Qué es la inteligencia artificial en la medicina - Héctor Rivera

Vista previa del material en texto

Instituto Tecnológico De Gustavo A. Madero
Profesor: Chynthia roldan castillo
Alumno: Resendiz Benítez Israel
Becerra rivera hector Gabriel.
Popoca torres mariana monse.
Grupo: 6-TA
Materia: Taller de investigación I
Trabajo: Investigación inteligencia artifical.
¿Qué es la inteligencia artificial en la medicina?
La inteligencia artificial en medicina es el uso de modelos de aprendizaje automático para buscar datos médicos y descubrir conocimientos que ayuden a mejorar los resultados de salud y las experiencias de los pacientes. Gracias a los avances recientes en ciencias de la computación e informática, la inteligencia artificial (IA) se está convirtiendo rápidamente en una parte integral de la atención médica moderna. Los algoritmos de IA y otras aplicaciones impulsadas por IA se utilizan para ayudar a los profesionales médicos en entornos clínicos y en investigaciones en curso.
Actualmente, las funciones más comunes de la IA en entornos médicos son el apoyo a la toma de decisiones clínicas y el análisis de imágenes. Las herramientas de apoyo a la toma de decisiones clínicas ayudan a los proveedores a tomar decisiones sobre tratamientos, medicamentos, salud mental y otras necesidades del paciente brindándoles un acceso rápido a la información o a investigaciones que son relevantes para su paciente. En las imágenes médicas, las herramientas de inteligencia artificial se están utilizando para analizar tomografías computarizadas, rayos X, resonancias magnéticas y otras imágenes en busca de lesiones u otros hallazgos que un radiólogo humano podría pasar por alto.
Los desafíos que la pandemia de COVID-19 creó para muchos sistemas de salud también llevaron a muchas organizaciones de salud de todo el mundo a comenzar a probar en el campo nuevas tecnologías compatibles con IA, como algoritmos diseñados para ayudar a monitorear pacientes y herramientas impulsadas por IA para evaluar a pacientes de COVID-19.
La investigación y los resultados de estas pruebas aún se están recopilando, y aún se están definiendo los estándares generales para el uso de la IA en la medicina. Sin embargo, las oportunidades para que la IA beneficie a los médicos, los investigadores y los pacientes a los que atienden aumentan constantemente. En este punto, hay pocas dudas de que la IA se convertirá en una parte central de los sistemas de salud digitales que dan forma y respaldan la medicina moderna.
Aplicaciones de la IA en medicina
Existen numerosas formas en que la IA puede impactar positivamente la práctica de la medicina, ya sea acelerando el ritmo de la investigación o ayudando a los médicos a tomar mejores decisiones. A continuación, se muestran algunos ejemplos de cómo se podría utilizar la IA:
IA en la detección y el diagnóstico de enfermedades
A diferencia de los humanos, la IA nunca necesita dormir. Los modelos de machine learning podrían usarse para observar los signos vitales de los pacientes que reciben cuidados intensivos y alertar a los médicos si aumentan ciertos factores de riesgo. Si bien los dispositivos médicos como los monitores cardíacos pueden rastrear los signos vitales, la IA puede recopilar los datos de esos dispositivos y buscar afecciones más complejas, como la sepsis. Un cliente de IBM ha desarrollado un modelo de IA predictiva para bebés prematuros que tiene una precisión del 75 % en la detección de sepsis grave.
Tratamiento de enfermedades personalizado
La medicina de precisión podría ser más fácil de respaldar con la asistencia de IA virtual. Debido a que los modelos de IA pueden aprender y retener preferencias, la IA tiene el potencial de proporcionar recomendaciones personalizadas en tiempo real a los pacientes las 24 horas del día. En lugar de tener que repetir la información con una persona nueva cada vez, un sistema de atención médica podría ofrecer a los pacientes acceso las 24 horas del día a un asistente virtual con tecnología de inteligencia artificial que podría responder preguntas basadas en el historial médico, las preferencias y las necesidades personales del paciente.
IA en imágenes médicas
La IA ya está desempeñando un papel destacado en el área de imágenes médicas. La investigación ha indicado  que la IA impulsada por redes neuronales artificiales puede ser tan eficaz como los radiólogos humanos para detectar signos de cáncer de mama y otras afecciones. Además de ayudar a los médicos a detectar los primeros signos de la enfermedad, la IA también puede ayudar a que la asombrosa cantidad de imágenes médicas que los médicos deben controlar sea más manejable al detectar partes vitales del historial de un paciente y presentarles las imágenes relevantes.
Eficiencia de los ensayos clínicos
Durante los ensayos clínicos se dedica mucho tiempo a asignar códigos médicos a los resultados de los pacientes y actualizar los conjuntos de datos relevantes. La IA puede ayudar a acelerar este proceso al proporcionar una búsqueda más rápida e inteligente de códigos médicos. Dos clientes de IBM Watson Health descubrieron recientemente que con IA podían  reducir el número de búsquedas de códigos médicos en más del 70 %.
Desarrollo acelerado
El descubrimiento de fármacos es a menudo una de las partes más largas y costosas del desarrollo de fármacos. La IA podría ayudar a reducir los costos de desarrollo de nuevos medicamentos principalmente de dos maneras: mejores diseños de fármacos y encontrar nuevas combinaciones de fármacos prometedoras . Con la IA, muchos de los desafíos de big data que enfrenta la industria de las ciencias biológicas podrían superarse.
 
Vea cómo la IA está ayudando a los médicos a descubrir información sobre los pacientes
La codificación médica para ensayos clínicos es laboriosa, pero la IA puede ayudar
Beneficios de la IA en medicina
Atención al paciente informada
La integración de la IA médica en los flujos de trabajo de los médicos puede brindar a los proveedores un contexto valioso mientras toman decisiones sobre la atención. Un algoritmo de machine learning capacitado puede ayudar a reducir el tiempo de investigación al brindar a los médicos resultados de búsqueda valiosos con información basada en evidencia sobre tratamientos y procedimientos mientras el paciente todavía está en la habitación con ellos.
Reducción de errores
Existe alguna evidencia de que la IA puede ayudar a mejorar la seguridad del paciente. Unarevisión sistémica reciente de 53 estudios revisados por pares que examinaron el impacto de la IA en la seguridad del paciente, encontraron que las herramientas de apoyo a las decisiones impulsadas por la IA pueden ayudar a mejorar la detección de errores y la gestión de medicamentos.
Cómo reducir el costo del cuidado médico
Hay muchas formas potenciales en las que la IA podría reducir los costos en la industria de la salud. Algunas de las oportunidades más prometedoras incluyen la reducción de errores de medicación, la asistencia de salud virtual personalizada, la prevención de fraudes y el apoyo a flujos de trabajo clínicos y administrativos más eficientes.
Mejora de la relación médico-paciente
Muchos pacientes piensan en preguntas fuera del horario comercial habitual. La IA puede ayudar a brindar soporte las 24 horas del día a través de chatbots que pueden responder preguntas básicas y brindar recursos a los pacientes cuando la oficina de su proveedor no está abierta. La IA también podría usarse para clasificar preguntas y marcar información para una revisión adicional, lo que podría ayudar a alertar a los proveedores sobre cambios de salud que necesitan atención adicional.
Cómo proporcionar relevancia contextual
Una de las principales ventajas del aprendizaje profundo es que los algoritmos de IA pueden utilizar el contexto para distinguir entre diferentes tipos de información. Por ejemplo, si una nota clínica incluye una lista de los medicamentos actuales de un paciente junto con un nuevo medicamento recomendado por su proveedor, un algoritmo de IA bien entrenado puede utilizar el procesamiento del lenguaje natural para identificar qué medicamentos pertenecenal historial médico del paciente.
Este tipo de tecnología está cada vez más a la orden del día. Gracias a la IA, es posible que las máquinas puedan evaluar y analizar datos para desarrollar tareas del mismo modo que las realiza un ser humano. Para ello, se utilizan técnicas como el machine o el deep learning. De esta manera se incorporan nuevos conocimientos que se procesan en base a los algoritmos diseñados.
El 86% de las organizaciones proveedoras de asistencia utilizan la inteligencia artificial (IA)
En el campo de la medicina, esta tecnología tiene una especial relevancia porque permite procesar y analizar datos médicos con los que mejorar la gestión sanitaria. Además, facilita la realización de diagnósticos y podría incluso mejorar los problemas de salud de los pacientes. Esto es posible gracias a la capacidad que ofrece la IA de detectar ciertos patrones de salud, lo cual resultaría muy útil para agilizar la solución de ciertos problemas médicos.
Con la IA se está provocando una disrupción del paradigma del sector desde diferentes perspectivas. Un claro ejemplo es el procesamiento de datos médicos. Gracias a su alta capacidad de procesamiento, es posible realizar diagnósticos médicos con mayor precisión y detectar patologías con pequeños márgenes de error.
Ventajas de la inteligencia artificial aplicada a la medicina
La IA ya ha demostrado su utilidad en la comunidad científica y médica porque cuenta con ventajas y beneficios como los siguientes:
· Mejorar la calidad de vida de las personas dependientes y mayores.
· Ofrecer un diagnóstico preciso y más rápido.
· Agilizar los tiempos de investigación para el desarrollo de nuevos fármacos y sobre determinadas enfermedades.
· Mejorar el control y el seguimiento de pacientes crónicos mediante dispositivos electrónicos y wearables.
· Aliviar la carga de trabajo a profesionales médicos.
Con todo esto, es evidente que la inteligencia artificial en el campo de la salud ha llegado para quedarse. De hecho, las previsiones para el futuro apuntan a una mayor presencia de la asistencia robótica en ámbitos médicos como la cirugía. Aunque en la actualidad el factor humano todavía es imprescindible, el futuro de la medicina pasa por la indudable aplicación de la tecnología en sus procesos.
6 aplicaciones reales de la inteligencia artificial en la medicina
La IA puede aplicarse prácticamente en todos los campos de la medicina, pues es una herramienta de apoyo para el personal sanitario que complementa su trabajo y lo mejora. Para ilustrar todas las ventajas mencionadas que ya están presentes en este campo, a continuación algunos ejemplos de aplicaciones que tiene la IA en la medicina.
1. Análisis médicos y de imágenes
Una de las ventajas más importantes de la IA es la rapidez con la que puede procesar elevadas cantidades de datos. Esto es especialmente relevante a la hora de analizar diferentes pruebas médicas (resonancias, estudios genéticos…).
De hecho, gracias al aumento de registros electrónicos debido a la recopilación que se hace con sensores y dispositivos wearables, se dispone de una mayor cantidad de datos que, gracias a la IA, se pueden procesar y analizar.
2. Diagnósticos médicos
Esta es otra de las aplicaciones más interesantes, pues se pueden analizar los datos para realizar diagnósticos certeros y precoces. Su utilidad en este aspecto está fuera de toda duda, sobre todo para enfermedades que se desarrollan muy rápido, como algunas patologías degenerativas o ciertos tipos de cáncer. Al identificarlos a tiempo, el tratamiento puede comenzar antes y parar su progresión.
Un claro ejemplo de la eficacia en este campo es su aplicación en los casos de cáncer de mama. Gracias a la inteligencia artificial se han desarrollado sistemas de detección precoz que permiten realizar mamografías eficaces en las etapas más tempranas de la enfermedad, así como mejorar la precisión de los radiólogos.
3. Tratamientos farmacológicos
En el campo de la farmacología, la IA también ofrece numerosas ventajas, ya que facilita el trabajo de los investigadores a la hora de analizar las secuencias genéticas para hallar las vacunas o soluciones adecuadas para diferentes tecnologías. De forma indirecta se podría decir que a través de esta aplicación de la tecnología se han salvado millones de vidas.
4. Genética
Este es otro de los campos que, en el futuro, se va a ver más beneficiado por la aplicación de la IA. En la actualidad ya existen herramientas que así lo demuestran, como la aplicación móvil que a través de un sistema de reconocimiento facial permite detectar enfermedades raras y trastornos genéticos. Una simple fotografía es suficiente para que esta tecnología pueda procesar una base de datos de hasta 8000 enfermedades diferentes.
5. Embarazos
Gracias a la aplicación de la IA durante el embarazo, la visión del feto es mucho mayor. Esto permite, junto a un análisis pormenorizado de los datos, obtener cómodamente grandes cantidades de datos del estado del embarazo en tiempo real. Esta aplicación posibilita disfrutar de embarazos más seguros y prescindir de procedimientos invasivos para identificar malformaciones.
6. Prótesis
Las prótesis inteligentes son aquellas que aprenden de la persona que la lleva, de manera que se adapte mucho mejor a sus necesidades y movimientos. Se trata de apéndices mecánicos que no solo sustituyen a un miembro del cuerpo, sino que memorizan los patrones de movimiento de la persona y pueden ser controlados mediante una aplicación.
Todos estos ejemplos son solo algunas muestras de cómo la inteligencia artificial puede mejorar cualquier área de la medicina y la salud. Puede interpretar imágenes radiológicas, facilitar el descubrimiento de nuevos fármacos, analizar el genoma de un paciente… Pero también es de gran ayuda para optimizar los recursos sanitarios disponibles, ya que se pueden automatizar aquellas tareas que se repiten más.
La tecnología y la medicina siguen un camino paralelo durante las últimas décadas. Los avances tecnológicos van modificando el concepto de salud y las necesidades sanitarias están influyendo en el desarrollo de la tecnología.
La inteligencia artificial (IA) está formada por una serie de algoritmos lógicos suficientemente entrenados a partir de los cuales las máquinas son capaces de tomar decisiones para casos concretos a partir de normas generales.
Esta tecnología tiene aplicaciones en el diagnóstico y seguimiento de pacientes con una evaluación pronóstica individualizada de los mismos.
Además,si combinamos esta tecnología con la robótica, podemos crear máquinas inteligentes que hagan propuestas diagnósticas o que sean mucho más eficientes en su trabajo.
Por lo tanto la IA va a ser una tecnología presente en nuestro trabajo cotidiano a través de máquinas o programas informáticos, que de manera más o menos transparente para el usuario, van a ir siendo una realidad cotidiana en los procesos sanitarios. Los profesionales sanitarios tenemos que conocer esta tecnología, sus ventajas y sus inconvenientes, porque va a ser una parte integral de nuestro trabajo.
En estos dos artículos pretendemos dar una visión básica de esta tecnología adaptada a los médicos con un repaso de su historia y evolución, de sus aplicaciones reales en el momento actual y una visión de un futuro en el que la IA y el Big Data van a conformar la medicina personalizada que caracterizará al siglo XXI.
Palabras clave: Inteligencia artificial, IA, medicina, salud, robótica, BigData
Go to:
Importancia actual
Existen numerosos campos donde la inteligencia artificial (IA) y la robótica han tenido diversas aplicaciones. En esta sección explicaremos algunas de las más importantes:
· 1.
Finanzas: Usado en la banca para organizar operaciones o inversiones1 y para detectar movimientos anormales que posteriormente serán estudiados por humanos2.
· 2.
Industria3: La robótica se está utilizando en cadenas de montaje, movilización de grandes cargas, realización de tareas peligrosas o en condiciones incompatibles con la vida humana.
· 3.
Domótica: Aplicación de larobótica y la IA a los electrodomésticos. Actualmente el adjetivo «inteligente» o el prefijo inglés smart lo vamos encontrando cada vez más frecuentemente en lavadoras, lavavajillas, relojes, bombillas, aparatos de aire acondicionado o televisores. De esta manera los electrodomésticos son capaces de aprender patrones de uso por parte de las personas que los utilizan (sugerir programas de televisión dependiendo del usuario y la hora del día) o comportarse dependiendo de las condiciones (selección automática de programas de lavado dependiendo de la carga de la lavadora o lavavajillas). Hasta llegar a casas inteligentes integrales4.
· 4.
Conducción autónoma de vehículos: En los últimos años se han desarrollado sensores en los automóviles que detectan un cambio de carril, agotamiento del conductor, velocidad, distancia, objetos o personas en el trayecto de impacto o selecciones de la ruta más óptima dependiendo de las condiciones del tráfico5. Ya es casi un estándar en los coches el sistema de aparcamiento automático y en breve dispondremos de forma habitual de sistemas de conducción autónoma sin concurso humano.
· 5.
Mercadotecnia: Las tendencias del mercado, el análisis de las características del mismo, el comportamiento de los compradores puede ser simulado en modelos matemáticos que se aproximan mucho a la realidad6. Amazon®, Microsoft®, Google® y los otros gigantes tecnológicos utilizan la IA para analizar nuestros gustos y recomendarnos objetos que puedan interesarnos a través de lo que se denomina publicidad personalizada.
· 6.
Distribución de recursos: El dimensionamiento de las plantillas de los trabajadores dependiendo de la cantidad de trabajo previsto, es otra de las aplicaciones de la IA. La policía está usando el sistema PredPol®7 en varias ciudades de EE. UU. para predecir el número y tipo de delitos, y poder distribuir de manera eficaz los efectivos.
· 7.
Reconocimiento facial: Mediante técnicas inteligentes de reconocimiento facial8 se desarrollan numerosos proyectos relacionados con publicidad directa personalizada, seguridad o identificación personal.
Go to:
Aplicaciones en medicina
Recientemente la IA ha comenzado a incorporarse a la medicina para mejorar la atención al paciente al acelerar los procesos y lograr una mayor precisión diagnóstica, abriendo el camino para brindar una mejor atención médica en general. Las imágenes radiológicas, las preparaciones de anatomía patológica y los registros médicos electrónicos de los pacientes se están evaluando mediante aprendizaje automático ayudando en el proceso de diagnóstico y tratamiento de los pacientes9.
De esta manera existen proyectos en la actualidad dedicados a explorar las aplicaciones de la IA en todas las facetas sanitarias: asistencial (prevención de enfermedades, diagnóstico, tratamiento y seguimiento de pacientes), docente o formación continuada, investigadora y gestora. A continuación se comentan algunos ejemplos concretos en las diferentes áreas de aplicación sanitaria.
Asistencial
· 1.
Prevención de enfermedades y diagnóstico precoz: Existen algoritmos informáticos que son capaces de contribuir a la prevención del cáncer de cérvix con alta precisión, ya sea a través de aplicación de software de machine learning en la identificación del virus del papiloma humano10 o de células con transformaciones oncogénicas11. Otros numerosos estudios se están realizando para ofrecer un diagnóstico precoz a través del uso de este tipo de algoritmos en el cáncer de útero12, cabeza y cuello13, próstata14 o piel15, ya sea a través de la aplicación de este tipo de software a la identificación de proteínas, a técnicas de imagen o a imágenes fotográficas identificando patrones de repetición.También se han desarrollado programas para la detección precoz de cardiopatías ocultas a partir de registros electrocardiográficos digitalizados16, diabetes mellitus17 y sistemas inteligentes que siguen el paradigma del Razonamiento Basado en Casos (Case-Based Reasoning [CBR]) para solucionar problemas actuales mediante la información que tenemos de problemas similares ocurridos anteriormente18 como el sistema InNoCBR, para la detección y clasificación de casos de infección nosocomial, implantado desde 2013 en el Complexo Hospitalario Universitario de Ourense (CHUO) y desde 2018 extendido a más centros de la comunidad autónoma19. Sobre el contenido de mensajes publicados en redes sociales también se pueden generar algoritmos que predicen el riesgo de psicopatologías. Se están desarrollando estudios sobre contenido de publicaciones y su relación con procesos psicológicos como el riesgo de depresión según los contenidos de las redes sociales como Twitter®20 o Instagram®21. A través de la interpretación de datos que registran nuestros movimientos (a través de sensores en nuestro teléfono móvil, reloj inteligente u otros dispositivos) se pueden identificar patrones que sugieran progresión de la enfermedad de Parkinson22.
· 2.
Diagnóstico: Existen muchos programas informáticos de apoyo y ayuda al diagnóstico que han ido mejorando su aprendizaje a través de su uso repetido y continuado. Actualmente existen diferentes tipos de software que se pueden aplicar a diferentes grupos de enfermedades como MYCIN/MYCIN II para enfermedades infecciosas23, CASNET para oftalmología, PIP para enfermedades renales o Al/RHEUM para enfermedades reumatológicas24. La empresa FDNA a través de su software de reconocimiento facial Face2Gene® es capaz de apoyar o sospechar el diagnóstico de más de 8.000 enfermedades raras25, con un reciente ensayo clínico desarrollado en Japón con buenos resultados26. En el campo del procesamiento y la interpretación de imágenes para el diagnóstico, la IA ofrece algoritmos que mejoran la calidad y la precisión del diagnóstico ya que los métodos de IA son excelentes para reconocer automáticamente patrones complejos en los datos de imágenes, elimina ruido en las imágenes ofreciendo una mayor calidad y permite establecer modelos tridimensionales a partir de imágenes de pacientes concretos27. Investigadores de IBM publicaron una investigación en torno a un nuevo modelo de IA que puede predecir el desarrollo del cáncer de mama maligno28, con tasas comparables a las de los radiólogos humanos. Este algoritmo aprende y toma decisiones tanto de datos de imágenes como del historial de la paciente, pudo predecir correctamente el desarrollo del cáncer de mama en el 87% de los casos analizados, y también pudo interpretar el 77% de los casos no cancerosos. Este modelo podría algún día ayudar a los radiólogos a confirmar o negar casos positivos de cáncer de mama. Si bien los falsos positivos pueden causar una enorme cantidad de estrés y ansiedad indebidos, los falsos negativos a menudo pueden obstaculizar la detección temprana y el tratamiento posterior de un cáncer. Cuando se puso a prueba frente a 71 casos diferentes que los radiólogos habían determinado originalmente como «no malignos», pero que finalmente terminaron siendo diagnosticados con cáncer de mama dentro del año, el sistema de IA pudo identificar correctamente el cáncer de mama en el 48% de las personas (48% de los 71 casos), que de lo contrario no se habrían detectado.
· 3.
Tratamiento: Combinando diferentes aplicaciones tecnológicas como localización GPS, IA, sensores corporales en tejidos inteligentes o complementos de vestido podemos predecir comportamientos o actividades de personas mayores que viven solas pudiendo mejorar su autonomía. No obstante, existen importantes consideraciones éticas a este respecto por el conflicto existente entre la tranquilidad de los familiares y los cuidadores, y la autonomía, privacidad, dignidad y consentimiento de los ancianos29. La IA también se puede aplicar para predecir reacciones adversas de tratamientos médicos30 o el grado de cumplimentación del tratamiento por parte de los pacientes31. Se ha utilizado el procesamiento de lenguaje natural para identificar palabras y frases en informes clínicos que predijeron la fuga anastomótica después de resecciones colorrectales.Muchas de sus predicciones reflejaban el conocimiento clínico que tendría un cirujano, pero este algoritmo también fue capaz de ajustar frases que describen a los pacientes (por ejemplo, irritado, cansado) en el primer día del postoperatorio para lograr predicciones con una sensibilidad del 100% y una especificidad del 72%32. El uso de los robots quirúrgicos, visto anteriormente, es una realidad cotidiana en nuestro medio, sobre todo en cirugía prostática33, colorrectal34 o pancreática35 al considerarse un método menos invasivo. Además de los desarrollos comerciales existentes, se están desarrollando sistemas de asistencia robótica en cirugía de código abierto como el sistema Raven II que será probado en diferentes universidades estadounidenses36.
· 4.
Seguimiento, soporte y monitorización: Muchos asistentes robóticos dotados de sistemas de IA con aplicaciones en salud están desarrollándose en la actualidad fundamentalmente en funciones de información, comunicación y acompañamiento de personas. Normalmente están dotados de un sistema de cámara (permiten moverse en el espacio e incluso detectar emociones a través del reconocimiento facial), sistemas de movilidad, sistemas de escucha e interpretación de voz y otras funciones mecánicas. Pillo37 es un robot alejado de formas humanoides que una vez programado es capaz de reconocer nuestra voz, nuestra cara y ofrecernos la medicación a la hora correcta. Las medicinas se cargan en un compartimento específico donde se mantienen en perfecto estado de conservación, es capaz de reconocer la medicación prescrita a cada miembro de la familia y responder a sencillas preguntas sobre alimentación y ejercicio. Almacena algunas variables en salud sobre cada uno de los miembros de la familia (peso, talla, niveles de glucemia y colesterol, tensión arterial…). Además de reconocer a cada una de las personas y poder ofrecerles la medicación correspondiente sin equivocarse abre caminos de futuro:
· ?
Una vez que se haya adelantado en el reconocimiento facial e interpretación de gestos podría establecer comunicación con dispositivos de asistencia domiciliaria urgente y videoconferencias ante situaciones de alerta de salud de la persona a quien cuida.
· ?
Podría ser un sistema de comunicación automática con dispositivos sociosanitarios.
· ?
Podría ser un entrenador en habilidades y ejercicios de rehabilitación física o mental.
Docencia y formación continuada
En casos de docencia con información compleja, que requiere entrenamiento de habilidades, y cuya ejecución tiene trascendencia social (como es el caso de la formación en las ciencias de la salud), la IA puede ofrecernos numerosas ventajas formativas ya que, a través de sus diferentes subcampos (como el aprendizaje automático, la lógica difusa o la interpretación del lenguaje natural) o aplicaciones, puede38:
· 1.
Crear escenarios virtuales de entrenamiento o aprendizaje que simulan una intervención real con gran realismo sin riesgo. Pueden ser de gran ayuda en simulación de cirugías ya sea para el aprendizaje de estudiantes o residentes, ya que la capa de IA se establece como un entrenador o mentor docente que interactúa con lo utilizado a través de la realidad virtual y/o aumentada39. También tiene aplicación en el entrenamiento para evacuación o rescate en grandes catástrofes priorizando las acciones a realizar o entrenamientos en habilidades de diagnóstico o comunicación con el paciente.
· 2.
Evaluación del progreso del estudiante. Ajustando las pruebas sucesivas a los logros alcanzados de forma previa.
· 3.
Generar parámetros reales y no subjetivos por parte del examinador que determinen los niveles de aptitud de los alumnos.
Investigación
Cuando hablamos de la aportación de la IA a la investigación lo hacemos desde una doble perspectiva:
· 1.
La mayoría de los subcampos de la IA aplicados a la medicina están en fase de investigación en sí mismos. En la actualidad hay en marcha numerosos estudios, la mayoría ensayos clínicos, que intentan buscar pruebas de la utilidad de la aplicación de la IA en salud. La mayoría de las grandes empresas de software y comunicación están trabajando de manera conjunta con diferentes universidades para la utilización de terminales y software específico en el seguimiento y control de numerosas enfermedades y procesos. Por ejemplo, la empresa Apple® desarrolla estudios relacionados con el seguimiento de pacientes con traumatismos craneoencefálicos (NYU Langone Medical Center), melanoma (Universidad de Salud y Ciencias de Oregón), depresión posparto (Universidad de Carolina del Norte y el Instituto Nacional de la Salud Mental) o trastornos del sueño (Universidad de California en San Diego y Asociación Americana de la Apnea del Sueño)40. Google® está participando de manera activa en numerosos proyectos de investigación relacionados con especialidades tan diversas como la oftalmología41 o la oncología42, pero relacionados con la búsqueda de patrones repetidos. Amazon® y Microsoft® también están invirtiendo en salud asociadas a la industria farmacéutica y empresas de inversión43 e incluso la primera de ellas se ha convertido en su propio proveedor de salud para sus trabajadores a través de AmazonCare®44.
· 2.
Muchas investigaciones biomédicas se ven claramente beneficiadas por la IA, ya que su aplicación genera una reducción en los costes y facilita la obtención y gestión de datos a través de modelos semánticos y relaciones entre variables desde una perspectiva diferente a la de la estadística clásica. La lógica difusa se está aplicando a investigaciones dentro del ámbito de la salud y está aportando nuevas visiones en el campo de creación de modelos de expansión de enfermedades infecciosas45, sistemas expertos para el diagnóstico46 o respuestas a tratamientos47.
Gestión
La gestión de recursos materiales y humanos también se puede beneficiar de la IA ya que al examinar grandes cantidades de datos procedentes de registros históricos se ayuda a prever los recursos necesarios en una situación concreta de manera que se optimiza el rendimiento, se impulsa la productividad y se mejora el uso de los recursos disponibles48. Por ejemplo, en un servicio determinado se puede establecer cuál es la plantilla óptima a partir de múltiples variables de las cuales el propio sistema va aprendiendo su ponderación (día de la semana, franja horaria, retransmisión simultánea de eventos deportivos o tiempo atmosférico).
Partes de la IA como la lógica difusa (que permite clasificar eventos que hasta ahora eran difícilmente clasificables) o la comprensión por parte de las máquinas del lenguaje natural humano pueden mejorar la clasificación de información o documentos. Así es posible que una red neuronal sea capaz de interpretar palabras que determinen mayor o menor confidencialidad del contenido de un texto y generar diferentes perfiles de acceso al mismo.
Go to:
Implicaciones éticas
La automatización y la inclusión de los robots y las máquinas en general en la toma de decisiones que afectan a los seres humanos conllevan una serie de consideraciones éticas de gran importancia. Por un lado, la capacidad de cálculo por parte de las máquinas es mucho más rápida y precisa que la humana, pero existen variables no numéricas relacionadas con aspectos no tangibles que las máquinas aún no son capaces de incluirlas en sus procesos de decisión.
Tener robots que realizan tareas mecánicas en situaciones de gran riesgo para los seres humanos (entornos contaminados biológicamente o de gran toxicidad, desactivación de explosivos, reparaciones en entornos incompatibles con la vida humana como grandes profundidades o medición de variables en situaciones extremas como el viento en un huracán) suponen una ventaja considerable para la sociedad.
Los robots que realizan actividades cotidianas y repetitivas (realización de cientos de tests analíticos de laboratorio) suponen una descarga de tareas para el ser humano, pero esto puede provocar la desaparición de puestos de trabajo.
Disponer de robots que realizan tareas complejas para latoma de decisiones (por ejemplo, diagnósticos) tiene unas implicaciones éticas de gran importancia. La Unión Europea ha elaborado una guía de consideraciones éticas49 en la que se proponen 3 principios básicos para conseguir una IA fiable:
· 1.
Asegurarse de que la IA esté centrada en el ser humano: La IA se debe desarrollar, implementar y utilizar con un «propósito ético», fundamentado y que refleje los derechos fundamentales, los valores sociales y los principios éticos de la Beneficencia (hacer el bien), Maleficencia (no hacer daño), Autonomía de los seres humanos, Justicia y Explicabilidad.
· 2.
Confiar en los derechos fundamentales, principios éticos y valores para evaluar prospectivamente los posibles efectos de la IA en los seres humanos y el bien común. Prestar especial atención a las situaciones que involucran a los grupos más vulnerables, como niños, personas con discapacidades o minorías, o situaciones con asimetrías de poder o información, como entre empleadores y empleados, o empresas y consumidores.
· 3.
Reconocer y tener en cuenta el hecho de que, si bien aporta beneficios sustanciales a los individuos y a la sociedad, la IA también puede tener un impacto negativo. Permanecer atento a las áreas de preocupación crítica.
Inteligencia artificial en medicina oncológica
Diagnosticar a tiempo el cáncer de mama es uno de los retos en la Universidad de Valencia, en donde un grupo de expertos desarrolla algoritmos inteligentes para detectar el cáncer mediante el análisis de las mamografías. Según estos científicos, los diagnósticos emitidos por esta tecnología son confiables en un 89% y con el aval de un radiólogo, este porcentaje incrementa a un 93%. 
Este proyecto de inteligencia artificial en medicina nace con la finalidad de evitar falsos positivos y de detectar la enfermedad en una etapa temprana.
Inteligencia artificial en oftalmología
En Silicon Valley, la ingeniera Lily Peng ha implementado el deep learning para detectar enfermedades oftalmológicas. Este proceso se realiza con una fotografía del ojo que permite identificar enfermedades como el glaucoma. Este sistema realiza una búsqueda exhaustiva entre millones de patrones de padecimientos similares, hasta dar con el correcto en un corto periodo de tiempo.
Así, con el uso de la inteligencia artificial en medicina, el análisis de información visual para la detección de enfermedades es una tarea mucho más práctica y certera.
Inteligencia artificial en la farmacología
Anaxomics, empresa española de biotecnología, ha descubierto a través de la inteligencia artificial en medicina que cierta combinación de fármacos promueve considerables mejoras en los pacientes con Esclerosis Lateral Amiotrófica (ELA).
Este descubrimiento se desarrolló al procesar, mediante redes neuronales artificiales, la información de más de 5.400 fármacos disponibles. Con ello, la investigadora principal del proyecto, Mireia Coma, señala:
"Hemos descubierto varias combinaciones de medicamentos ya existentes que pueden ser usados conjuntamente contra enfermedades diferentes de aquellas para las que habían sido desarrollados."
Por otro lado, Google Brain, equipo de investigación de inteligencia artificial de Google, ha descubierto la manera de desarrollar nuevos medicamentos implementando la inteligencia artificial en medicina. 
Estos científicos han creado un sistema que detecta la cristalización de las proteínas con un rango de confiabilidad del 94%. Mediante la observación de la cristalización de las proteínas, es posible saber qué reacción puede generar una molécula en una determinada célula.
Esta tecnología permite a los farmaceutas conocer en qué beneficia la aplicación de determinada molécula en el tratamiento de alguna enfermedad, a través de mecanismos más precisos y en menos tiempo.
Inteligencia artificial para el tratamiento de la diabetes
PEPPER es un proyecto realizado por el Centro de Investigación Biomédica en Red de Fisiopatología de la Obesidad y la Nutrición (CIBEROBN) y el Instituto de Investigación Biomédica de Girona (IDIBGI). Estos organismos, a través de la IA, desarrollaron un dispositivo portátil capaz de asesorar a los pacientes de forma personalizada, en el control de la administración de sus medicinas y el consumo de alimentos.
Como resultado, el índice glucémico de las personas que implementaron el sistema mejoró considerablemente, lo que convierte a PEPPER en una herramienta de IA en medicina que resulta efectiva para el tratamiento de la diabetes tipo 1.
Según la Encuesta Nacional de Salud de España (ENSE), hasta el 2017 el país vio un incremento de enfermedades crónicas como hipertensión arterial (19,8%), obesidad (17,4%) y diabetes (7,8%). Por lo que, el uso de inteligencia artificial en medicina a través de herramientas como aplicaciones móviles, wearables o tecnologías más sofisticadas en los centros de salud, son las mejores alternativas para disminuir o controlar este alto índice de enfermedades.
De igual forma, la empresa de consultoría Frost & Sullivan asevera que, para el 2021, la inversión de inteligencia artificial en medicina superará los 5.900 millones de euros. Estas proyecciones permiten vislumbrar un avance significativo para los próximos años, capaz de promover más y mejores tecnologías en el área de la salud.
Existen 2 tipos de métodos que permiten el aprendizaje de una máquina6. El primero de ellos se llama «aprendizaje con datos supervisados» y requiere la participación de un humano que determina las relaciones correctas e incorrectas que adquiere la máquina. La función del humano es etiquetar y categorizar los datos de entrada y establecer un algoritmo de toma de decisiones para generar las diferentes salidas. Con el suficiente entrenamiento, la máquina será capaz de determinar la categoría de salida de un nuevo dato de entrada. El segundo método es el «aprendizaje automático o machine learning». Consiste en dotar de experiencia a la máquina y que sea ella misma, mediante una serie de normas lógicas iniciales, la que sea capaz de ir aprendiendo de manera independiente a partir de la experiencia que le proporcionan los datos y sin el concurso continuado de un humano. Para ello son necesarios algoritmos iniciales y un pequeño entrenamiento supervisado. Mientras que, en el aprendizaje supervisado, el conocimiento se hace explícito en forma de reglas, en la computación neuronal las ANN generan sus propias reglas aprendiendo de los ejemplos que se les muestran en la fase de entrenamiento. Una vez que las decisiones correctas alcanzan un número válido dentro del total de decisiones tomadas, conectamos este sistema inteligente a un sistema de big data para que esas experiencias afiancen los sistemas de toma de decisiones (aprendizaje).
Antecedentes
Aunque todo este campo de la informática es innovador en algunos aspectos, tiene antecedentes en los años 40 del siglo XX. En 1943, el neurobiólogo Warren McCulloch y el estadístico Walter Pitss, publicaron un artículo que definía que los eventos neuronales y las relaciones entre ellos pueden tratarse mediante la lógica proposicional7. De esta manera se conforma la base y el inicio del desarrollo de la IA tal y como hoy la concebimos.
Pero no fue hasta una década más tarde, en 1956, cuando se celebró la primera Conferencia de Inteligencia Artificial en Darmouth que es considerada como la primera referencia seria a las redes neuronales artificiales. En esta conferencia se presentó la lógica teórica (Minsky, McCarthy, Rochester y Shannon) que es considerado el primer programa informático para solucionar problemas de búsqueda heurística8.
En 1957 se presentó «Perceptron» el primer sistema capaz de identificar patrones geométricos9, y en 1959 «Adaline» (Adaptive Linear Neuron) que fue utilizada con diferentes aplicaciones como reconocimiento de voz y caracteres, predicción del tiempo, y en el desarrollo de filtros para eliminar ecos de las líneas telefónicas.
A partir de estos trabajos la comunidad científica tuvo una percepción muy optimista de lo que la IA podría ofrecer, peroa mediados de la década de los 60 se comenzaron a publicar estudios críticos sobre la falta de aplicabilidad de la computación neuronal. Durante los años 70 y 80 pocos investigadores continuaron con esta línea de desarrollo científico (James Anderson, Teuvo Kohonen o Stephen Grossberg).
En 1982 John Hopfield10 crea el algoritmo Backpropagation que presenta un sistema neuronal formado por elementos procesadores interconectados que tienden a un mínimo de energía. Este hecho supuso volver a confiar en las posibilidades de la IA que en las últimas décadas ha tenido un avance exponencial.
Actualmente existen muchos investigadores en diferentes universidades que están realizando trabajos en el área de las redes neuronales artificiales en grupos multidisciplinares (informáticos, matemáticos, neurólogos, psicólogos del conocimiento, físicos, programadores o filósofos de la ciencia) que ofrecen nuevas e innovadoras perspectivas en esta área del conocimiento.
Inteligencia artificial y robótica
La palabra «robot» procede la palabra checa «robota» que significa «trabajo duro»11.
Podemos clasificar los robots en diferentes tipos:
· 1.
No mecánicos: La salida es una acción no mecánica como mostrar una información o mantener una conversación con el usuario humano. Entre ellos destacan los robots cuya interfaz es un sistema conversacional ya sea escrito o hablado («chatbots») con grandes aplicaciones actualmente como asistentes virtuales.
· 2.
Mecánicos: Utilizados generalmente en la industria. Hay de varios tipos:
· 1.
Androides: Apariencia humanoide.
· 2.
Zoomórficos: Apariencia animal.
· 3.
Móviles o rodantes: Transporte de cosas o personal.
· 4.
Poliarticulados: Industriales.
La apariencia humana de los robots ha dado lugar a la denominada «teoría del valle inquietante». «Lo inquietante»12 tiene su origen como concepto, en el año 1906 por Ernst Jentsch13 y se explica como una sensación perturbadora ante algo que nos es y no familiar al mismo tiempo. Una situación u objeto que se parece mucho a algo cotidiano, que conocemos bien pero que nos genera una sensación de cierta ansiedad o malestar sin que podamos explicar el motivo.
Esta teoría de lo inquietante se retoma en 1970 por Masahiro Mori para describir la relación entre los robots y los humanos. La relación es cada vez más positiva siempre y cuando el robot mantenga apariencia de robot y seamos conscientes de que se trata de una máquina. Cuando el robot va adquiriendo rasgos antropomórficos hasta llegar a presentar aspecto humano, la respuesta emocional del humano se irá haciendo cada vez más negativa hasta llegar a un punto de rechazo debido a la «inquietud» que genera (fig. 2).
Figura 2.
Gráfica de la teoría del «valle inquietante» de Masahiro Mori.
Fuente: Remasterizada por Edgar Talamantes. Bajo licencia libre GNU.
(0,11MB).
En la cultura occidental, sobre todo por la influencia cultural del cine, tenemos una imagen futurista de los robots como humanoides, cuando la realidad actual es otra, vivimos rodeados de IA y robótica. Así la Industria v.4.014 se fundamenta en la realidad virtual, la IA y el Internet de las cosas.
Los cobots o robots colaborativos fueron inventados en 1996 por J. Edward Colgate y Michael Peshkin, profesores en la Northwest University (Kirkland, Washington) como dispositivos robóticos que manipulan objetos en colaboración con un operador humano15. Actualmente están dotados de IA para mejorar su rendimiento con la monitorización de numerosas variables como las condiciones del lugar de trabajo, visión artificial, identificación de patrones para predecir o detectar errores, pudiendo comunicar dicha información a otros cobots. Un sector que ha tenido un aumento de un 23% de 2017 a 2018, según la Federación Internacional de Robótica (IFR)16.
Ya tenemos robots funcionando para la realización de pruebas y análisis de laboratorio. Así en el Hospital Universitario de Copenhague, Gentofte (Dinamarca)17, un primer robot recoge la muestra de sangre y la coloca en un lector de códigos de barras. A continuación, una cámara de visión fotografía el color del tapón roscado e indica al robot que coloque la muestra en una de las 4 gradillas en función de su color. Luego un segundo robot recoge las muestras de las gradillas y las coloca en el alimentador de la máquina para su centrifugado y análisis. Estos robots manipulan alrededor de 3.000 muestras diarias (unos 7-8 tubos por minuto), lo que ha mejorado los tiempos de entrega de resultados.
Video: https://www.youtube.com/watch?v=mnk4iT4BTg4
Ya se están probando en pacientes tetrapléjicos exoesqueletos, unidades robóticas ponibles controladas por placas de computadora para alimentar un sistema de motores, neumáticos, palancas o sistemas hidráulicos para restaurar la locomoción18. Han surgido como una nueva herramienta de rehabilitación en lesionados medulares. Sin embargo, todavía falta evidencia para respaldar su aplicación clínica teniendo en cuenta su alto coste19.
La universidad de Brown está explorando con tecnología Intel® un proyecto de Interfaz Inteligente de Columna que tiene como objetivo utilizar la tecnología de IA para restaurar el movimiento y el control de la vejiga en pacientes con parálisis por lesiones graves de la médula espinal20. Un equipo internacional de científicos ya ha utilizado una «interfaz cerebro-espinal» inalámbrica para evitar las lesiones de la médula espinal en un par de macacos Rhesus, restaurando el movimiento intencional de caminar en una pierna temporalmente paralizada21.
La robótica en medicina no se limita a los ejemplos anteriores, las investigaciones en este campo se han dirigido a la asistencia a los pacientes y la asistencia o formación a los médicos. Así tenemos prótesis de miembros, electroestimulación, asistentes personales, robótica de rehabilitación, robótica quirúrgica22, la formación médica con simuladores robotizados y los robots de almacenaje y distribución de medicamentos.
Desde los años 60, las prótesis de miembros han evolucionado constantemente, con distintos modelos para sustituir las primeras prótesis pasivas, todavía presentes en gran parte del mundo por su menor coste, por prótesis activas, las cuales por medio de medios mecánicos o sensores ubicados en alguna parte del cuerpo del paciente permiten mover por ejemplo una mano mecánica23.
Hay distintos modelos y soluciones de prótesis de mano en continua evolución y mejora para aumentar su funcionalidad, como las 2 generaciones de manos DLR®24, la TUAT/Karlsruhe®25, la Blackfingers®26, la mano robótica con mecanismo extensor27, la mano compuesta de sensores propioceptivos28 o la mano Iowa® fruto de un trabajo de colaboración entre universidades americanas, españolas y suecas29, entre otros.
En cuanto a la robótica quirúrgica también ha evolucionado progresivamente desde el primer procedimiento neuroquirúrgico asistido por un robot en 1985, donde se utilizó el robot industrial PUMA 560 (no diseñado para labores médicas) para introducir una guía para una biopsia cerebral30. Posteriormente se empezaron a diseñar los primeros robots, puramente quirúrgicos, como asistentes del cirujano en operaciones de múltiples órganos y aparatos. Algunos modelos de robots quirúrgicos son: AESOP® (acrónimo de sistema endoscópico automatizado para un posicionamiento óptimo) empleado como asistente robótico controlado por voz para cirugía endoscópica31, el robot estereotáctico NeuroMate®32 que es un sistema que se utiliza en centros neuroquirúrgicos para administrar tratamientos y realizar procedimientos de estimulación cerebral profunda, neuroendoscopia, estereoelectroencefalografía, biopsias e investigación; el extinto sistema robótico ZEUS®33 con el que se realizó la primera telecirugía del mundo en 200134, conocida como la operación Lindbergh, una exitosa colecistectomía laparoscópica de dos horas de duración, que se realizó en una paciente en un hospital de Estrasburgo, Francia, realizada por un equipo quirúrgico en Nueva York, EE. UU., el Sistema Robótico Quirúrgico Da Vinci®35 que en su versión más reciente,el sistema da Vinci Xi® permite una visión en 3D con un aumento de hasta 10 veces y elimina el temblor fisiológico, utilizándose principalmente en intervenciones de urología, cirugía general y ginecología oncológica, pero también en cirugía oral y maxilofacial, cirugía pediátrica, cirugía torácica o cirugía cardíaca; Probot®, diseñado para realizar prostatectomías36, Robodoc® para cirugía ortopédica37, Acrobot® para cirugía de rodilla38 y CyberKnife®39 sistema de radiocirugía robótica diseñado para tratar tumores ubicados en todo el cuerpo de manera no invasiva, entre otros.
El principal problema para su expansión es el alto coste de instalación y mantenimiento de los mismos, de ahí el desarrollo de sistemas más recientes y más asequibles, como por ejemplo:
· •
El sistema quirúrgico Senhance®40. plataforma laparoscópica digital que elimina las limitaciones económicas de los sistemas robóticos actuales con instrumentos reutilizables estándar y una estrategia de arquitectura de plataforma abierta que permite a los hospitales aprovechar las inversiones en tecnología existentes.
· •
El sistema robótico Flex®41 que permite acceder a ubicaciones anatómicas antes difíciles o imposibles de alcanzar de forma mínimamente invasiva.
· •
El proyecto español BROCA, también conocido como «el pequeño de Da Vinci®»42, para el diseño y desarrollo de un sistema robótico quirúrgico de bajo costo, modular, para cirugía mínimamente invasiva centrada en cirugía pélvica y bariátrica, con sensores y efectores finales altamente maniobrables para obtener información relevante de la herramienta y su entorno, además de incorporar la sensación de tacto.
La cirugía asistida por robot ha permitido avances en el campo quirúrgico como la cirugía a distancia y la cirugía mínimamente invasiva, junto a ventajas de precisión, incisiones más pequeñas, menor pérdida de sangre, disminución del dolor y tiempo de curación menor42, lo que permite tratar un mayor número de pacientes con menor tiempo de hospitalización, haciendo que sea posible realizar intervenciones que de otro modo no serían viables.
La cirugía robótica presenta una serie de ventajas y de limitaciones respecto a la cirugía mínimamente invasiva convencional (tabla 1). Las ventajas suelen venir de explotar fortalezas complementarias entre humanos y dispositivos robóticos, como vemos resumido en la tabla 2.
La tecnología y la medicina siguen un camino paralelo durante las últimas décadas. Los avances tecnológicos van modificando el concepto de salud y las necesidades sanitarias están influyendo en el desarrollo de la tecnología.
La inteligencia artificial (IA) está formada por una serie de algoritmos lógicos suficientemente entrenados a partir de los cuales las máquinas son capaces de tomar decisiones para casos concretos a partir de normas generales.
Esta tecnología tiene aplicaciones en el diagnóstico y seguimiento de pacientes con una evaluación pronóstica individualizada de los mismos.
Además,si combinamos esta tecnología con la robótica, podemos crear máquinas inteligentes que hagan propuestas diagnósticas o que sean mucho más eficientes en su trabajo.
Por lo tanto la IA va a ser una tecnología presente en nuestro trabajo cotidiano a través de máquinas o programas informáticos, que de manera más o menos transparente para el usuario, van a ir siendo una realidad cotidiana en los procesos sanitarios. Los profesionales sanitarios tenemos que conocer esta tecnología, sus ventajas y sus inconvenientes, porque va a ser una parte integral de nuestro trabajo.
En estos dos artículos pretendemos dar una visión básica de esta tecnología adaptada a los médicos con un repaso de su historia y evolución, de sus aplicaciones reales en el momento actual y una visión de un futuro en el que la IA y el Big Data van a conformar la medicina personalizada que caracterizará al siglo XXI.
Palabras clave:
Inteligencia artificial
IA
medicina
salud
robótica
BigData
Introducción
La inteligencia artificial (IA) es una rama de las ciencias de la computación que incluye conceptos muy transversales relacionados con la lógica y el aprendizaje1. Se trata, por lo tanto, de diseñar herramientas informáticas que simulen procesos de inteligencia humana que incluyen el aprendizaje, el razonamiento y la autocorrección2. Mediante diversos algoritmos las máquinas «aprenden» y son capaces de «tomar decisiones». No se trata de ciencia ficción, sino de una realidad que está presente actualmente y que poco a poco va a ir ocupando espacios cotidianos en nuestra casa, en nuestros vehículos y también relacionados con nuestra salud.
La teoría del procesamiento de la información de Mahoney3 considera al ser humano como un procesador de información a partir de estímulos internos y externos que va almacenando en memoria y que es capaz de elaborar respuestas similares a partir de estímulos posteriores que tengan cierta similitud. Según esta teoría los elementos estructurales en el procesamiento de la información son: registro sensitivo (recepción de información interna y externa), memoria a corto plazo (almacenamiento inmediato de la información seleccionada) y memoria a largo plazo (que organiza y dispone la información durante más tiempo). Además, las categorías del procesamiento son: atención (recibe, selecciona y asimila los diferentes estímulos), codificación (simboliza los estímulos según estructuras mentales propias), almacenamiento (organiza y mantiene en la memoria los símbolos codificados) y recuperación (uso posterior de la información organizada y codificada ante estímulos similares a los que la han ocasionado).
El aprendizaje humano se basaría en la exposición a situaciones repetidas con refuerzos (positivos o negativos) cada vez que tomamos una decisión correcta o erramos. A partir de estímulos similares que tienen soluciones similares y a través de nuestra experiencia y conocimientos previos, empezamos a tomar decisiones4. La toma de decisiones supone un pensamiento lógico y jerárquico que puede ser transcrito a algoritmos en un lenguaje que las máquinas pueden interpretar y ejecutar con mucha mayor rapidez que el ser humano.
El aprendizaje humano es progresivo y se desarrolla a partir de la exposición a situaciones de forma consecutiva, proceso que puede llevar años, en cambio, la adquisición de estos datos por parte de una máquina es mucho más rápida, ya que esta no se agota (puede trabajar 24h al día) y no tiene funciones vitales (alimentación, descanso u ocio). En este sentido las cantidades ingentes de datos en múltiples formatos y fuentes (lo que conocemos como big data), tienen una relación directa con la adquisición de experiencia por parte de las máquinas que se exponen a situaciones o estímulos muy diversos. En este artículo pretendemos dar una visión introductoria de la IA para médicos y realizar un recorrido por las principales aplicaciones en salud que nos ofrece esta tecnología.
Redes neuronales, cerebro y aprendizaje
La base biológica de la inteligencia está en el cerebro. Aunque vamos conociendo cada vez más sobre su fisiología y las diferentes vías anatómicas y funcionales que participan en el proceso de aprendizaje humano, aún existen muchas incógnitas que deben despejarse.
Para las máquinas existe una analogía similar a la estructura y el funcionamiento del cerebro, por lo que es relativamente sencillo establecer esta analogía fácilmente comprensible para los profesionales de la salud.
Las redes neuronales artificiales, en inglés Artificial Neural Networks (ANN) están compuestas por elementos que se comporten de forma similar a la neurona biológica en sus funciones más comunes y que se denominan «elemento procesador», en inglés Process Element (PE). Cada uno de los PE (neuronas) tienen unos elementos de entrada (dendritas) que recogen los impulsos de entrada que son integrados en el cuerpo del elemento procesador y generan una respuesta o salida. La salida del PE (axón) se puede conectar a las entradas de otras neuronas artificiales mediante conexiones con una eficacia similar a la sinapsisde las conexiones neuronales del cerebro5. Los PE están organizados en una serie de niveles que se denominan capas. El conjunto de estas capas forman una ANN.
En las ANN existen 2 capas con conexiones con el exterior. Una capa de entrada o buffer de entrada, donde se presentan los datos a la red, y una capa de salida que devuelve al exterior la respuesta de la red a una entrada concreta. Existen, además, una serie de capas intermedias que se denominan capas ocultas (fig. 1). Al igual que en los seres humanos, el aprendizaje que se produce en las máquinas, es una función que tiene una base estructural en este tejido nervioso artificial conformado por las ANN.
Figura 1.
Esquema de una red neuronal.
Fuente: Elaboración propia.
(0,08MB).
Existen 2 tipos de métodos que permiten el aprendizaje de una máquina6. El primero de ellos se llama «aprendizaje con datos supervisados» y requiere la participación de un humano que determina las relaciones correctas e incorrectas que adquiere la máquina. La función del humano es etiquetar y categorizar los datos de entrada y establecer un algoritmo de toma de decisiones para generar las diferentes salidas. Con el suficiente entrenamiento, la máquina será capaz de determinar la categoría de salida de un nuevo dato de entrada. El segundo método es el «aprendizaje automático o machine learning». Consiste en dotar de experiencia a la máquina y que sea ella misma, mediante una serie de normas lógicas iniciales, la que sea capaz de ir aprendiendo de manera independiente a partir de la experiencia que le proporcionan los datos y sin el concurso continuado de un humano. Para ello son necesarios algoritmos iniciales y un pequeño entrenamiento supervisado. Mientras que, en el aprendizaje supervisado, el conocimiento se hace explícito en forma de reglas, en la computación neuronal las ANN generan sus propias reglas aprendiendo de los ejemplos que se les muestran en la fase de entrenamiento. Una vez que las decisiones correctas alcanzan un número válido dentro del total de decisiones tomadas, conectamos este sistema inteligente a un sistema de big data para que esas experiencias afiancen los sistemas de toma de decisiones (aprendizaje).
Antecedentes
Aunque todo este campo de la informática es innovador en algunos aspectos, tiene antecedentes en los años 40 del siglo XX. En 1943, el neurobiólogo Warren McCulloch y el estadístico Walter Pitss, publicaron un artículo que definía que los eventos neuronales y las relaciones entre ellos pueden tratarse mediante la lógica proposicional7. De esta manera se conforma la base y el inicio del desarrollo de la IA tal y como hoy la concebimos.
Pero no fue hasta una década más tarde, en 1956, cuando se celebró la primera Conferencia de Inteligencia Artificial en Darmouth que es considerada como la primera referencia seria a las redes neuronales artificiales. En esta conferencia se presentó la lógica teórica (Minsky, McCarthy, Rochester y Shannon) que es considerado el primer programa informático para solucionar problemas de búsqueda heurística8.
En 1957 se presentó «Perceptron» el primer sistema capaz de identificar patrones geométricos9, y en 1959 «Adaline» (Adaptive Linear Neuron) que fue utilizada con diferentes aplicaciones como reconocimiento de voz y caracteres, predicción del tiempo, y en el desarrollo de filtros para eliminar ecos de las líneas telefónicas.
A partir de estos trabajos la comunidad científica tuvo una percepción muy optimista de lo que la IA podría ofrecer, pero a mediados de la década de los 60 se comenzaron a publicar estudios críticos sobre la falta de aplicabilidad de la computación neuronal. Durante los años 70 y 80 pocos investigadores continuaron con esta línea de desarrollo científico (James Anderson, Teuvo Kohonen o Stephen Grossberg).
En 1982 John Hopfield10 crea el algoritmo Backpropagation que presenta un sistema neuronal formado por elementos procesadores interconectados que tienden a un mínimo de energía. Este hecho supuso volver a confiar en las posibilidades de la IA que en las últimas décadas ha tenido un avance exponencial.
Actualmente existen muchos investigadores en diferentes universidades que están realizando trabajos en el área de las redes neuronales artificiales en grupos multidisciplinares (informáticos, matemáticos, neurólogos, psicólogos del conocimiento, físicos, programadores o filósofos de la ciencia) que ofrecen nuevas e innovadoras perspectivas en esta área del conocimiento.
Inteligencia artificial y robótica
La palabra «robot» procede la palabra checa «robota» que significa «trabajo duro»11.
Podemos clasificar los robots en diferentes tipos:
· 1.
No mecánicos: La salida es una acción no mecánica como mostrar una información o mantener una conversación con el usuario humano. Entre ellos destacan los robots cuya interfaz es un sistema conversacional ya sea escrito o hablado («chatbots») con grandes aplicaciones actualmente como asistentes virtuales.
· 2.
Mecánicos: Utilizados generalmente en la industria. Hay de varios tipos:
· 1.
Androides: Apariencia humanoide.
· 2.
Zoomórficos: Apariencia animal.
· 3.
Móviles o rodantes: Transporte de cosas o personal.
· 4.
Poliarticulados: Industriales.
La apariencia humana de los robots ha dado lugar a la denominada «teoría del valle inquietante». «Lo inquietante»12 tiene su origen como concepto, en el año 1906 por Ernst Jentsch13 y se explica como una sensación perturbadora ante algo que nos es y no familiar al mismo tiempo. Una situación u objeto que se parece mucho a algo cotidiano, que conocemos bien pero que nos genera una sensación de cierta ansiedad o malestar sin que podamos explicar el motivo.
Esta teoría de lo inquietante se retoma en 1970 por Masahiro Mori para describir la relación entre los robots y los humanos. La relación es cada vez más positiva siempre y cuando el robot mantenga apariencia de robot y seamos conscientes de que se trata de una máquina. Cuando el robot va adquiriendo rasgos antropomórficos hasta llegar a presentar aspecto humano, la respuesta emocional del humano se irá haciendo cada vez más negativa hasta llegar a un punto de rechazo debido a la «inquietud» que genera (fig. 2).
Figura 2.
Gráfica de la teoría del «valle inquietante» de Masahiro Mori.
Fuente: Remasterizada por Edgar Talamantes. Bajo licencia libre GNU.
(0,11MB).
En la cultura occidental, sobre todo por la influencia cultural del cine, tenemos una imagen futurista de los robots como humanoides, cuando la realidad actual es otra, vivimos rodeados de IA y robótica. Así la Industria v.4.014 se fundamenta en la realidad virtual, la IA y el Internet de las cosas.
Los cobots o robots colaborativos fueron inventados en 1996 por J. Edward Colgate y Michael Peshkin, profesores en la Northwest University (Kirkland, Washington) como dispositivos robóticos que manipulan objetos en colaboración con un operador humano15. Actualmente están dotados de IA para mejorar su rendimiento con la monitorización de numerosas variables como las condiciones del lugar de trabajo, visión artificial, identificación de patrones para predecir o detectar errores, pudiendo comunicar dicha información a otros cobots. Un sector que ha tenido un aumento de un 23% de 2017 a 2018, según la Federación Internacional de Robótica (IFR)16.
Ya tenemos robots funcionando para la realización de pruebas y análisis de laboratorio. Así en el Hospital Universitario de Copenhague, Gentofte (Dinamarca)17, un primer robot recoge la muestra de sangre y la coloca en un lector de códigos de barras. A continuación, una cámara de visión fotografía el color del tapón roscado e indica al robot que coloque la muestra en una de las 4 gradillas en función de su color. Luego un segundo robot recoge las muestras de las gradillas y las coloca en el alimentador de la máquina para su centrifugado y análisis. Estos robots manipulan alrededor de 3.000 muestras diarias (unos 7-8 tubos por minuto), lo que ha mejorado los tiempos de entrega de resultados.
Ya se están probando en pacientes tetrapléjicos exoesqueletos, unidadesrobóticas ponibles controladas por placas de computadora para alimentar un sistema de motores, neumáticos, palancas o sistemas hidráulicos para restaurar la locomoción18. Han surgido como una nueva herramienta de rehabilitación en lesionados medulares. Sin embargo, todavía falta evidencia para respaldar su aplicación clínica teniendo en cuenta su alto coste19.
La universidad de Brown está explorando con tecnología Intel® un proyecto de Interfaz Inteligente de Columna que tiene como objetivo utilizar la tecnología de IA para restaurar el movimiento y el control de la vejiga en pacientes con parálisis por lesiones graves de la médula espinal20. Un equipo internacional de científicos ya ha utilizado una «interfaz cerebro-espinal» inalámbrica para evitar las lesiones de la médula espinal en un par de macacos Rhesus, restaurando el movimiento intencional de caminar en una pierna temporalmente paralizada21.
La robótica en medicina no se limita a los ejemplos anteriores, las investigaciones en este campo se han dirigido a la asistencia a los pacientes y la asistencia o formación a los médicos. Así tenemos prótesis de miembros, electroestimulación, asistentes personales, robótica de rehabilitación, robótica quirúrgica22, la formación médica con simuladores robotizados y los robots de almacenaje y distribución de medicamentos.
Desde los años 60, las prótesis de miembros han evolucionado constantemente, con distintos modelos para sustituir las primeras prótesis pasivas, todavía presentes en gran parte del mundo por su menor coste, por prótesis activas, las cuales por medio de medios mecánicos o sensores ubicados en alguna parte del cuerpo del paciente permiten mover por ejemplo una mano mecánica23.
Hay distintos modelos y soluciones de prótesis de mano en continua evolución y mejora para aumentar su funcionalidad, como las 2 generaciones de manos DLR®24, la TUAT/Karlsruhe®25, la Blackfingers®26, la mano robótica con mecanismo extensor27, la mano compuesta de sensores propioceptivos28 o la mano Iowa® fruto de un trabajo de colaboración entre universidades americanas, españolas y suecas29, entre otros.
En cuanto a la robótica quirúrgica también ha evolucionado progresivamente desde el primer procedimiento neuroquirúrgico asistido por un robot en 1985, donde se utilizó el robot industrial PUMA 560 (no diseñado para labores médicas) para introducir una guía para una biopsia cerebral30. Posteriormente se empezaron a diseñar los primeros robots, puramente quirúrgicos, como asistentes del cirujano en operaciones de múltiples órganos y aparatos. Algunos modelos de robots quirúrgicos son: AESOP® (acrónimo de sistema endoscópico automatizado para un posicionamiento óptimo) empleado como asistente robótico controlado por voz para cirugía endoscópica31, el robot estereotáctico NeuroMate®32 que es un sistema que se utiliza en centros neuroquirúrgicos para administrar tratamientos y realizar procedimientos de estimulación cerebral profunda, neuroendoscopia, estereoelectroencefalografía, biopsias e investigación; el extinto sistema robótico ZEUS®33 con el que se realizó la primera telecirugía del mundo en 200134, conocida como la operación Lindbergh, una exitosa colecistectomía laparoscópica de dos horas de duración, que se realizó en una paciente en un hospital de Estrasburgo, Francia, realizada por un equipo quirúrgico en Nueva York, EE. UU., el Sistema Robótico Quirúrgico Da Vinci®35 que en su versión más reciente, el sistema da Vinci Xi® permite una visión en 3D con un aumento de hasta 10 veces y elimina el temblor fisiológico, utilizándose principalmente en intervenciones de urología, cirugía general y ginecología oncológica, pero también en cirugía oral y maxilofacial, cirugía pediátrica, cirugía torácica o cirugía cardíaca; Probot®, diseñado para realizar prostatectomías36, Robodoc® para cirugía ortopédica37, Acrobot® para cirugía de rodilla38 y CyberKnife®39 sistema de radiocirugía robótica diseñado para tratar tumores ubicados en todo el cuerpo de manera no invasiva, entre otros.
El principal problema para su expansión es el alto coste de instalación y mantenimiento de los mismos, de ahí el desarrollo de sistemas más recientes y más asequibles, como por ejemplo:
· •
El sistema quirúrgico Senhance®40. plataforma laparoscópica digital que elimina las limitaciones económicas de los sistemas robóticos actuales con instrumentos reutilizables estándar y una estrategia de arquitectura de plataforma abierta que permite a los hospitales aprovechar las inversiones en tecnología existentes.
· •
El sistema robótico Flex®41 que permite acceder a ubicaciones anatómicas antes difíciles o imposibles de alcanzar de forma mínimamente invasiva.
· •
El proyecto español BROCA, también conocido como «el pequeño de Da Vinci®»42, para el diseño y desarrollo de un sistema robótico quirúrgico de bajo costo, modular, para cirugía mínimamente invasiva centrada en cirugía pélvica y bariátrica, con sensores y efectores finales altamente maniobrables para obtener información relevante de la herramienta y su entorno, además de incorporar la sensación de tacto.
La cirugía asistida por robot ha permitido avances en el campo quirúrgico como la cirugía a distancia y la cirugía mínimamente invasiva, junto a ventajas de precisión, incisiones más pequeñas, menor pérdida de sangre, disminución del dolor y tiempo de curación menor42, lo que permite tratar un mayor número de pacientes con menor tiempo de hospitalización, haciendo que sea posible realizar intervenciones que de otro modo no serían viables.
La cirugía robótica presenta una serie de ventajas y de limitaciones respecto a la cirugía mínimamente invasiva convencional (tabla 1). Las ventajas suelen venir de explotar fortalezas complementarias entre humanos y dispositivos robóticos, como vemos resumido en la tabla 2.
Tabla 1.
Beneficios y limitaciones de la cirugía robótica respecto a la cirugía mínimamente invasiva convencional
	Beneficios 
	Limitaciones 
	Visión en 3D y alta resolución 
	Tamaño del robot 
	Movimientos intuitivos 
	Variedad de instrumentos limitada 
	Control del temblor 
	Tiempo de preparación del robot 
	Movimientos a escala 
	Rango de movimientos limitado 
	Mejor ergonomía 
	Muy caro de comprar y mantener 
	Curva de aprendizaje más corta 
	Desechables muy caros 
Fuente: Tomado de van Haasteren et al43.
Tabla 2.
Fortalezas y limitaciones de humanos y robots respecto a la cirugía
	Fortalezas 
	Limitaciones 
	Humanos 
	Destreza limitada más allá de los movimientos naturales 
	Buen juicio 
	Propenso a la fatiga y la falta de atención 
	Buena coordinación mano-vista 
	El temblor limita el movimiento fino 
	Gran destreza 
	Efectores finales voluminosos (manos) 
	Puede integrar información de diversas fuentes 
	Limitada precisión geométrica 
	Entrenamiento sencillo 
	Difícil de mantener estéril 
	Versátil y capaz de improvisar 
	Susceptible a la radiación, infección 
	
	Robots
	Buena precisión geométrica 
	Juicio reducido 
	Incansable y estable 
	Difícil adaptación a nuevas situaciones 
	Resistente a la radiación ionizante 
	Destreza limitada 
	Puede diseñarse para operar diferentes escalas de movimiento y carga útil 
	Coordinación mano-vista limitada 
	Capaz de utilizar múltiples sensores 
	Capacidad limitada para integrar e interpretar información compleja 
Fuente: Adaptado de Taylor RH44.
Financiación
Este artículo no ha recibido ningún tipo de ayuda o financiación de agencias del sector público, sector comercial o entidades sin ánimo de lucro.
Inteligencia artificial al servicio de la medicina: así ayuda a conseguir diagnósticos más certeros
Detectar con mayor eficacia y velocidad posibles síntomas ahora es posible gracias a herramientas como las que desarrolla Fujifilm, que sirven de apoyo a los profesionales médicos analizando una gran cantidad de datos e imágenes en tiempo real.
En la medicina, un diagnóstico certero y temprano es fundamental. Lograr delimitar e identificar los síntomas de una manera rápida determina el tratamiento y, en muchos casos,cambia radicalmente el transcurso de la enfermedad. La tecnología es, por supuesto, una gran aliada de la ciencia médica, incorporando nuevas maneras de realizar diagnósticos en los que el procesamiento de grandes cantidades de datos asiste al especialista. Este es el caso de la inteligencia artificial (IA), ese término surgido en la década de 1950 para denominar a los sistemas informáticos que emulan ciertos procesos de la mente humana, y que ahora utiliza las aplicaciones desarrolladas para otros campos al análisis de pruebas médicas.
“La llegada de la IA aplicada a las imágenes médicas, como radiografías, TACs o scanners, viene de la mano de los algoritmos matemáticos y es el resultado de experiencias como los vehículos autónomos”, explica Manel Escobar, director clínico de diagnóstico por imagen del Hospital Universitari Vall d’Hebron. “¿Por qué estos coches son capaces de autoconducirse? Porque son capaces de reconocer objetos y patrones, y esta misma tecnología se ha trasladado al reconocimiento de las imágenes médicas”. La otra aplicación de la que surge el análisis de imágenes a través de la IA es incluso más sorprendente. “Esto comenzó a ser posible cuando se desarrollaron unas posibilidades de computación basadas en las consolas de videojuegos”, prosigue Escobar. “Eran capaces de procesar una cantidad de imágenes inmensa, y este tipo de unidades gráficas se ha utilizado para desarrollar estos algoritmos que reconocen imágenes. De ahí viene la explosión en el sector de la imagen médica de soluciones de IA que son capaces de detectar patrones y clasificarlos”.
Detección de pólipos mediante la herramienta CAD-EYE, que utiliza soluciones de inteligencia artificial.
Estas herramientas se están aplicando a diferentes campos de la medicina, encontrando nuevas maneras de ayudar a la detección de enfermedades diversas. “Por ejemplo, existen soluciones de IA que nos dicen el grado de la atrofia que tiene un cerebro o, ahora que estamos sufriendo la pandemia, nos dice qué pacientes pueden estar afectados por una neumonía derivada de la covid-19 a través de una radiografía de tórax. Otras detectan un tumor de manera automatizada, en un pulmón o una mama, y avisan al radiólogo que está realizando ese estudio para que no se le pase por alto”, detalla Escobar.
Una de la pruebas en las que la Inteligencia Artificial se está aplicando con grandes resultados es la colonoscopia. “En este campo, está orientada a detectar pólipos y cánceres precoces”, explica el doctor Ignasi Puig, coordinador del Gastrointestinal Oncology, Surgery and Endoscopy research group en Althaia, Xarxa Assistencial Universitària de Manresa. “Un pólipo es similar a una verruga en el colón, que puede crecer, degenerar y convertirse en cáncer. La colonoscopia nos permite detectarlos y, si es necesario, eliminarlos”. El cáncer colorrectal afecta a unos 1,8 millones de personas en todo el mundo cada año. En España, según datos de la Agencia Española Contra el Cáncer, es la enfermedad oncológica más extendida, con un 15% de todos los casos detectados, unos 35.000 anualmente.
“Hasta ahora, el conocimiento médico y científico se basaba en registrar datos clínicos de pacientes, analizarlos con los métodos estadísticos tradicionales que conocíamos para descubrir qué factores y variables eran importantes, y así construir patrones. Esa información ya la teníamos, pero no la sabíamos explotar lo suficiente. La IA abre una puerta de un mundo de extracción de datos, de creación de patrones muy detallados, y aplicarlos a los pacientes”, detalla Puig, que ha publicado numerosos estudios al respecto y ha participado como coautor en las recomendaciones internacionales de la Sociedad Europea de Endoscopia Digestiva. Él trabaja con CAD EYE, una función para la detección de pólipos de colon desarrollada por Fujifilm. “Tengo la suerte de disponer de esta herramienta que tiene dos finalidades: ayudar a detectar pólipos , mediante la observación de su superficie, establecer de qué tipo es. ¿Cómo se ha desarrollado? Entrenándola con miles de vídeos y enseñando al software qué es y qué no es un pólipo. De esa forma se ha construido un patrón de reconocimiento”.
Una de sus grandes ventajas es la capacidad de mantener la atención en todo momento y reforzar el trabajo del especialista. “Este sistema no sustituye al médico, pero es de gran ayuda porque le alerta. Los médicos somos humanos y no podemos mantener la atención al 100% en todo momento. Incluso al endoscopista más experto se le pasan aproximadamente un 10% de los pólipos que, afortunadamente son los más pequeños y la mayoría no degeneran. El CAD EYE nos alerta, señalándolo con un cuadrado azul. Otras veces, nos sirve para contrastar. Podemos ver algo que parece un pólipo pero no estar seguros, normalmente contrastamos con compañeros, pero de esta manera tienes a otro experto a tu lado”.
Gracias a esta herramienta, el especialista no solo detecta con mayor precisión y eficacia estos pólipos, sino que también determina de manera inmediata su tipología. “De esta manera podemos dejar los pólipos benignos, y los que son extraídos ya no es necesario analizarlos porque ya tenemos ese diagnóstico gracias a la IA. Esto representa una gran mejora en el proceso: cuando termina la colonoscopia ya podemos hacer las recomendaciones al paciente sin esperar al resultado de una biopsia”.
Herramientas en continuo desarrollo
Grupo experto en la creación de imágenes fotográficas de alta calidad, Fujifilm ha aplicado innovaciones de este campo al mundo de la medicina desde que, en la década de 1980, crease el primer sistema de radiología computerizada del mundo. La adquisición por parte de la compañía de Hitachi Medical Systems, ahora denominado Fujifilm Healthcare, ha conformado un área de salud con una gama de completa de soluciones con la que se cubre todo el espectro del área de equipamiento sanitario y que incorpora también soluciones de inteligencia artificial.
El programa REiLI es un conjunto de soluciones que engloba más de 70 sistemas de reconocimiento de imagen, a los que se van sumando nuevas aplicaciones que apoyan al diagnóstico médico. Synapse 3D, por otro lado, es el software avanzado de Fujifilm para procesar y analizar imágenes médicas, cuya aplicación abarca campos que van de la radiología a la cardiología.
Las herramientas tecnológicas basadas en inteligencia artificial, además, continúan desarrollándose y encontrando nuevas aplicaciones, no solo para el diagnóstico sino abriendo puertas a otras combinaciones. “No solo sirven para la detección de enfermedades, sino también para establecer cierto pronóstico respecto a la evolución de ese paciente, y también se están generando algoritmos que, uniendo los datos de la imagen y con los datos clínicos, son capaces de predecir el tratamiento más adecuado para ese paciente. Es lo que llamamos la medicina personalizada”, apunta Manel Escobar. “Una de la ventajas de la IA con respecto a la inteligencia humana en el ámbito médico es su capacidad de manejar el big data. Ingentes cantidades de datos que el cerebro humano necesitaría años para poder ordenar. Es una grandísima ayuda en el diagnóstico y la orientación terapéutica de los profesionales de la salud”, concluye.
Según las nuevas orientaciones de la OMS publicadas hoy, la inteligencia artificial (IA) ofrece grandes expectativas para mejorar la prestación de atención de salud y la medicina en todo el mundo, siempre y cuando la ética y los derechos humanos ocupen un lugar central en su concepción, despliegue y utilización. 
El informe, titulado Ethics and governance of artificial intelligence for health (ética y gobernanza de la inteligencia artificial en el ámbito de la salud), es el resultado de dos años de consultas celebradas por un grupo de expertos internacionales nombrados por la OMS. 
«Como toda nueva tecnología, la inteligencia artificial ofrece grandes posibilidades para mejorar la salud de millones de personas en todo el mundo; ahora bien, como toda tecnología, también puede utilizarse indebidamente