El potencial transformador de la IA en la prestación y administración de atención sanitaria

Este es un extracto de un documento técnico reciente escrito con Dennis Chornenky, asesor jefe de IA, UC Davis Health y David Lubarsky, vicerrector de Ciencias de la Salud Humana y director ejecutivo de UC Davis Health. Para leer el documento técnico completo, haga clic aquí.

Un modelo de gobernanza de IA eficaz permitirá que los sistemas de salud aprovechen las tecnologías innovadoras y, al mismo tiempo, mitiguen los riesgos para los pacientes. Ha habido muchos titulares que llaman la atención sobre la sustitución de la IA por los médicos, pero el escenario más probable es que funcione como una ayuda, amplificando la capacidad de los médicos y los equipos de atención para atender a más pacientes de formas más personalizadas. La siguiente infografía destaca algunas formas clave en las que esto puede suceder.

uPU" title="INSERTAR TEXTO ALTERNATIVO.png"/>	Abordar la asimetría de la información y permitir una mayor alfabetización sanitaria y autodefensa del paciente al proporcionarles información rápida y en lenguaje sencillo sobre su condición, así como acceso a segundas opiniones. Superar las barreras lingüísticas y culturales haciendo que las herramientas de traducción sean más accesibles en el lugar de atención. Mejorar el acceso a la atención en comunidades desatendidas: Se pueden utilizar chatbots de IA, algoritmos de diagnóstico y herramientas de monitoreo remoto de pacientes para aumentar el acceso a la atención primaria y especializada en geografías que experimentan escasez de proveedores.
T2X" title="INSERTAR TEXTO ALTERNATIVO.png"/>	Mejorar la capacidad de predecir y prevenir enfermedades: Las herramientas de inteligencia artificial pueden analizar grandes cantidades de datos médicos, lo que permite predicciones más precisas de enfermedades o reingresos basadas en factores de riesgo que pueden no ser evidentes para los observadores humanos. Mejorar la participación del paciente proporcionando acceso rápido a información personalizada sobre factores de riesgo y estrategias para que los pacientes eviten una escalada, en un lenguaje de fácil acceso. Permitir evaluaciones y monitoreo más rápidos y basados ​​en datos de las necesidades de salud pública para guiar las decisiones políticas y la asignación de recursos: Las herramientas de inteligencia artificial pueden resultar útiles para predecir brotes y pronosticar la demanda de servicios de salud pública.
nQc" title="INSERTAR TEXTO ALTERNATIVO.png"/>	Mejore la precisión del diagnóstico: El diagnóstico erróneo es un problema importante en la atención de la salud: la prevalencia oscila entre el 5% y el 20%, según la enfermedad o afección.1 Un diagnóstico erróneo puede tener consecuencias graves, lo que lleva a tratamientos retrasados ​​o inadecuados, procedimientos innecesarios, aumento de los costos de atención médica y daños al paciente. Los estudios han demostrado que las herramientas de inteligencia artificial pueden superar la precisión diagnóstica de los médicos humanos para determinadas afecciones. Con la IA, los médicos tienen el beneficio de contar con un “copiloto” capacitado y los pacientes pueden beneficiarse de diagnósticos más oportunos y respaldados por datos. Aumentar el acceso a diagnósticos especializados: Los algoritmos de IA pueden evaluar rápidamente imágenes de diagnóstico y biomarcadores de factores de riesgo de enfermedades, lo que permite un mayor rendimiento de las pruebas de diagnóstico y libera tiempo al médico para centrarse en los verdaderos positivos y los casos complejos. Las personas que viven en zonas rurales, remotas o desatendidas podrían acceder a una revisión a nivel de especialista de sus pruebas de diagnóstico sin tener que viajar, gracias a la IA. Un sistema de salud está desarrollando una herramienta de diagnóstico basada en inteligencia artificial que analiza biomarcadores de voz para predecir la enfermedad de las arterias coronarias.2
87y" title="INSERTAR TEXTO ALTERNATIVO.png"/>	Proporcionar una planificación de tratamiento eficiente y personalizada: Las herramientas impulsadas por IA también han podido acelerar el proceso de planificación del tratamiento; por ejemplo, reduciendo la planificación del tratamiento de radioterapia de días a solo minutos.3 Habilitar el acceso al soporte para la toma de decisiones junto a la cama: los autores de “Modelos básicos para la inteligencia artificial médica generalista” describir un futuro potencial en el que la IA no solo pueda proporcionar una alerta temprana de un evento adverso, sino también proporcionar la justificación y los puntos de datos para respaldar su evaluación, y recomendar un curso de intervención, impulsado por la evidencia clínica más reciente.4 Procedimientos de aumento: Hoy en día, los robots quirúrgicos ya ofrecen supervisión remota de casos. En el futuro, los robots quirúrgicos podrán anotar secuencias de vídeo de procedimientos en tiempo real o generar alertas cuando se omitan pasos del procedimiento.5 Permitir una monitorización remota mejorada del paciente: Las empresas continúan desarrollando la capacidad de monitorear a los pacientes con enfermedades crónicas de forma remota, mediante el seguimiento de datos de biomarcadores proporcionados a través de tecnologías portátiles o captura de imágenes por teléfono. Estas tecnologías pueden desencadenar la intervención del paciente o del médico para abordar sus inquietudes en tiempo real. Proporcionar acceso a información sobre tratamientos a través de chatbots orientados al paciente: Los LLM permiten la creación de chatbots que pueden responder a las consultas de los pacientes y brindar orientación. Hay innumerables cuestiones de responsabilidad que resolver, pero en un nivel básico, los modelos sólidos y bien probados pueden ser una fuente importante de información para que los pacientes conozcan las opciones de tratamiento.
a4v" title="INSERTAR TEXTO ALTERNATIVO.png"/>	Proporcionar herramientas de transcripción de notas: La IA se puede utilizar en herramientas de transcripción de notas para convertir automáticamente información médica hablada en texto escrito, lo que potencialmente mejora la eficiencia y precisión de la documentación médica. Facilitar la previsión de la demanda: Las herramientas de previsión de la demanda emplean modelos predictivos para estimar la demanda futura de los pacientes, lo que permite a las organizaciones de atención sanitaria optimizar la programación del personal. Soporte de facturación y codificación: Se puede emplear IA para automatizar y optimizar la facturación y codificación médica. Con herramientas de codificación automática impulsadas por IA, los profesionales de facturación médica pueden dedicar tiempo a verificar la codificación en lugar de ingresar datos manualmente. La gestión del ciclo de ingresos supone un gran gasto para los sistemas de salud.
WOT" title="INSERTAR TEXTO ALTERNATIVO.png"/>	Identificar pacientes para ensayos clínicos: La IA se puede utilizar para seleccionar datos de HCE sobre pacientes para identificar aquellos que pueden ser elegibles para ensayos clínicos, lo que podría aumentar el número de pacientes históricamente subrepresentados en ensayos clínicos. Apoye el descubrimiento y desarrollo de fármacos: La IA se puede utilizar para respaldar la identificación de objetivos de medicamentos, hacer predicciones de eficacia, individualizar predicciones de respuesta a medicamentos y monitorear la seguridad de los medicamentos y los eventos adversos, entre otras cosas.6

_{¹ Newman-Toker, DE, Wang, Z., Zhu, Y., Nassery, N., Sabre Tehrani, AS, Schaffer, AC, Yu-Moe, CW, Clemens, GD, Fanai, M. y Siegal, D. (2021), Tasa de errores de diagnóstico y daños graves relacionados con diagnósticos erróneos de eventos vasculares importantes, infecciones y cánceres: hacia una estimación de incidencia nacional utilizando los “tres grandes”. Diagnóstico (Berlín, Alemania). n2t}

_{² Malloy, T. (26 de abril de 2022). La IA utiliza biomarcadores de voz para predecir la enfermedad de las arterias coronarias – red de noticias de mayo clinic. Clínica Mayo. dBC}

_{³ Meskó, B., Görög, M. (2020) Una breve guía para profesionales médicos en la era de la inteligencia artificial. Npj Medicina Digital 3126. f8L}

_{⁴ Moor, M., Banerjee, O., Abad, ZS, Krumholz, HM, Leskovec, J., Topol, EJ y Rajpurkar, P. (2023). Modelos básicos para la inteligencia artificial médica generalista. Biblioteca Nacional de Medicina, 616(7956), 259–265. nRx}

_{⁵ Ibídem.}

_{⁶ Singh, S., Kumar, R., Payra, S. y Singh, SK (2023). Inteligencia artificial y aprendizaje automático en la investigación farmacológica: reduciendo la brecha entre datos y descubrimiento de fármacos. Cureus. RoU}