Tareas que no están directamente relacionadas con la atención al paciente.
Los sistemas modernos de inteligencia artificial ya están ayudando a los médicos a tratar a los pacientes. Por ejemplo, la compañía HeartFlow, utilizando imágenes de CT, simulación por computadora del flujo sanguíneo y algoritmos de aprendizaje profundo,
puede construir una tarjeta 3D del corazón. Esto permite a los médicos diagnosticar de forma más precisa y rápida la enfermedad cardíaca, reduciendo la cantidad de procedimientos invasivos necesarios en un 80%.
Sin embargo, la IA también se usa en áreas que no están directamente relacionadas con el tratamiento del paciente, pero que aún afectan la calidad de la atención médica. Hoy queremos hablar sobre estas tareas, en cierta medida auxiliares, pero aún importantes.
"Un médico atento vendrá donde sea conveniente para usted "Enrutamiento hospitalario
Los sistemas de inteligencia artificial y el aprendizaje automático pueden ayudar no solo en el diagnóstico. Por ejemplo, a fines de mayo, la Clínica de Londres del Bloomsbury University College (UCLH) anunció que
utilizará sistemas de IA para identificar a los pacientes que realmente necesitan atención médica de emergencia.
Cuando un paciente que se queja de dolor ingresa a la sala de emergencias, el personal médico realizará procedimientos estándar: tomará sangre para el análisis, recolectará una anamnesis y, si es necesario, tomará una radiografía. Como se señaló en la clínica, en el 80% de los casos, los pacientes no tienen nada grave: se les recetan medicamentos y se les da de alta.
El sistema de inteligencia artificial le permitirá identificar rápidamente al 20% que realmente necesita atención de emergencia. El CEO de UCLH en una entrevista con Guardian
dijo que el software establecerá la prioridad del paciente, evaluando el peligro de los síntomas expresados por él. Por ejemplo, el dolor en el abdomen puede indicar apendicitis o enfermedad renal, por lo que dicha persona se "moverá" hacia la cabeza de la línea.
Los algoritmos de aprendizaje automático también pueden ayudar con el enrutamiento de pacientes y médicos. Por ejemplo, un investigador y neurólogo del Hospital Nacional de Neurología y Neurocirugía en el Reino Unido, Parashkev Nachev ha desarrollado un algoritmo de aprendizaje automático que analiza la información sobre las citas en la clínica y estima la probabilidad de que el paciente se pierda una sesión de resonancia magnética por una razón u otra escanear. Su sistema
tiene en cuenta parámetros tales como la edad de la persona, su dirección y distancia a la clínica, las condiciones climáticas. Hasta ahora, el científico ha logrado alcanzar una precisión del 85%. Esto ayuda a redistribuir rápidamente el tiempo de grabación.
Y en la misma UCLH, el sistema de inteligencia artificial, desarrollado por científicos del Instituto. Alan Turing
supervisará cómo los médicos y los pacientes se "mueven" por el hospital: qué tareas realizan, a qué procedimientos van. Esto ayudará a identificar posibles "cuellos de botella" en la organización de la clínica, una situación o lugar donde las colas o la escasez de equipos son potencialmente posibles.
Busca nuevos conocimientos
Las prácticas de tratamiento seguidas por los médicos tienden a volverse obsoletas. Nuevas metodologías, nuevos estudios y medicamentos están surgiendo. En 2004, los investigadores examinaron el contenido de 341 revistas médicas y descubrieron que el número total de publicaciones mensuales
superaba los 7 mil .
Idealmente, el médico debe mantener constantemente el nivel de conocimiento de la materia, mantenerse al día con las prácticas modernas de tratamiento; sin embargo, es casi imposible estudiar todo el cuerpo de publicaciones que se publican regularmente en revistas temáticas, incluso si es un especialista.
Las tecnologías de inteligencia artificial en combinación con los motores de búsqueda
pueden ayudar en esta situación. Científicos del centro de investigación estadounidense
RAND desarrollaron una solución similar, dedicada al análisis de problemas estratégicos. Enseñaron al sistema a buscar en grandes volúmenes de información palabras clave y términos relacionados con el tema de la solicitud.
Durante las pruebas, este tema fue datos sobre gota, baja densidad ósea y osteoartritis de la rodilla. El algoritmo fue capaz de reducir el número de artículos relevantes de interés para los médicos en un 67-83%. Según los desarrolladores, el sistema omitió solo dos artículos que serían seleccionados por personas, pero ninguno de ellos contenía información crítica. La precisión del algoritmo de aprendizaje automático fue del 96%.
Desarrollo de fármacos
La experiencia de las compañías farmacéuticas
muestra que desde el comienzo de los ensayos preclínicos hasta la aprobación del medicamento y el tratamiento de los pacientes, pasan aproximadamente 12 años. Al mismo tiempo, solo el 0.1% de los "fármacos candidatos" se incluyen en pruebas clínicas. La aprobación es recibida por el 20% de ellos.
Los sistemas de inteligencia artificial pueden ayudar a resolver esta situación y acelerar la liberación de nuevas drogas. El aprendizaje automático y los sistemas de IA se
utilizan en las primeras etapas del desarrollo de fármacos.
Un ejemplo es la solución AtomWise San Francisco. Su sistema se llama AtomNet. Ella usa métodos de aprendizaje profundo para predecir cómo se comportarán las moléculas y la probabilidad de que formen las conexiones necesarias.
Durante el entrenamiento, los desarrolladores de AtomNet alimentaron los datos del sistema de inteligencia artificial con los resultados de varios millones de interacciones moleculares ya conocidas. En base a estas interacciones, el
sistema ha aprendido a predecir interacciones que aún no han ocurrido. El software ya ha ayudado a
crear medicamentos para tratar el ébola.
Los sistemas de inteligencia artificial y el aprendizaje automático ayudan a los médicos y científicos a trabajar de manera más eficiente. Los médicos se liberan de las tareas de rutina, se vuelve más fácil para los científicos realizar investigaciones y los pacientes reciben tratamiento más rápido.
Hoy, los desarrollos en la intersección de la IA y la medicina son cada vez más populares. Por ejemplo, Google comenzó a seleccionar empresas dedicadas a la creación de sistemas de inteligencia artificial "médica" para participar en el programa acelerador de inicio Launchpad Studio. A finales del año pasado, cuatro empresas se
unieron al proyecto a la vez.
En DOC + también estamos involucrados en desarrollos en esta área: estamos desarrollando nuestro propio
sistema de PNL que puede procesar textos sobre temas médicos. Se utiliza en nuestro
chatbot : ayuda a recopilar una anamnesis, sabe cómo aislar los síntomas de las enfermedades de las quejas de los pacientes y, de forma estructurada, los pasa al médico.
Por cierto, además del blog sobre Habré, tenemos una revista temática " Just Ask ", en la que hablamos sobre medicina moderna y salud: