El potencial de la IA en salut

SEDISA
SEDISA

Follow

12 febrer 2020 · 4 min read

Julia Díaz. Data Science Sènior Manager at Repsol i exdirectora de l’Àrea de Health and Energy Predictive Analytics a l’Institut d’Enginyeria de l’Coneixement (IIC)

Signatura convidada

El futur de l’atenció mèdica està cada vegada més lligat a dos vocals que han despertat les esperances i temors d’un sector que busca solucions més intel·ligents. Parlem, com no podia ser d’una altra manera, de la “IA”.

En els anys 70, MYCIN, un sistema expert orientat a la detecció de malalties infeccioses, va ser la primera experiència de la Intel·ligència Artificial a el sector salut. sembla, però, que és ara quan aquestes tècniques comencen a aplicar-se a la realitat.

la definició d’Intel·ligència Artificial segueix sent confusa. Més enllà de les tasques realitzades per un ordinador o els robots, quan parlem de l’aplicació de la IA en medicina, podem considerar diferents tipus d’intel·ligència.

Les xarxes neuronals, algoritmes modelats a partir de el cervell humà, són la base de l’anomenat “aprenentatge automàtic”. Les màquines poden realitzar anàlisis probabilístics a diversos nivells, simulant o fins i tot ampliant la forma en què la ment humana processa les dades.

D’altra banda, el “aprenentatge profund” pot reconèixer patrons en diferents capes, de manera independent però coordinada. Aquest mecanisme és cada vegada més útil a la pràctica mèdica, per exemple, a l’hora de buscar càncer a nivell de cèl·lules individuals.

Intel·ligència Artificial: aplicacions en l’atenció mèdica

Com veiem, són moltes les possibilitats que la Intel·ligència Artificial ofereix a la medicina i al sector salut en general, però podem dividir en tres les seves aplicacions actuals:

Solucions algorítmiques

les solucions algorísmiques són enfocaments basats en l’evidència, en les referències i dades de què es disposa. Amb l’ajuda dels clínics, els experts programen i integren aquesta informació en algoritmes, i aquests la utilitzen per resoldre un problema.

És el cas dels a l’ goritmos que utilitzen les dades de la història clínica informatitzada per predir l’evolució de l’esclerosi múltiple, per exemple. D’aquesta manera, es pot aplicar el tractament més adequat per a un pacient concret.

Però la meva solució algorísmica favorita és Bisepro, un sistema de detecció de sèpsia desenvolupat a l’Hospital Universitari Son Llàtzer, amb la col·laboració de l’Institut d’Enginyeria de l’Coneixement i l’empresa farmacèutica Merck Sharp & Done (MSD), i amb el suport de la Conselleria de Sanitat, el Servei de Salut i IdISBa.

Per millorar el diagnòstic i el tractament d’aquest problema temps-depenent, el desenvolupament de Bisepro es realitza en dues fases:

1. Detecció de sèpsia en temps real

2. Ajuda en la presa de decisions

La sèpsia és l’afecció mèdica amb major mortalitat i ús de recursos. Com més aviat s’identifica, abans es pot tractar, amb la conseqüent millora de resultats.

Tractament d’imatges

L’ull humà falla, fins i tot en els millors clínics. És aquí on resideix el potencial de el reconeixement de patrons visuals. Un programari d’aquest tipus pot emmagatzemar i comparar desenes de milers d’imatges utilitzant les mateixes tècniques que els humans, però amb entre un 5 i 10% més de precisió que el metge mitjana.

Una aplicació informàtica basada en IA podria reduir els falsos positius de les mamografies, per exemple. Segons estudis independents, entre el 50 i el 63% de les dones d’EE. UU. Que es realitzen mamografies regulars durant 10 anys, rebran uns resultats que indiquen erròniament la possibilitat de càncer. En aquests casos, es requereixen proves addicionals i procediments innecessaris que també es veuran reduïts.

Eines de suport a l’professional mèdic

La intel·ligència del Dr. Gregory House, famós per la sèrie de televisió, triomfa enfront de l’experiència dels seus companys. No obstant això, els experts indiquen que la diferència entre els metges, més enllà de l’nivell d’intel·ligència, depèn de com aborden els problemes dels pacients i els sistemes sanitaris que els donen suport.

Les dues condicions es combinen per a la obtenció dels resultats mèdics.I en la reducció de la seva variabilitat, resideix de nou el potencial de la IA, amb dos enfocaments per millorar l’acompliment de l’professional de la salut:

· L’Processament de el Llenguatge Natural (PLN) permet a les màquines comprendre i interpretar la parla i l’escriptura humana, podent revisar milers de registres mèdics i triar la millor informació per decidir els passos a seguir amb un pacient.

· el segon enfocament consisteix a observar i aprendre dels metges en el seu dia a dia. Bisepro torna a ser un bon exemple. Quan el professional incorpora les dades de l’pacient en la història clínica informatitzada, el sistema analitza en temps real la informació per oferir un avís anticipada o suggerir un possible tractament.

El futur de la IA en salut

la cultura mèdica és, però, la major barrera per a la Intel·ligència Artificial en el sector salut, donant més pes a la intuïció de l’metge que a les solucions basades en l’evidència.

Veient com AlphaGo, un programa creat per la divisió Google Deepmind, va derrotar a un dels millors jugadors de l’món de Go, un joc de taula xinès amb un conjunt aparentment infinit de possibles moviments, el potencial de la IA és sens dubte més gran que el mostrat en aquest article. I és que AlphaGo no “va aprendre” estudiant als humans, sinó que va dominar el joc competint contra si mateix.

Aquest tipus d’aprenentatge profund podria ser el mateix que aporti nous enfocaments per diagnosticar i tractar centenars de problemes metges, sense els biaixos de la ment humana. a més, amb el temps, els pacients podran utilitzar eines basades en IA per cuidar-se a si mateixos, a l’igual que manegen molts altres aspectes de la vida.

Leave a Comment

L'adreça electrònica no es publicarà. Els camps necessaris estan marcats amb *