Inteligencia Artificial en la Medicina – Actualidad y retos para el futuro

La inteligencia artificial ha evolucionado rápidamente en los últimos años, ganando cada vez más aplicaciones en diversos campos, como la medicina. Se espera que las tecnologías médicas basadas en la inteligencia artificial (IA), dejen atrás los diagnósticos errados y los tratamientos enfocados en aplacar síntomas en vez de atender a la enfermedad. A lo largo de la historia, se ha acumulado una enorme cantidad de información en historias clínicas, a través de exámenes médicos y la recopilación de imágenes de todo tipo. Los algoritmos de “deep learning” permiten hacer uso de esta y toda la nueva información que continúa generándose, para cambiar la forma en la que los médicos e investigadores abordan la resolución de problemas en sus respectivos campos.

Actualmente, los algoritmos de IA se entrenan en base a enormes cantidades de datos para poder completar tareas que requieren de inteligencia humana. De esta forma, se vuelven excelentes en automatizar procesos, por lo que muchas veces pueden desempeñarse incluso mejor que los seres humanos en tareas como reconocimiento de patrones, análisis de imágenes y toma de decisiones.

En este contexto, los médicos e investigadores se encuentran en proceso de implementación de la IA en varias aplicaciones médicas. Una de las más destacadas es el diagnóstico de enfermedades mediante el procesamiento de datos y algoritmos diseñados para identificar patrones específicos. Por ejemplo, se pueden utilizar máquinas que evalúen radiografías para identificar tumores malignos, o algoritmos que analicen fotos de la piel para detectar la presencia de células cancerígenas. Debido a que las máquinas tienen una capacidad significativa de retener información, pueden ser entrenadas con millones datos para así reducir considerablemente los errores de diagnóstico que podrían cometer los seres humanos. Actualmente, esta tecnología ya se está utilizando en la identificación de cáncer pulmonar, evaluación de problemas cardiacos, clasificación de lesiones de la piel y detección de problemas relacionados a deformaciones en la retina. Además de ser altamente precisos, estos algoritmos permiten obtener diagnósticos en fracciones de segundo y a un bajo costo de operación.

La segunda aplicación importante de la IA es en la fabricación de fármacos. Los algoritmos de deep learning han logrado facilitar y acelerar los tiempos que tarda fabricar una droga. Por ejemplo,  se puede identificar mejor cuál es el origen biológico que causa una enfermedad, debido a que aprenden a categorizar de manera precisa las proteínas que forman estos patógenos y llegan a ser eficientes identificando los compuestos químicos a los que son sensibles. Por otro lado, los algoritmos de IA son capaces de examinar la literatura y los estudios realizados en el pasado, para identificar información útil en el desarrollo de nuevas medicinas. Para un ser humano resultaría imposible revisar millones de estudios pasados, mientras que a una máquina le tardaría un par de minutos.

Finalmente, estudios demuestran lo útil que puede ser la IA en la edición de genes. Los algoritmos inteligentes facilitan la identificación y edición de partes especificas en el ADN, que pueden ser cortadas y corregidas de ser el caso.  Vale la pena recalcar que este tipo de tecnologías todavía se encuentran en fase de desarrollo, pero prometen ser sumamente útiles en un futuro cercano.

Si bien existen incontables estudios que muestran resultados prometedores y oportunidades a futuro de la IA en la medicina, es necesario validar los resultados obtenidos y reconocer ciertas limitaciones del método. Uno de los mayores retos de la aplicación de la IA en la medicina será la validación clínica de los conceptos y herramientas desarrolladas. En primer lugar, los algoritmos de IA muchas veces son elaborados por personas que no pertenecen al campo médico sino al tecnológico. De igual manera, para que esta tecnología pueda ser ampliamente utilizada, deberá ser operada por personal médico que actualmente no posee suficiente capacitación en el área. Por esta razón, existe una creciente demanda de profesionales multidisciplinarios capacitados en ambas áreas. Otra limitación inherente al método de entrenamiento es el hecho de que los algoritmos de IA se entrenan en base a información histórica en un proceso retroactivo, por lo cual pueden estar ligeramente desactualizadas y tener sesgos ocasionados por el origen de la información. Sin embargo, a medida que avanza el tiempo se irán solventando estas limitaciones para incorporar tecnologías de IA que permitan hacer los procesos más confiables y eficientes.

Autor: Emilia Puente