Inteligencia artificial para el avance de los sistemas de salud. Posibles aportes y retos

Resumen

La creciente disponibilidad de grandes conjuntos de datos y de nuevos métodos analíticos, sumado a los avances simultáneos en la infraestructura de las tecnologías de la información (TIC) y la cobertura poblacional de la tecnología móvil, han motivado la esperanza de que la IA permita abordar los retos sanitarios futuros. La IA puede utilizar algoritmos sofisticados para “aprender” características de un gran volumen de datos sanitarios y utilizar los conocimientos obtenidos para ayudar a la práctica clínica. También puede estar dotada de capacidades de aprendizaje y autocorrección para mejorar su precisión en función de la información recibida. Los dispositivos de IA utilizados en el ámbito de la salud se pueden dividir en dos categorías principales: las técnicas de aprendizaje automático (Machine Learning - ML) que analizan datos estructurados como los datos de imagen, genéticos y electrofisiológicos, que intentan agrupar los rasgos de los pacientes o inferir la probabilidad de los resultados de la enfermedad, y los métodos de procesamiento del lenguaje natural (PNL) que extraen información de datos no estructurados como notas clínicas/revistas médicas para complementar y enriquecer los datos médicos estructurados. Las limitaciones actuales de la iHealth y la eHealth en general incluyen los costes financieros, las barreras culturales, lingüísticas y de alfabetización, los problemas de suministro de energía, la seguridad de los datos y los problemas de privacidad. Los puestos de trabajo en el sector sanitario con más probabilidades de ser automatizados parecen ser aquellos en los que parte de sus tareas implican el manejo de información digital, como la radiología y la patología, al contrario de aquellos basados en las relaciones humanas y el contacto directo con pacientes.