La inteligencia artificial está teniendo un impacto en cada vez más áreas de nuestras vidas. Una de las áreas donde tiene más potencial es en el cuidado de la salud, permitiendo a los profesionales tomar mejores y más rápidas decisiones, y aplicando soluciones innovadoras a los problemas.
Hablamos con Eric Landau, fundador y director ejecutivo de Encord, para obtener más información sobre los beneficios y desafíos de usar IA en este sector.
BN: ¿Cuáles son las principales aplicaciones de la IA en el cuidado de la salud en la actualidad?
EL: La mayoría de los titulares que rodean a la IA se centran en cómo reemplazará o replicará el juicio de los médicos. Un objetivo más sensato no es reemplazar a los médicos, sino aumentarlos. La IA servirá principalmente para ampliar el alcance de los médicos a un conjunto mucho más amplio de datos y pacientes.
Dentro de la IA médica, hay aplicaciones obvias como el diagnóstico, sin embargo, hay más aplicaciones de nicho como la automatización de la creación de registros de pacientes. Estas tareas mundanas ocupan mucho tiempo de los médicos, pero la IA ayuda a reducirlo al proporcionarles las herramientas adecuadas para que puedan pasar más tiempo con los pacientes y realizar el trabajo de diagnóstico.
También estamos viendo muchas aplicaciones de IA para facilitar la enfermería. Muchos países de todo el mundo sufren escasez de enfermeras y, en última instancia, las enfermeras tienen poco tiempo. Las tareas monótonas, como la monitorización de pacientes, consumen mucho tiempo, por lo que la implementación de herramientas de monitorización impulsadas por IA les ayuda a dedicar más tiempo a tratar a los pacientes en lugar de solo observarlos.
BN: ¿Qué impacto tienen el aprendizaje automático y la IA médica en las responsabilidades diarias de los profesionales médicos?
EL: AI puede actuar como el segundo par de ojos de un médico proporcionando segundas opiniones u observaciones automatizadas. Los médicos, especialmente los cirujanos, pueden estar sobrecargados de trabajo y, en última instancia, son humanos. Tener una modalidad adicional para ayudarlos les ayuda a verificar las imágenes o las transmisiones de video. El objetivo es que la IA aumente los profesionales médicos y enfoque su tiempo de una manera más efectiva.
La IA médica también puede ayudar a los profesionales médicos con las tareas diarias más tediosas, como completar la documentación. La documentación automatizada se puede manifestar de diferentes maneras, desde documentar los pasos de un procedimiento, como crear marcas de tiempo durante una colonoscopia, hasta completar el papeleo. Luego, los médicos se enfocan en su actividad principal en lugar de en la documentación, lo que les permite trabajar de manera enfocada.
BN: ¿Qué desafíos impiden que la IA médica alcance su máximo potencial?
EL: El principal desafío para la IA médica es el problema del etiquetado de datos. Los datos son el mayor cuello de botella, pero hay varios subcomponentes.
El primero es el abastecimiento de datos, los equipos de aprendizaje automático (ML) necesitan tener suficientes datos de un tipo específico para construir un modelo de IA para una determinada enfermedad o determinada función.
En segundo lugar, está la anotación real de los datos que aborda la necesidad de etiquetar, estructurar y limpiar los datos. Estos pasos son difíciles de llevar a cabo y se vuelven aún más desafiantes debido a los requisitos normativos y de privacidad en torno a los datos. Los datos médicos no son tan fáciles de procesar como otras aplicaciones, como los vehículos autónomos. Se debe pensar y tener más cuidado en cualquier paso que realice con respecto a la capa de datos.
Por último, hay que asegurarse de que los datos estén correctamente equilibrados con la aplicación del mundo real en la que se publicarán. Resolver la capa de datos desbloqueará la funcionalidad y un mayor rendimiento en estos modelos de lo que hemos visto hasta ahora.
BN: ¿Cuáles son algunos de los problemas de datos que encuentran los equipos de aprendizaje automático al desarrollar modelos médicos?
EL: Un problema al que se enfrentan los equipos de ML son las limitaciones de los expertos en el dominio. A veces, cuando se entrena un modelo en un caso de uso muy específico o de nicho, puede ser necesario subcontratarlo o utilizar personas que no están tan altamente calificadas como un profesional médico, por lo que la probabilidad de error es mayor en las etiquetas.
También hay mucho desacuerdo entre los profesionales médicos sobre la mejor manera de etiquetar las cosas. A medida que aumenta el umbral de la experiencia, el proceso para generar la verdad sobre el terreno se vuelve más difícil, ambiguo e incierto. Estos son problemas que no tienes cuando entrenas a un modelo para detectar rostros humanos o animales. Es una arruga adicional en el campo de la medicina.
BN: ¿Qué es un enfoque centrado en datos para la IA y cuáles son sus beneficios?
EL: Un enfoque centrado en los datos para la IA significa que cuando se crea una aplicación de IA, el primer lugar que se debe observar son los datos, no el modelo. La calidad de los datos es imprescindible para mejorar los modelos, por lo que los equipos de ML deben averiguar cuál es el mejor conjunto de datos para alimentar su modelo. ¿Están etiquetando las cosas correctamente? ¿Hay errores en las etiquetas? ¿Está bien especificado? ¿Hay modos de falla del modelo dentro de segmentos específicos en porciones de los datos?
Pensar primero en los datos es la mejor manera de hacer que los modelos de alto rendimiento funcionen en el mundo real.
BN: ¿Cuál es el objetivo final de la IA?
EL: Hay tres objetivos finales principales para la IA médica. El primero es esencialmente otorgar superpoderes a los profesionales médicos. Las mejores aplicaciones les devuelven el tiempo a los profesionales médicos y les brindan herramientas adicionales que pueden ampliar su juicio y capacidad. Los agricultores solían romper y labrar los campos manualmente, pero ahora usan maquinaria como tractores para ayudarlos a ser más eficientes a escala. El objetivo de la IA médica debe ser proporcionar a los profesionales médicos la maquinaria para otorgarles superpoderes.
El segundo objetivo final es ampliar el alcance de las capacidades médicas y ayudar a democratizar la atención médica a nivel mundial. Esto dará a las personas de los países en desarrollo acceso a un nivel más alto de instalaciones y tratamientos médicos.
Por último, la IA debe llegar al punto en que ayude a los profesionales médicos a centrarse en la atención preventiva frente a la atención reactiva. Desafortunadamente, hay casos en los que las personas solo reciben tratamiento cuando es demasiado tarde, y lo encuentras solo después de que tu cuerpo se da cuenta. La IA debe permitir a los médicos dar diagnósticos antes cuando las enfermedades son más fáciles de tratar.
Credito de imagen: scanrail/depositphotos.com
