Uno de los muchos aprendizajes que nos está dejando esta pandemia mundial, en la que seguimos inmersos, es la necesidad de fortalecer nuestros sistemas hospitalarios con más y mejor personal médico, capacitado, con mejores instalaciones y equipamiento, con sistemas más modernos que ayuden a mejorar y agilizar el diagnóstico para que se tomen lo antes posible las decisiones clínicas más acertadas, se apliquen tratamientos personalizados… La razón es clara: dejando aparte otras consideraciones, la pandemia también ha demostrado que el colapso o abandono del sector sanitario puede ser devastador.
Es evidente que el modelo tradicional no responde de forma adecuada al contexto al que nos ha impuesto esta crisis sanitaria. Tal y como ocurre en otros sectores, la implantación masiva de nuevas tecnologías —como la inteligencia artificial (IA) o la automatización de procesos— es lo que hará posible volver a “rehumanizar” la medicina, permitiendo que los médicos se concentren menos en el papeleo y las funciones administrativas y más en la atención al paciente.
La aplicación de ML e IA en la industria farmacéutica y el sector sanitario es el destello de un futuro potencial
Sin duda, a medida que se vaya volviendo más común en los centros médicos, la IA hará posible disfrutar de beneficios como, por ejemplo, que todo esté habilitado por voz: las personas se acostumbrarán a hablar con los smart devices y los médicos podrán dedicar el 100% de su tiempo al paciente, en lugar de ingresar datos en máquinas. Seguramente veremos smart hospitals del futuro donde la documentación clínica se escribe sola y todo esté controlado mediante sistemas de aprendizaje automatizado.
Evidentemente, como sucede con cualquier tecnología que irrumpe en un determinado sector, existen una serie de reticencias iniciales. Por ejemplo, el temor de que la IA reemplace a los médicos ya se ha disipado, y ahora el objetivo es descubrir cómo incorporar la IA como una herramienta para ayudarles a tomar las mejores decisiones posibles, con el fin de aumentar de manera significativa la efectividad de sus diagnósticos.
Por ejemplo, un estudio del Brigham & Women’s Home Hospital, publicado en Annals of Internal Medicine, determinó que la puesta en marcha de su nuevo programa, que incluye la inversión en análisis predictivo impulsado por IA como un componente clave, redujo los costes, disminuyó el uso de la atención médica y de los reingresos en comparación con la atención hospitalaria habitual.
Decisiones clínicas basadas en datos
En el aprendizaje automático, cuando se trata de la efectividad, más datos casi siempre arrojan mejores resultados. Pero… ¿de dónde provienen todos estos datos? El flujo de generación incluye desde las áreas de investigación y desarrollo de todo tipo de entidades, hasta los informes de médicos en clínicas y hospitales, así como los de los propios pacientes, cuidadores, etc. La variedad de orígenes dispares es parte del reto a la hora de sincronizar toda esta información y utilizarla para mejorar tanto los tratamientos como los procesos internos de este sector. Desde luego, este es un tema prioritario en la intersección entre machine learning (ML) y el ámbito de healthcare.
La IA y el aprendizaje automático desempeñarán un papel crucial a la hora de analizar, procesar e interpretar los resultados
Es en este contexto donde la IA y el aprendizaje automático desempeñarán un papel crucial a la hora de analizar, procesar e interpretar los resultados. McKinsey estima que el big data y el ML podrían generar un valor de hasta 100 000 millones de dólares al año en la industria farmacéutica y la relacionada con la medicina, teniendo en cuenta que se podrán tomar mejores decisiones, optimizar los procesos de innovación o conseguir mejores eficiencias en la investigación y los ensayos clínicos. Pero, además, hay que incluir la creación de nuevos equipos para el personal médico, aseguradoras, reguladores o consumidores.
Las florecientes aplicaciones del aprendizaje automático en la industria farmacéutica y del sector sanitario son destellos de un futuro potencial, un futuro en el que la sincronicidad de los datos, el análisis y la innovación son y serán una realidad cotidiana.
