Inteligencia Artificial en la Medicina

La inteligencia artificial se utiliza cada vez en más ámbitos, así como otros modelos más sencillos de automatización.

Implementar un sistema de IA tiene un proceso muy costoso de creación al inicio, pero posteriormente a dicha creación, se puede utilizar únicamente con los costes asociados a la electricidad y poco más.

Por eso, utilizar sistemas inteligentes en diferentes campos siempre es una ventaja, ya que ayuda a automatizar y agilizar procesos sencillos, evitando que el experto en el tema en cuestión utilice su tiempo en ese tipo de trabajos y permitiéndole que lo pueda aprovechar en otras tareas más relevantes dado su conocimiento.

IA en la medicina moderna

La medicina es un caso muy interesante para aplicar automatizaciones ya que requiere de una titulación a la que no todo el mundo puede acceder y hay pocos profesionales para la cantidad de trabajo que existe.

Por ese motivo, las pequeñas, o no tan pequeñas, automatizaciones que permiten facilitarle la vida a los médicos son perfectas para permitirle dedicar su tiempo en otras tareas más dedicadas.

Normalmente, los sistemas informáticos o aplicaciones desarrolladas utilizando Inteligencia artificial que se utilizan en la medicina, sirven para el apoyo al diagnóstico clínico. Es decir, no sustituyen al perfil médico.

Ahora bien, estos sistemas de apoyo al diagnóstico clínico son realmente variopintas y podemos encontrar muchos tipos de sistemas inteligentes diferentes dentro del la medicina.

IA en la detección de enfermedades

Uno de los aspectos más importantes y difíciles de la medicina en general es la capacidad de detectar las enfermedades de manera precoz. Obviamente, en esta tarea entran muchísimos factores en juego y no todos fáciles de controlar.

En muchos casos, los análisis clínicos requieren mucho tiempo, dedicación y atención al detalle para que el experto sea capaz de detectar si existe posibilidad de algún tipo de enfermedad.

Pero lo cierto es que no son tareas especialmente complicadas, ya que habitualmente se rigen por ciertas normas y si se incumplen dichas normas es el caso en el que puede haber algún problema.

Por ejemplo, en el caso de los famosos TAC, la prueba consiste en generar un modelo 3D de lo que la máquina escanea. Si se hace un TAC en la cabeza, el aparato proporciona un volumen en 3D de las diferentes zonas del cerebro.

Un volumen en 3D al final son muchas (pero muchas) imágenes puestas una encima de otra, con la información de cada capa. Para poder realizar una evaluación exhaustiva de forma manual, el médico tendría que mirar cada una de estas imágenes, que son varios cientos de ellas en cada prueba.

Como esta práctica es bastante ineficiente, hay muchos sistemas, llamados sistemas de cribado, que sirven para detectar si hay algo en todas y cada una de las imágenes que pueda ser necesariamente revisado por el clínico, o si por el contrario, es 100% seguro que se trata de una zona sin ningún tipo de patología.

Normalmente este tipo de sistemas tienen a la perfección a la hora de detectar si hay alguna zona problemática, y si hay una duda por mínima que sea el doctor ha de revisar por sí mismo las pruebas.

Te preguntarás que como funcionan estos sistemas para realmente ser fiables... Pues lo cierto es que las IA son entrenadas con muchísima información. Los niveles de datos con los que son entrenados estos sistemas superan, con creces, el número de pruebas clínicas hechas por los médicos con más años de experiencia!

Se basan en entrenar a la IA a diferenciar entre muestras de pacientes sanos y muestras de pacientes enfermos. De tal manera, que la red es capaz de identificar de forma totalmente automática los elementos que implican que un sujeto sufra una patología. Por ejemplo, una mancha en la imagen de una prueba puede ser debido a que el paciente tiene algún problema que ha de ser revisado.

IA en el diagnóstico de enfermedades

Por otro lado, y en la línea de lo que te comentaba en el apartado anterior, tenemos las tareas de diagnóstico de enfermedades. Mientras que la detección se basa principalmente en encontrar elementos patológicos, el diagnóstico se basa en asociar dichos elementos patológicos a la enfermedad que estén ligados.

Este proceso también es automatizable siempre y cuando el mismo médico sea capaz de diferenciarlos a simple vista, ya que la red neuronal de la IA puede aprender a diferenciar prácticamente cualquier cosa que el ojo humano pueda diferenciar.

Tratamiento a medida en base a diferentes parámetros

Cuando un paciente sufre una enfermedad existen ocasiones en las que pueden aplicarse diferentes tratamientos. Dada la cantidad de datos históricos que se han almacenado a lo largo de los años de experimentos basados en prueba y error para identificar qué medicamento funciona mejor en las diferentes condiciones existentes, tenemos mucha información de interés.

Con estos datos se pueden entrenar redes de IA para que sean capaces de determinar qué medicamento va mejor a cada paciente teniendo en cuenta sus datos históricos.

IA para monitorización de evolución de patologías

En los casos en los que tenemos un paciente con cierta patología, habitualmente se hacen análisis y diferentes pruebas cada cierto tiempo para ver la evolución de la patología y el impacto del tratamiento.

Dado que los datos se almacenan de una manera informatizada (en imágenes o tablas de datos con los parámetros de interés), se puede evaluar de forma automática la diferencia entre las tomas de datos en diferentes momentos temporales.

¿Qué más?

Hay muchas más aplicaciones de IA que se utilizan en el ámbito clínico y cada día el número sigue creciendo ya que está totalmente en auge.

Espero que te haya gustado este artículo en el que te hablo del estado del arte general de programas basado en inteligencia artificial en el ámbito clínico.