Cinco formas de utilizar la IA generativa en la atención sanitaria

PwC predice que los costos de la atención médica aumentarán un 7% en 2024. Este aumento se atribuye principalmente al agotamiento de los trabajadores de la salud, la consiguiente escasez de mano de obra, las disputas entre pagadores y proveedores, y la inflación. Para garantizar una atención eficiente al paciente sin incurrir en costos operativos excesivos, la industria está explorando tecnologías innovadoras, como la IA generativa en la atención médica.

Accenture informa que el 40% de las horas de trabajo de los proveedores de atención médica se pueden mejorar con IA, mientras que un artículo reciente de Forbes sugiere que esta tecnología puede ahorrarle al sector médico estadounidense al menos 200 mil millones de dólares en gastos anuales.

La IA generativa en la atención médica utiliza algoritmos de aprendizaje automático para analizar datos no estructurados, como registros de salud de pacientes, imágenes médicas, grabaciones de audio de consultas, etc., y producir contenido nuevo similar a aquel en el que se ha entrenado.

En este artículo, nuestra empresa de desarrollo de IA generativa explicará cómo la tecnología puede ayudar a las organizaciones sanitarias.

Casos de uso de IA generativa en el sector sanitario

1. Facilitar la formación y la simulación médica.
2. Ayudando en el diagnóstico clínico.
3. Contribuir al desarrollo de fármacos
4. Automatizar tareas administrativas
5. Generando datos médicos sintéticos

Facilitar la formación médica y las simulaciones

La IA generativa en la atención médica puede generar simulaciones realistas que replican una gran variedad de condiciones de salud, lo que permite a los estudiantes y profesionales de medicina ejercer en un entorno controlado y sin riesgos. La IA puede generar modelos de pacientes con diferentes enfermedades o ayudar a simular una cirugía u otro procedimiento médico.

La formación tradicional implica escenarios preprogramados, que son restrictivos. La IA, por otro lado, puede generar rápidamente casos de pacientes y adaptarse en tiempo real a las decisiones que toman los alumnos. Esto crea una experiencia de aprendizaje más desafiante y auténtica.

Ejemplo de la vida real

La Universidad de Michigan construyó un modelo de IA generativa en el cuidado de la salud que puede producir varios escenarios para simular el tratamiento de la sepsis.

La Universidad de Pensilvania implementó un modelo de IA generativa para simular la propagación de la COVID-19 y probar diferentes intervenciones. Esto ayudó a los investigadores a evaluar el impacto potencial del distanciamiento social y la vacunación sobre el virus.

Ayudando en el Diagnóstico Clínico

Así es como la IA generativa para la atención médica puede contribuir al diagnóstico:

• Generación de imágenes médicas de alta calidad . Los hospitales pueden emplear herramientas de IA generativa para mejorar las capacidades de diagnóstico de la IA tradicional. Esta tecnología puede convertir exploraciones de mala calidad en imágenes médicas de alta resolución con gran detalle, aplicar algoritmos de inteligencia artificial para la detección de anomalías y presentar los resultados a los radiólogos.
• Diagnóstico de enfermedades . Los investigadores pueden entrenar modelos generativos de IA a partir de imágenes médicas, pruebas de laboratorio y otros datos de pacientes para detectar y diagnosticar la aparición temprana de diferentes afecciones de salud. Estos algoritmos pueden detectar cáncer de piel, cáncer de pulmón, fracturas ocultas, signos tempranos de Alzheimer, retinopatía diabética y más. Además, los modelos de IA pueden revelar biomarcadores que pueden causar trastornos particulares y predecir la progresión de la enfermedad.
• Respondiendo preguntas médicas . Los diagnosticadores pueden recurrir a la IA generativa en la atención sanitaria si tienen preguntas en lugar de buscar una respuesta en los libros de medicina. Los algoritmos de IA pueden procesar grandes cantidades de datos y generar respuestas rápidamente, lo que ahorra a los médicos un tiempo precioso.

Ejemplos de la vida real

Un equipo de investigadores experimentó con modelos de Generative Adversarial Network (GAN) para extraer y mejorar características en exploraciones médicas de baja calidad, transformándolas en imágenes de alta resolución. Este enfoque se probó en resonancias magnéticas cerebrales, dermatoscopia, fondo de ojo de retina e imágenes de ultrasonido cardíaco, y mostró una tasa de precisión superior en la detección de anomalías después de la mejora de la imagen.

En otro ejemplo, Med-Palm 2 de Google, impulsado por inteligencia artificial, se entrenó en el conjunto de datos MedQA y logró una tasa de precisión del 85 % al responder preguntas médicas relevantes. Google admite que el algoritmo aún necesita mejoras, pero es un buen comienzo para la IA generativa como asistente de diagnóstico.

Contribuyendo al desarrollo de medicamentos

Según la Oficina de Presupuesto del Congreso, el proceso de desarrollo de nuevos fármacos cuesta una media de entre 1.000 y 2.000 millones de dólares, lo que también incluye los fármacos fallidos. Afortunadamente, hay evidencia de que la IA tiene el potencial de reducir el tiempo necesario para diseñar y evaluar nuevos medicamentos casi a la mitad, ahorrando a la industria farmacéutica alrededor de $26 mil millones en gastos anuales en el proceso. Además, esta tecnología puede reducir los costos asociados con los ensayos clínicos en 28 mil millones de dólares al año.

Las empresas farmacéuticas pueden implementar IA generativa en la atención médica para acelerar el descubrimiento de fármacos mediante:

• Diseñar y generar nuevas moléculas con propiedades deseadas que los investigadores puedan evaluar posteriormente en entornos de laboratorio.
• Predicción de propiedades de nuevos fármacos candidatos y proteínas.
• Generar compuestos virtuales con alta afinidad de unión al objetivo que puedan probarse en simulaciones por computadora para reducir costos.
• Previsión de efectos secundarios de nuevos fármacos mediante el análisis de su estructura molecular.

Puede encontrar más información sobre el papel de la IA en el descubrimiento de fármacos y cómo facilita los ensayos clínicos en nuestro blog.

Ejemplos de la vida real

El aumento de asociaciones estratégicas entre empresas de biotecnología y nuevas empresas de IA es una señal temprana de que la IA generativa se está apoderando de la industria farmacéutica.

Recientemente, Recursion Pharmaceuticals adquirió dos nuevas empresas canadienses de inteligencia artificial por 88 millones de dólares. Uno de ellos, Valence, es conocido por sus capacidades de IA generativa y trabajará en el diseño de candidatos a fármacos basados ​​en conjuntos de datos pequeños y ruidosos que no son suficientes para los métodos tradicionales de descubrimiento de fármacos.

Otro ejemplo interesante procede de la Universidad de Toronto. Un equipo de investigación construyó un sistema de inteligencia artificial generativo, ProteinSGM, que puede generar nuevas proteínas realistas después de estudiar representaciones visuales de estructuras proteicas existentes. Esta herramienta puede producir proteínas a un ritmo elevado y luego se implementa otro modelo de IA, OmegaFold, para evaluar el potencial de las proteínas resultantes. Los investigadores informaron que la mayoría de las secuencias generadas novedosas se pliegan en estructuras proteicas reales.

Automatización de tareas administrativas

Este es uno de los casos de uso de IA generativa más destacados en la atención sanitaria. Los estudios muestran que la tasa de agotamiento entre los médicos en los EE. UU. ha alcanzado la friolera del 62%. Los médicos que padecen esta afección tienen más probabilidades de verse involucrados en incidentes que ponen en peligro a sus pacientes y son más propensos a abusar del alcohol y tener pensamientos suicidas.

Afortunadamente, la IA generativa en la atención sanitaria puede aliviar parcialmente la carga de los médicos al simplificar las tareas administrativas. Puede reducir simultáneamente los costos asociados con la administración, que, según HealthAffairs, representa entre el 15% y el 30% del gasto total en atención médica. Esto es lo que puede hacer la IA generativa:

• Extraer datos de los registros médicos de los pacientes y completar los registros sanitarios correspondientes. Microsoft planea integrar la IA generativa en el EHR de Epic. Esta herramienta realizará diversas tareas administrativas, como responder a los mensajes de los pacientes.
• Transcriba y resuma las consultas de los pacientes, complete esta información en los campos correspondientes del EHR y produzca documentación clínica. Nuance de Microsoft integró la tecnología de inteligencia artificial generativa GPT-4 en su software de transcripción clínica. Los médicos ya pueden probar la versión beta.
• Genere informes de salud estructurados analizando la información del paciente, como historial médico, resultados de laboratorio, exploraciones, etc.
• Elaborar recomendaciones de tratamiento.
• Responder a las consultas de los médicos.
• Encuentre franjas horarias óptimas para programar citas según las necesidades de los pacientes y la disponibilidad de los médicos
• Genere recordatorios de citas personalizados y correos electrónicos de seguimiento
• Revisar las reclamaciones del seguro médico y predecir cuáles es probable que sean rechazadas.
• Redactar encuestas para recopilar comentarios de los pacientes sobre diferentes procedimientos y visitas, analizarlos y producir información útil para mejorar la prestación de atención.

Ejemplo de la vida real

Navina, una startup de inteligencia artificial médica, creó un asistente de inteligencia artificial generativa que ayuda a los médicos a abordar las tareas administrativas de manera más eficiente. Esta herramienta puede acceder a datos de pacientes, incluidos EHR, reclamos de seguros y documentos escaneados, brindar actualizaciones de estado, recomendar opciones de atención y responder preguntas de los médicos. Incluso puede generar documentos estructurados, como cartas de recomendación y notas de progreso.

Navina ya ha obtenido 44 millones de dólares en financiación, lo que indica un gran interés por parte de la comunidad médica.

Generación de datos médicos sintéticos

La investigación médica se basa en el acceso a grandes cantidades de datos sobre diferentes condiciones de salud. Lamentablemente, estos datos faltan, especialmente cuando se trata de enfermedades raras. Además, recopilar dichos datos es costoso y su uso y distribución se rigen por leyes de privacidad.

La IA generativa en medicina puede producir muestras de datos sintéticos que pueden aumentar los conjuntos de datos de salud de la vida real y no están sujetos a regulaciones de privacidad, ya que los datos de atención médica no pertenecen a individuos en particular. La inteligencia artificial puede generar datos de HCE, escaneos, etc.

Ejemplos de la vida real

Un equipo de investigadores alemanes construyó un modelo impulsado por inteligencia artificial, GAnerAid, para generar datos sintéticos de pacientes para ensayos clínicos. Este modelo se basa en el enfoque GAN y puede producir datos médicos con las propiedades deseadas incluso si el conjunto de datos de entrenamiento original tuviera un tamaño limitado.

Otro equipo de científicos experimentó con IA generativa para sintetizar registros médicos electrónicos. Los investigadores estaban motivados por las restrictivas regulaciones de privacidad de datos y la incapacidad de compartir eficazmente los datos de los pacientes entre hospitales. Construyeron el modelo EHR-M-GAN que podría derivar datos EHR heterogéneos y de tipo mixto (lo que significa que contiene valores continuos y discretos) que representan de manera realista las trayectorias de los pacientes.

Consideraciones éticas y desafíos de la IA generativa en la atención médica

Aunque los gigantes de la tecnología y la consultoría continúan invirtiendo en IA, también podemos ver cómo destacados expertos en IA, incluidos el director ejecutivo de Tesla, Elon Musk, y el director ejecutivo de OpenAI, Sam Altman, advierten sobre los riesgos asociados con la tecnología. Entonces, ¿qué desafíos plantea la IA generativa a la atención sanitaria?

• Sesgo . El rendimiento de los modelos de IA es tan bueno como el conjunto de datos en el que fueron entrenados. Si los datos no representan de manera justa a la población objetivo, habrá lugar a sesgos en contra de los grupos menos representados. Como herramientas de IA generativa entrenadas con grandes cantidades de datos de registros de pacientes, heredarán cualquier sesgo presente allí, y será un desafío detectarlo, y mucho menos erradicarlo.
• Falta de regulaciones . Aunque la IA presenta considerables preocupaciones éticas, todavía no existen regulaciones oficiales que regulen el uso de esta tecnología. Estados Unidos y la UE están trabajando para formalizar políticas relevantes, pero esto no sucederá en el futuro cercano.
• Preocupaciones por la precisión . La IA comete errores y, en el sector sanitario, el precio de esos errores es bastante alto. Por ejemplo, los modelos de lenguaje grandes (LLM) pueden tener alucinaciones. Lo que significa que pueden producir resultados sintácticamente probables que sean objetivamente incorrectos. Las organizaciones sanitarias deberán decidir cuándo tolerar errores y cuándo exigir que el modelo de IA explique sus conclusiones. Por ejemplo, si se utiliza IA generativa para ayudar en el diagnóstico del cáncer, es poco probable que los médicos adopten dicha herramienta si no puede justificar sus recomendaciones.
• Responsabilidad . ¿Quién es responsable del resultado final de salud? ¿Es el médico, el proveedor de IA, los desarrolladores de IA o alguna otra parte? La falta de responsabilidad puede tener un impacto negativo en la motivación y el desempeño.

¿Listo para mejorar su práctica de atención médica con IA generativa?

Los algoritmos de IA generativa son cada vez más potentes. Robert Pearl, profesor clínico de la Facultad de Medicina de la Universidad de Stanford, dijo:

“ChatGPT está duplicando su poder cada seis meses a un año. En cinco años será 30 veces más potente que hoy. Dentro de 10 años será 1.000 veces más potente. Lo que existe hoy es como un juguete. Se estima que en las herramientas de próxima generación habrá un billón de parámetros, que es, curiosamente, el número aproximado de conexiones en el cerebro humano”.

La IA puede ser un aliado poderoso, pero si se usa mal, puede causar daños importantes. Las organizaciones sanitarias deben abordar esta tecnología con cautela. Si está considerando implementar soluciones basadas en IA para la atención médica, aquí tiene tres consejos para comenzar:

• Prepara tus datos . Incluso si decide optar por un modelo de IA previamente entrenado y listo para usar, es posible que desee volver a entrenarlo en su conjunto de datos patentado, que debe ser de alta calidad y representativo de la población objetivo. Mantenga los datos médicos seguros en todo momento y proteja la privacidad del paciente. Sería útil revelar en qué conjunto de datos se entrenó un algoritmo, ya que ayuda a comprender dónde funcionará bien y dónde podría fallar.
• Toma el control de tus modelos de IA . Cultive el concepto de IA responsable en su organización. Asegúrese de que las personas sepan cuándo y cómo utilizar las herramientas y quién asume la responsabilidad del resultado final. Pruebe los modelos de IA generativa en casos de uso con impacto limitado antes de escalar a aplicaciones más sensibles. Como se mencionó anteriormente, la IA generativa puede cometer errores. Decida dónde es aceptable una pequeña tasa de fracaso y dónde no puede permitírselo. Por ejemplo, una precisión del 98% puede ser suficiente en aplicaciones administrativas, pero es inaceptable en diagnósticos y prácticas de atención al paciente. Diseñe un marco que regirá el uso de la IA generativa en la atención sanitaria de su hospital.
• Ayude a sus empleados a aceptar la tecnología y utilizarla . La IA todavía necesita guía humana, especialmente en el sector de la salud, fuertemente regulado. La participación humana sigue siendo un ingrediente esencial para que la tecnología tenga éxito. Se espera que el personal médico y administrativo supervise los modelos de IA, por lo que los hospitales deben centrarse en capacitar a las personas para esta tarea. Los empleados, por otro lado, deberían poder reinventar su rutina diaria, ahora que la IA es parte de ella, para utilizar el tiempo liberado para producir valor.

¿Quiere beneficiarse de la IA generativa pero no está seguro de cómo proceder? ¡Escríbanos! Le ayudaremos a preparar sus datos, implementar la herramienta e integrarla en sus operaciones.

Publicado originalmente en https://itrexgroup.com el 6 de septiembre de 2023.