AI tiene aplicaciones prometedoras en el cuidado de la salud, pero los innovadores se enfrentan a una ardua batalla para convertirlos en realidad.
Por Paul Lee, M.D.
La cantidad de dinero que fluye en las startups de inteligencia artificial de salud es asombrosa. Desde 2013, los capitalistas de riesgo han invertido $ 4,3 mil millones en nuevas empresas que buscan mejorar los resultados de los pacientes y reducir los gastos de atención médica con aplicaciones de IA, según la firma de investigación CB Insights.
La atención médica es la aplicación más anticipada de inteligencia artificial, a juzgar por la cantidad de dinero que fluye hacia su desarrollo. Pero la creación de una startup de tecnología de la salud presenta desafíos únicos que los empresarios no encuentran en otros campos.
Incluso las nuevas empresas mejor financiadas se enfrentarán a seis desafíos clave para llevar la inteligencia artificial a la atención médica.
Con la tecnología en sí, el bombo supera las capacidades.
En 2013, estaba ejecutando una startup desarrollando una plataforma de telesalud. Nuestro objetivo era ayudar a los pacientes a obtener opiniones rápidas y recomendaciones de varios médicos en todo el mundo. Para hacer nuestra aplicación aún más efectiva, queríamos emplear inteligencia artificial, pero rápidamente descubrimos que la tecnología no estaba a la altura de las expectativas. Los líderes actuales en inteligencia artificial pueden ofrecer algoritmos para ayudar con el análisis de sentimientos, la transcripción de voz a texto y algunos tipos de reconocimiento de imágenes, pero no tenemos un sistema que pueda unir esas herramientas y brindar una visión real.
Queríamos ofrecer a los médicos un sistema que pudiera leer las últimas revistas y estudios médicos, y ayudarlos a hacer sus recomendaciones, pero esa tecnología simplemente no existe todavía.
La fatiga de la señal puede llevar a peores resultados en los pacientes.
El sueño en muchas implementaciones de AI para la salud es crear un algoritmo que mantenga a los pacientes más sanos encontrando correlaciones entre genes, condiciones preexistentes y opciones de estilo de vida y usándolos para hacer recomendaciones para un tratamiento preventivo.
En teoría, esto podría mejorar dramáticamente los resultados del cuidado de la salud. Pero en la práctica, hay muchas maneras en que podría salir mal, y es posible que ya esté fuera de lugar. Atul Gawande escribió recientemente en un artículo publicado en el New Yorker que los médicos que interactúan con algoritmos de aprendizaje automático diseñados para encontrar tales correlaciones ya están experimentando fatiga en la señal. Los algoritmos, que son recuadros negros que no les dan a los usuarios una idea de cómo calculan sus hallazgos, están descubriendo muchas correlaciones y conexiones alarmantes, sin la capacidad de clasificarlos por urgencia.
Gawande escribe sobre los intentos actuales de los sistemas de EHR de emplear el aprendizaje automático: "el solo hecho de ordenar medicamentos y pruebas de laboratorio desencadena docenas de alertas cada día, la mayoría de ellas irrelevantes, y todas las que necesitan revisiones y clasificaciones humanas".
Si los sistemas de inteligencia artificial realmente van a mejorar los resultados del paciente, las tecnologías en las que se basan deben ser mejores para distinguir entre las correlaciones genéticas aleatorias y los indicadores reales de los problemas de salud.
La recopilación de datos es costosa y los conjuntos de datos existentes están fragmentados.
Para crear algoritmos que no produzcan decenas de falsos positivos por cada diagnóstico válido, necesita buenos datos de atención médica: datos relevantes, representativos y precisos. Y ese es el problema. Es difícil obtener datos de salud completos y de alta calidad. Como señala CB Insights, los EE. UU. No tienen un formato estándar para registrar datos ni un depósito central de datos de pacientes.
Hay algunos conjuntos de datos disponibles públicamente, como los compilados por Kaggle, una compañía que organiza concursos de ciencia de datos, y los que mantiene el CDC. Dado que las imágenes médicas ya capturan imágenes digitalmente, hay una base de datos cada vez mayor de imágenes médicas. De hecho, el 90 por ciento de todos los datos de atención médica provienen de imágenes médicas. Esta concentración de datos ha llevado a algunos avances convincentes en inteligencia artificial para la atención de la salud que tienen como objetivo ayudar a los médicos a analizar los resultados de las imágenes médicas.
A medida que más hospitales emigran al uso de registros de salud electrónicos, será más fácil recopilar más datos de pacientes que puedan compilarse en conjuntos de datos de alta calidad. Epic, una de las mayores compañías de registros electrónicos de salud en los EE. UU., Ha insinuado que está invirtiendo en herramientas basadas en inteligencia artificial para mejorar la capacidad de los médicos para capturar datos precisos de pacientes en sus sistemas, lo que mejoraría el tipo de conjuntos de datos que podrían ser compilado de estos registros.
Algunas nuevas empresas de IA también están explorando el papel del crowdsourcing para compilar conjuntos de datos. En mi empresa, Mind AI, vemos la oportunidad de utilizar y cryptocurrency para motivar a millones de miembros del público a aportar información de todo tipo, incluida la información de salud, a nuestro motor de razonamiento, lo que nos brinda una enorme ventaja en la educación de nuestro motor. en comparación con el trabajo con conjuntos de datos existentes.
Las personas son reactivas, no proactivas, con su propia salud.
Si su inicio de atención médica está orientado al consumidor, deberá convencer a los pacientes para que descarguen su aplicación y desarrollen el hábito de usarla. Esto puede resultar mucho más difícil de lo que piensas.
Descubrimos que los médicos adoptaron de inmediato nuestra plataforma de telesalud y la consideraron una excelente manera de llegar a más personas con información médica que podría salvar vidas a un costo razonable.
Pero los consumidores se mostraron menos entusiastas con el servicio, lo cual nos sorprendió, porque una encuesta tras otra mostró que el público está ansioso por ver a sus médicos adoptar la telemedicina.
Descubrimos que cuando estuvo disponible, los pacientes se mostraron reacios a sustituir una consulta por video para una visita en persona.
Una encuesta realizada a fines de 2017 indicó que a los pacientes les gusta la idea de la telemedicina en general, pero en realidad no confían en ella cuando se trata de problemas de salud específicos.
Si bien el 77 por ciento de los encuestados dijo que probablemente elegirían un médico que ofreciera telemedicina en lugar de uno que no lo hizo, cuando se les preguntara acerca de afecciones específicas como afecciones de la piel, problemas respiratorios o dolor en las articulaciones, los encuestados mostraron una clara preferencia por una visita en persona.
Con nuestra plataforma, nos dimos cuenta de que los usuarios no parecían saber qué tipo de preguntas eran apropiadas para los médicos en el sistema. El espacio entre una visita tradicional en persona y simplemente buscar sus síntomas en Google es turbio. A los pacientes les gustó la idea de una herramienta para comunicarse con los médicos, pero no sabían qué preguntas hacer.
Las nuevas empresas que desarrollen aplicaciones de telesalud, ya sea que impliquen AI o no, deberán trabajar arduamente para educar al público sobre cómo usarlas.
Los vendedores de aceite de serpiente siempre lo vencerán en el mercado, erosionando la confianza del público.
Si el público ha aprendido algo en el último medio siglo, es que Internet está lleno de estafadores y ladrones que están más que felices de explotar la desesperación o la paranoia de un paciente en medio de una crisis de salud.
Esto ya está ocurriendo a pequeña escala con la creciente popularidad de las compañías de análisis de ADN en línea, como lo explica este artículo de The MITRE Corp. Después de descubrir que tienen un determinado gen que se ha relacionado con un mayor riesgo de desarrollar coágulos de sangre (y otras enfermedades), algunos consumidores se preocupan por su salud y buscan tratamientos preventivos. Pero si limitan su búsqueda a Internet, en lugar de hablar con su médico habitual, a menudo terminarán en sitios web depredadores que ofrecen tratamientos que no están probados, en el mejor de los casos, a precios exorbitantes.
Los empresarios que desarrollen AI para aplicaciones de atención médica deberán ser proactivos para ganarse la confianza del público. Esto podría requerir todo, desde el desarrollo de estándares o certificaciones de la industria hasta la autocomprobación de los malos actores.
Las regulaciones tienen poco o ningún marco para tratar con la IA.
Los estafadores no solo dañan la percepción pública de muchas innovaciones tecnológicas en la atención médica, sino que también les dan a los reguladores una buena razón para sospechar del papel que juega la IA en la atención médica.
La regulación es importante en el cuidado de la salud, es lo que se supone que mantiene a los defraudadores fuera del mercado, pero también frena la innovación.
Incluso sin integrar la IA en nuestra aplicación, llegamos a obstáculos normativos con nuestra plataforma de telesalud. Las regulaciones prohíben algunos servicios de salud, como prescribir medicamentos en la lista de sustancias controladas, sin una visita en persona.
Para obtener la aprobación reglamentaria de un nuevo dispositivo médico en los EE. UU., Debe probar que es seguro y útil y que produce resultados predecibles y repetibles. Gran parte del desarrollo en torno a la IA se centra en el aprendizaje automático, que produce nuevos resultados cada vez que se agregan más datos. Bajo las reglas de la FDA de hoy, ese dispositivo nunca podría ser aprobado.
También hay grandes preguntas sobre la responsabilidad. ¿Quién es responsable si un algoritmo comete un error? ¿Quién es responsable de mantener y proteger las bases de datos de atención médica a las que todas las aplicaciones de AI para aplicaciones de salud deben tener acceso?
Los diseñadores de cualquier algoritmo sanitario tendrán que pisar con cautela para evitar violar las regulaciones.
La IA tendrá un gran impacto en la atención de salud, pero ¿será positiva?
AI tiene el potencial de revolucionar la atención médica si puede superar cada uno de estos obstáculos. Sin adoptar un enfoque cuidadoso que reconozca todos estos obstáculos, la IA podría tener un impacto negativo general en los resultados de los pacientes al erosionar la confianza en la medicina moderna, aumentar las tasas de agotamiento de los médicos y aumentar los costos debido a los litigios y regulaciones. Pero con la colaboración paciente del sector tecnológico, los administradores de atención médica, los reguladores y los profesionales, estos problemas pueden resolverse.
Para mantenerse actualizado sobre nuestro progreso, suscríbase a nuestra lista de correo electrónico, hable con nosotros en Telegram o síganos en Medium.