La inteligencia artificial (IA) hace referencia a la imitación de las funciones cognitivas del ser humano y es una técnica innovadora y disruptiva que puede llegar a cambiar la sociedad, incluyendo el mundo laboral y el ámbito sanitario. En el ámbito de la salud,  “todas las imágenes médicas serán analizadas primero por una máquina en diez años”, según ha asegurado Roberto Lang, director de Imagen en Cardiología de la Universidad de Chicago; por otra parte existe un estudio realizado en la Medical University of Vienna, donde se menciona que la IA no podrá sustituir a los médicos por completo, debido a que  el proceso diagnóstico clínico es mucho más complejo que la información procedente de una imagen, pero si podrá hacerlos mejores profesionales.

¿En dónde se utiliza la Inteligencia Artificial (IA) actualmente?

Existen muchos tipos de datos donde la IA ya es usada en el sector salud, destacando principalmente las áreas de diagnósticos de imagen, electrodiagnóstico y el ámbito de la genética. De la misma manera, ha existido un gran incremento en el número de aplicaciones de IA en el ámbito de la salud aprobadas por la Administración de Alimentos y Medicamentos (FDA, por sus siglas en inglés).

A continuación, una breve lista de algunos ejemplos donde actualmente se usa IA en el sector salud:

Diagnóstico de neumonía en radiografía de tórax

En el 2017, un equipo desarrollo una red neuronal convolucional de 121 capas llamada “CheXNet” donde se procesó más de 100,000 radiografías de tórax posteroanteriores, con 14 enfermedades relacionadas al diagnóstico de neumonía y aseguran que su algoritmo es igual de eficiente que un radiólogo.

Diagnóstico precoz de cáncer de mama en mamografía (mastografía)

En mayo del 2019, un equipo del Computer Science and Artificial Intelligence Laboratory (CSAIL) ha desarrollado un algoritmo con más de 60,000 mastografías o mamografías con la intención de predecir la aparición de cáncer de mama hasta con 5 años de antelación.

Diagnóstico de enfermedad bipolar por publicaciones en redes sociales

Se han desarrollado algoritmos que escanea datos de texto y audio, para diagnosticar alteraciones emocionales, obtenidas de redes sociales como Twitter y Facebook. Se basan en la forma de escribir y problemas como el insomnio y se indica algunas pueden llegar a tener una  precisión en torno al 91%.

Desarrollo de nuevos fármacos

Existe un consorcio de los investigadores del Massachusetts Institute of Technology con ocho grandes empresas farmacéuticas incluyendo Bayer, Amgen, Lilly, ente otras, donde se aplicará inteligencia artificial al desarrollo de nuevos fármacos y  se le conoce como “Machine Learning for Pharmaceutical Discovery and Synthesis Consortium”.

La IA ayuda en la incorporación de procesos automatizados en la síntesis de productos químicos y en los estudios entre moléculas y funciones biológicas. También se busca compartir información para establecer “benchmarks” globales de función de los nuevos algoritmos para evitar trabajar en silos aislados.

Una reciente publicación de Insilico Medicine e investigadores de la University of Toronto han demostrado que puede desarrollarse un potencial nuevo fármaco en solo 46 días, donde se combinaron dos técnicas de inteligencia artificial para el aprendizaje.

Estos son algunos ejemplos de como la IA esta dando resultados en el ámbito de la salud y están en desarrollo muchas otras ideas innovadoras. Esperemos que técnicas como la anterior puedan dar soluciones a problemáticas como las que actualmente padece el mundo, desde el COVID-19 hasta la resistencia antimicrobiana.

Referencias:

• Nuin, J. J. B., Sanz, E. P., & Moreno, E. C. (Eds.). (2020). Manual Práctico de Inteligencia Artificial En Entornos Sanitarios. Elsevier. Disponible en: https://www.elsevier.com/books/manual-practico-de-inteligencia-artificial-en-entornos-sanitarios/beunza-nuin/978-84-9113-801-3 [Accesado mayo 1, 2020].

• García, D. N. M., Flores, V. M. D., López, J. L. H., Jiménez, E. I. A., & Acurio, E. F. V. (2019). Avances de la inteligencia artificial en salud. Dominio de las Ciencias, 5(3), 603-613. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=7154291  [Accesado mayo 1, 2020]. 

• Rajpurkar, P., Irvin, J., Zhu, K., Yang, B., Mehta, H., Duan, T., ... & Lungren, M. P. (2017). Chexnet: Radiologist-level pneumonia detection on chest x-rays with deep learning. arXiv preprint arXiv:1711.05225. Disponible en: https://arxiv.org/abs/1711.05225 [Accesado mayo 14, 2020]. 

• Yala, A., Lehman, C., Schuster, T., Portnoi, T., & Barzilay, R. (2019). A deep learning mammography-based model for improved breast cancer risk prediction. Radiology, 292(1), 60-66. Disponible en: https://doi.org/10.1148/radiol.2019182716 [Accesado mayo 14, 2020].

• Huang, Y. H., Wei, L. H., & Chen, Y. S. (2017). Detection of the prodromal phase of bipolar disorder from psychological and phonological aspects in social media. arXiv preprint arXiv:1712.09183 .Disponible en: https://arxiv.org/abs/1712.09183 [Accesado mayo 14, 2020].