Manual práctico de inteligencia artificial en entornos sanitarios

Estimad@s amig@s

Sinopsis

La elevada demanda de contenidos sobre inteligencia artificial y machine learning por parte de los profesionales sanitarios hace posible la publicación de este manual que recoge, de una manera didáctica y sencilla, los principios fundamentales de estas tecnologías aplicados al ámbito de la salud.

Cualquier especialista sanitario interesado en sumergirse en esta área encontrará en este manual la base teórico-práctica para introducirse en el mundo de los algoritmos de inteligencia artificial y en su aplicación dentro del ámbito de la salud.

Proyecto innovador que coloca la primera piedra para la inmersión de los especialistas sanitarios en el mundo de la inteligencia artificial en un momento en el que el desarrollo de estos conceptos promete la transformación en el futuro de la práctica profesional en este sector.

Enfoque didáctico orientado a que los usuarios entiendan desde el primer momento qué supone la inteligencia artificial aplicada al ámbito sanitario y que comprendan cómo pueden beneficiarse de ella.

A lo largo de los nueve capítulos que forman este manual, sus autores van introduciendo al lector en el mundo de la inteligencia artificial empezando por una parte más introductoria y conceptual, que posteriormente da paso a la presentación de datos prácticos y ejemplos que ayuden al lector a iniciarse en estas innovadoras tecnologías.

«La inteligencia artificial no puede sustituir a los médicos,

pero puede hacerlos mejores profesionales»[i]

Introducción

La inteligencia artificial y el machine learning o aprendizaje automático son técnicas innovadoras disruptivas que prometen cambiar la sociedad tal y como la conocemos (…) ¿Cómo prepararse para los cambios qué nos vienen? ¿Debo aprender a programar? ¿Con qué software o lenguaje? ¿Quién es responsable de la interpretación de los algoritmos de inteligencia artificial, especialmente si fallan? ¿Qué nuevos perfiles profesionales aparecerán en el futuro? ¿Cómo acceder a ellos? ¿Qué titulaciones tienen más valor? Y sobre la formación no oficial de cursos online (…) ¿son buenos? ¿Compensan? ¿Vale la pena pagar por realizarlos? ¿Y por su certificación?

(…) el proceso diagnóstico clínico es mucho más complejo que la información procedente de una imagen (…) el diagnostico corresponde al médico (…)

«La ciencia siempre vale la pena porque sus descubrimientos,

tarde o temprano,

siempre se aplican»

Severo Ochoa

El auge de lo digital está provocando que cada vez más el profesional sanitario tenga que adquirir nuevas competencias que le ayuden a mejorar la calidad de su diagnóstico clínico.

Soy un firme defensor del acto médico, éste no desaparecerá por muchos algoritmos, wearables, usos que le demos a la inteligencia artificial. La consulta médica se volverá omnicanal, vamos caminando despacio, pero sin pausa hacia el hospital líquido.

El paciente será atendido por un profesional de la salud probablemente desde su consulta, pero nosotros podremos estar en casa y no por ello recibiremos un peor diagnóstico. La tecnología es un habilitante para que el profesional de la salud emita un mejor diagnóstico, pero nunca podrá sustituirlo. La humanidad con la que tiene lugar esa relación profesional -paciente no podrá ser sustituida por un algoritmo, la empática, cercanía, sensibilidad, e incluso el juicio clínico del profesional es insustituible.

Dicho lo anterior manuales como este que nos ocupa hoy son muy necesarios, los cambios se lideran o se sufren. Si pretendemos liderar la transformación digital no podemos obviar la formación.

«En principio la investigación

necesita más cabezas que medios»

Severo Ochoa

Tipos de inteligencia artificial

• IA estrecha o débil (…)

• IA general

• Super IA

Tipos de análisis

• Descriptivo

• Diagnostico

• Predictivo

• Prescriptivo

• Confirmatorio

• Exploratorio

Tipo de datos

• Estructurados

• No estructurados

Ejemplos de algoritmos machine learning o inteligencia artificial aplicados a salud:

• Diagnóstico por imagen

- Radiológico

Diagnóstico de neumonía en radiografía de tórax

Diagnóstico de hemorragia cerebral y hemorragia subaracnoidea por TAC cerebral

Diagnostico de tumor y hemorragia cerebral por TAC cerebral

Diagnostico de tumor pulmonar en TAC torácica de baja radiación

- Microbiología

Diagnóstico de malaria

- Dermatología

Diagnóstico precoz de melanoma

- Oncología

Diagnostico precoz de cáncer de mama en mamografía

- Oftalmología

Diagnóstico de retinopatía diabética en imágenes de fondo de ojo

- Neurología

Diagnóstico de enfermedades neurodegenerativas por movimiento ocular

- Cardiología

Segmentación y estimación del volumen del ventrílocuo izquierdo en la RMN cardíaca

• Cardiología

- Diagnostico automático de arritmia en electrocardiograma

• Neurología

- Diagnostico precoz de enfermedad de Alzheimer con datos de protéomica

• Psiquiatría

- Diagnóstico de depresión en niños mediante el análisis del habla

- Diagnóstico de depresión por entrevista

- Diagnostico de enfermedad bipolar por publicaciones en redes sociales

• Oncología radioterápica

- Dosificación personalizada en radioterapia

Para poder evaluar el rendimiento, la funcionalidad o precisión de un algoritmo, debemos definir una métrica (…)

La métrica de accuracy, precisión o exactitud, se pueden complementar con los tradicionales sensibilidad, especificidad, valor predictivo positivo y valor predictivo negativo (…)

La anonimización se refiere a la imposibilidad de identificar al sujeto partiendo de los datos disponibles para la investigación.

(…) la seudoanonimización se refiere a la utilización de datos que sí permitirían identificar a los participantes pero que se protegen mediante uso de seudónimos, cifrado o encriptamiento (…)

Elementos clave para comenzar un proyecto de inteligencia artificial en salud:

• La pregunta

(…) necesidad a partir de la cual evaluamos la disponibilidad de datos que nos permitan desarrollar la herramienta (…)

Una pregunta muy concreta y especifica (tarea) que de respuesta a una necesidad

• Los datos

Tipos de datos

a) Datos duros

b) Datos blandos

Población de entrenamiento

• El equipo

a) Profesionales técnicos

b) Profesionales sanitarios

«No puede el médico curar bien

sin tener presente al enfermo»

Séneca

Conclusión

Es muy probable que junto con los wearables o Internet of Things y la nube, transformen la practica sanitaria, potenciando la atención remota (domiciliaria) y la gestión a tiempo real de la información del paciente, moviendo definitivamente el foco de los hospitales a los domicilios y comunidades.

«La medicina es la única profesión universal

que en todas partes sigue los mismos métodos,

actúa con los mismos objetivos

y busca los mismos fines»

Sir William Osler

Manual práctico de inteligencia artificial en entornos sanitarios

Juan José Beunza Nuin

Enrique Puertas Sanz

Emilia Condés Moreno

Elsevier

Link de interés

• Declaración de cooperación de inteligencia artificial