores moleculares y desarrolló de forma centralizada las recomendaciones de tratamiento consensuadas. En este sentido el estudio concluye que compartir recomendaciones de tratamiento, sobre todo en tumores con alteraciones genómicas que todavía tienen bajo nivel de evidencia, contribuye a mejorar la calidad de las decisiones de estos comités.

Neurología

Conscientes de las ventajas que puede aportar la inteligencia artificial, desde la Sociedad Española de Neurología (SEN) anunciaron en su último congreso la creación próxima de un Área de Neurotecnología e Inteligencia Artificial. José Miguel Láinez, presidente de la entidad por ese entonces, señalaba que “la irrupción de ChatGPT en noviembre de 2022 marcó un antes y una después en todo lo que concierne a la inteligencia artificial aplicada a la medicina”. En este sentido, la sociedad también señaló la creación de un programa para la incubación de startups tecnológicas que desarrollen modelos para retos clínicos no cubiertos; esta se denominará IncubaSEN, que apoyará estos proyectos de empresas para impulsar sistemas que ayuden a la labor del neurólogo. Para lograrlo, neurólogos e ingenieros trabajaran conjuntamente para detectar necesidades no cubiertas y ver de qué manera la tecnología basada en IA puede ponerse al servicio de esta especialidad médica.

Los datos reflejan que en los últimos cinco años ha aumentado en más de un 600% el número de dispositivos médicos de IA y aprendizaje automático aprobados por la FDA. En concreto, actualmente existen más de 520 dispositivos aprobados por el organismo regulador para su utilización en el campo de la medicina. De estos, un tercio puede tener aplicaciones en el día a día de la práctica neurológica.

Aun así, a pesar de los avances que se van vislumbrando en este campo, los expertos señalan que, en neurología, todavía queda un largo camino por recorrer. Y es que, de dos estudios presentados en el marco del último congreso de la SEN se extrae que la IA está todavía muy lejos de sustituir la valoración médica realizada por un profesional. Primeramente, uno realizado en Galicia, concluyó que el diagnóstico fue correcto en menos del 42 por ciento de los casos y que el tratamiento fue correcto únicamente en un 37 por ciento. En otro, realizado en Cataluña, solo se pudo obtener el diagnóstico en el 60 por ciento de los casos y, de estos, casi el 30 por ciento no coincidió con el diagnóstico final del neurólogo.

Por ello, aunque empiece a generarse la infraestructura que soporte todos estos datos, es necesario seguir investigando y recopilando datos de diferentes fuentes que ayuden a crear modelos más fiables y que tengan en cuenta las especificidades de la neurología.

Es necesario generar infraestructura que soporte grandes cantidades de datos y los clasifique

Cardiología

Como recoge la Revista Española de Cardiología, en el periodo de 2014 a 2019 el crecimiento de publicaciones sobre inteligencia artificial en esta especialidad fue exponencial. Así, en este mismo artículo se analiza la aplicabilidad de esta tecnología en arritmias, riesgo cardiovascular, cardiopatía isquémica, insuficiencia cardiaca, imagen cardiaca y otras aplicaciones dentro de este ámbito. En la mayoría de estas condiciones, la IA ha mostrado utilidad en la predicción de la aparición de estos fenómenos, y también ha sido de ayuda en la detección y clasificación de la enfermedad. Por ello, aunque quede camino por recorrer, en cierto modo se puede decir que la IA ya forma parte del presente de la cardiología. De hecho, en este mismo artículo se expone que “aunque a menudo se identifica la IA como un concepto futurista y lejano, lo cierto es que es una tecnología que ya se emplea hoy en todo tipo de áreas, entre ellas, la cardiología”.

Y es que, gracias a la digitalización de grandes cantidades de datos y diferentes algoritmos, la IA puede ser de gran utilidad para automatizar tareas, impulsar el uso de la medicina de la precisión o contribuir a los avances en investigación gracias a la identificación de patrones complejos dentro de bases de datos médicas.

No obstante, en el artículo se indica que el camino por recorrer para aplicar de manera generalizada estas técnicas en la práctica clínica, todavía es largo. Y, para avanzar en este camino, es fundamental seguir nutriendo las bases de datos con información de calidad que ayude a plantear de qué manera puede ser útil y mejorar la eficiencia del trabajo de los profesionales de la cardiología.

Actualmente los datos procedentes de pruebas de imagen, al estar generados por máquinas, son los más precisos al alimentar los sistemas

De la misma manera que en otras especialidades, la imagen es el área en el que la IA tiene más potencial actualmente en cardiología. Como recoge una publicación reciente de la Asociación Americana de Cardiología, esta tecnología tiene el potencial de agregar valor a las imágenes cardíacas en cada paso del recorrido del paciente. Esta utilidad se extiende desde la capacidad de seleccionar la prueba más adecuada hasta optimizar la adquisición y el análisis de imágenes. También permite interpretar los resultados para la clasificación y el diagnóstico y predecir el riesgo de complicaciones cardíacas graves. En este sentido, desde la entidad señalan que es necesario integrar las perspectivas de los agentes involucrados en cardiología e inteligencia artificial para crear valor y garantizar la implementación exitosa de herramientas de inteligencia artificial.

Dermatología

En la dermatología, las pruebas de imagen son fundamentales en la detección de muchas patologías. Por ello, alimentar bases de datos con imágenes de estas es crucial para que ayuden al dermatólogo a hacer un diagnóstico rápido y preciso. Como exponía Yolanda GIlaberte, presidenta de la Asociación Española de Dermatología y Venereología (AEDV), uno de los retos de esta especialidad pasa por integrar la IA en la práctica clínica. En este sentido expresaba que “hay muchos sistemas de diagnóstico que ahora están en marcha, porque la información que tenga un sistema de IA no será ni de lejos la que tenga un dermatólogo en su cabeza”.

A este respecto, cabe destacar que los sistemas de análisis de imagen que se respalden en la inteligencia artificial pueden percibir detalles inalcanzables para el ojo humano. Pero, como resaltaba Gilaberte, el desafío real pasa por “ver cómo integramos eso para que sea una herramienta que, sobre todo, ayude a la población a través de nosotros, no sin nosotros, me parece muy importante”.

Por ello, con la suma de estos análisis pormenorizados de imagen y la experiencia de los profesionales en dermatología, se espera poder avanzar hacia diagnósticos más tempranos y precisos. Esto, en enfermedades como el melanoma u otros tipos de cáncer de piel, puede ser clave en el pronóstico de la patología.

Reumatología

Desde la Sociedad Española de Reumatología (SER) afirman que en este campo también se están logrando importantes avances en España y cada vez hay más interés por integrar sistemas de inteligencia artificial. En concreto, en el marco del 23º Curso de Tutores y Residentes de la Sociedad Española de Reumatología que se ha celebrado recientemente, Diego Benavent, del Servicio de Reumatología del Hospital Universitario de Bellvitge (Barcelona), exponía que “esta tecnología está mostrando beneficios en Reumatología en las distintas esferas de investigación, práctica clínica y docencia, con unas grandes posibilidades para el futuro próximo que podrían revolucionar el diagnóstico y manejo clínico en esta especialidad”.

Durante su intervención, Benavent distinguió detalló que la IA discriminativa se centra en el uso de modelos que permiten manejar información con objetivos específicos, generalmente centrados en la clasificación y predicción de datos. Por ello consideró que, dentro de la especialidad, esta forma de IA es clave para estratificar en subgrupos de una enfermedad, mejorar el diagnóstico o predecir la evolución de una patología. Así, apuntó que “en la práctica clínica, puede servir como herramienta de asistencia en el día a día (automatización de tareas) y en el ámbito de investigación puede contribuir a una mejora en el diagnóstico”.

En cuanto a la IA generativa, precisó que es capaz de crear nuevo contenido basado en los datos que se han usado para su entrenamiento; en la labor de la reumatología Benavent señaló que “puede permitir una organización más eficiente de la información y llevarnos al texto que necesitamos, como si fuera una calculadora de letras. Por ejemplo, puede asistir en la escritura de manuscritos científicos, optimizar la generación de informes médicos o servir de herramienta de apoyo en las decisiones. Por otra parte, destacó las aplicaciones que puede tener a nivel formativo.

En definitiva, para Benavent, “la IA en Reumatología se puede entender como un colaborador intelectual que amplía las capacidades de investigación, gestión de la información y toma de decisiones clínicas”.

Perspectivas de futuro de la IA

Se estima que alrededor de uno de cada diez profesionales de la salud en España hace actualmente uso de herramientas de IA, mientras que el 42% prevé hacerlo en un futuro próximo. En concreto, según una revisión sistemática en la que ha participado el Dr. Benavent, se ha podido observar que España es uno de los países de la UE con el mayor número de publicaciones en el campo de la IA en Reumatología, junto con Alemania y Reino Unido.

“La aplicación de la IA en el análisis de grandes bases de datos puede ayudar a trabajar en la predicción de qué pacientes responderán mejor a ciertos tratamientos, transformando el enfoque actual por uno más adaptado a las necesidades individuales de cada paciente”, advierte el especialista. No obstante, —añade—“será necesario evaluar críticamente las herramientas para entender cuál puede ser más útil. Si se usa bien esta mejora en la eficiencia es probable que este camino ayude a afrontar el reto que supone un sistema de salud con una creciente carga asistencial sin un aumento equiparable de los recursos”.

Hepatología

La Asociación Española para el Estudio del Hígado (AEEH) anunciaba en marzo de 2023 el lanzamiento de LiverAI, herramienta informática de estudios clínicos y comunicación que utiliza la inteligencia artificial. Con este lanzamiento se convertían en la primera sociedad científica en incorporar una plataforma de estas características, puesta a disposición de todos sus asociados. El objetivo de este modelo es ayudar a los miembros de la AEEH en tareas relacionadas con su actividad investigadora como apoyo en la redacción de textos científicos, catalogación y comprobación de datos, formación y apoyo en toda su labor investigadora.

Desde su nacimiento, LiverAI cuenta ya con tres versiones. Y es que, como ya se informó en su lanzamiento, especializar cada vez más para que aprenda a procesar información y pensar como un hepatólogo y minimizando los errores.

Durante la presentación del último congreso de la AEEH, Rocío Aller, secretaria de la AEEH, destacó la gran ayuda que supone contar con esta herramienta. “LiverAI es especialista en hepatología y contesta como si fuera un hepatólogo; la hemos nutrido con guías, artículos, datos de los registros… y aunque estamos en fase de desarrollo, es capaz de detectar lesiones hepáticas”, explicaba. “La nueva versión permite además analizar imágenes de diferentes lesiones y esperemos que nos sea de ayuda a nivel académico”, añadía. Por su parte, Manuel Romero, presidente de la AEEH exponía que “LiverAI es una apuesta decidida de la Junta Directiva de la entidad”.

Asimismo, el especialista concretaba que esta aplicación “cuenta con el consenso de nueve sociedades científicas relacionadas”. “Tenemos la visión holística, y sus respuestas coinciden en un 97 por ciento con las ofrecidas por los profesionales de las diferentes áreas consultadas, por lo que creemos que se están obteniendo muy buenos resultados y nos confirma que puede ser de ayuda”, apuntaba. En este sentido, Aller indicaba que “es una herramienta que en la consulta puede ser realmente útil, que no viene a suplir al médico sino a ayudarle”.

Enfermedades infecciosas

Conscientes de la importancia de la inteligencia artificial, desde la Sociedad Española de Enfermedades Infecciosas y Microbiología Clínica (SEIMC), celebraron recientemente un curso de formación sobre esta tecnología. Antonio Rivero, uno de los coordinadores del curso, señalaba que el objetivo de estas sesiones fue “sentar las bases y conocer el potencial de la inteligencia artificial en las enfermedades infecciosas y la microbiología clínica; con los temas abordados, se empezará a trabajar próximamente para darle forma”.

En el curso se habló de cómo aplicaciones como Chat GPT pueden ayudar en el campo de las enfermedades infecciosas y la microbiología. Con la vista puesta en un futuro cercano, Rivero consideró que, en primer lugar, “con la información expuesta en las guías clínicas, puede ser de gran ayuda sobre todo para adjuntos jóvenes o residentes para resolver las dudas de manera rápida cuando estén con un paciente”. “En la actualidad los profesionales, en servicios como urgencias, llevan pequeños libros para su consulta y con esto se puede agilizar el tiempo hasta obtener la respuesta”, afirmó. Además, explicó que “cuando estos sistemas se vayan entrenando, además de con el lenguaje con el procesamiento de imágenes, la respuesta será cada vez más fiable”.

Por otra parte, Rivero expuso que la inteligencia artificial puede contribuir “a formar al paciente y crear concienciación”. “Para que el paciente participe en la toma de decisiones, hace falta que este disponga de un gran conocimiento de la patología y el contexto clínico; si se logra entrenar a un chat que explique las dudas con un lenguaje coloquial, se puede acelerar este proceso de empoderamiento”, precisó.
En este sentido, el portavoz de SEIMC indicó que “la inteligencia artificial tendrá muchas aplicaciones más adelante, pero que en el futuro próximo las opciones más realistas son las relativas a la formación de médicos y pacientes”.

Medicina Interna

Desde la Sociedad Española de Medicina Interna (SEMI) ponen en valor el uso de la inteligencia artificial en términos de gestión clínica. En un escenario en que los profesionales de esta área no pueden asumir toda la demanda, estructurar bien la información e introducirla en estas herramientas innovadoras puede ayudar a su interpretación. Así, la IV Reunión del Grupo de Gestión Clínica de la SEMI, abordó este tema.

Aquí, Raquel Barba, coordinadora del Grupo de Gestión Clínica de la SEMI y responsable del Área Médica del Hospital Universitario Rey Juan Carlos, expuso que los sistemas de gestión clínica basados en la IA proporcionan recomendaciones basadas en la mejor evidencia disponible y en los patrones aprendidos de grandes conjuntos de datos, mejoran el diagnóstico y la personalización del tratamiento”. Asimismo, apuntó que la automatización de procesos para realizar tareas administrativas y repetitivas “puede liberar tiempo valioso del personal médico para la atención directa al paciente”.

Cada dato fidedigno que se añade a los sistemas de IA contribuye a su aprendizaje y será útil en el futuro

Presente y futuro

Las especialidades analizadas son sólo una pequeña muestra de lo que está por venir en cuanto a inteligencia artificial aplicada en medicina. Tanto a nivel general, con herramientas como ChatGPT que van absorbiendo la información que le ofrecen los usuarios como por iniciativa de los profesionales de distintas especialidades, se espera que, además de formar parte del presente de la investigación y asistencia, se optimice su uso para que cada vez proporcionen más ayuda a los profesionales.

Así, estas herramientas tienen potencial para ayudar en el diseño de ensayos clínicos; contribuir en el desarrollo de medicamentos a través de análisis de grandes bases de datos de principios activos y compuestos; ser aliados de los profesionales en la consulta sirviéndoles de ayuda para encontrar respuestas rápidas a problemas complejos durante todo el proceso, desde el diagnóstico hasta el tratamiento; ayudando en la formación y actualización de conocimientos y siendo una palanca que ayude a optimizar la gestión clínica.

Cada dato que se introduce en estos sistemas es un paso más para construir la inteligencia artificial del mañana. Por ello, igual que hace dos décadas era inimaginable hasta dónde podían llegar estas nuevas tecnologías, el conocimiento que se tiene ahora de las mismas no permite contemplar todas las posibilidades que ofrecerán en el futuro. Mientras, es labor de los gobiernos y autoridades garantizar que se desarrollan mecanismos normativos que permitan este avance, pero salvaguardando la protección de datos de los ciudadanos y asegurando que no se traspasan principios éticos para impulsar estas herramientas.