El auge de la inteligencia artificial en aplicaciones sanitarias Adam Bohr y Kaveh Memarzadeh, Sonohaler, Copenhague
Libro de artificial intelligence in healthcare 2020. Bohr A. Memarzadeh K
Los grandes datos y el aprendizaje automático están teniendo un impacto en la mayoría de los aspectos de la vida moderna, desde el entretenimiento, el comercio y la atención médica. Netflix sabe qué películas y series prefiere ver la gente, Amazon sabe qué artículos le gusta comprar a la gente, cuándo y dónde, y Google sabe qué síntomas y afecciones está buscando la gente. Todos estos datos se pueden utilizar para perfiles personales muy detallados, que pueden ser de gran valor para la comprensión y la orientación del comportamiento, pero también tienen potencial para predecir las tendencias de la atención médica.
Existe un gran optimismo de que la aplicación de la inteligencia artificial (IA) puede proporcionar mejoras sustanciales en todas las áreas de la atención médica, desde el diagnóstico hasta el tratamiento. Ya existe una gran cantidad de evidencia de que los algoritmos de IA están funcionando a la par o mejor que los humanos en diversas tareas, por ejemplo, en el análisis de imágenes médicas o la correlación de síntomas y biomarcadores de registros médicos electrónicos (EMR) con la caracterización y el pronóstico de la enfermedad
Se cree que la IA puede aportar mejoras a cualquier proceso dentro de la operación y prestación de atención médica. Por ejemplo, el ahorro de costos que la IA puede aportar al sistema de salud es un factor importante para la implementación de aplicaciones de IA. Se estima que las aplicaciones de IA pueden reducir los costos anuales de atención médica de los Estados Unidos en USD 150 mil millones en 2026.
Una gran parte de estas reducciones de costos se derivan de cambiar el modelo de atención médica de un enfoque reactivo a uno proactivo, centrándose en la gestión de la salud en lugar del tratamiento de la enfermedad. Se espera que esto resulte en menos hospitalizaciones, menos visitas al médico y menos tratamientos. La tecnología basada en IA tendrá un papel importante para ayudar a las personas a mantenerse saludables a través del monitoreo y el entrenamiento continuos y garantizará un diagnóstico más temprano, tratamientos personalizados y seguimientos más eficientes. Se espera que el mercado de atención médica asociado a la IA crezca rápidamente y alcance los USD 6.6 mil millones para 2021, lo que corresponde a una tasa de crecimiento anual compuesta del 40%
Deep Learning permite encontrar correlaciones que eran demasiado complejas para renderizarlas utilizando algoritmos de aprendizaje automático anteriores. Esto se basa en gran medida en redes neuronales artificiales y, en comparación con las redes neuronales anteriores, que solo tenían 35 capas de 26 conexiones de inteligencia artificial en el cuidado de la salud, las redes de DL tienen más de 10 capas. Esto corresponde a la simulación de neuronas artificiales del orden de millones. Hay numerosas compañías que son pioneras en esta área, incluyendo IBM Watson y Deep Mind de Google. Estas compañías han demostrado que su IA puede vencer a los humanos en tareas y actividades seleccionadas, como ajedrez, Go y otros juegos. Tanto IBM Watson como Deep Mind de Google se están utilizando actualmente para muchas aplicaciones relacionadas con la salud. IBM Watson se está utilizando para investigar el control de la diabetes, la atención y el modelado avanzados del cáncer y el descubrimiento de fármacos, pero aún no ha demostrado valor clínico para los pacientes. Deep Mind también se está estudiando para aplicaciones que incluyen asistente médico móvil, diagnósticos basados en imágenes médicas y predicción del deterioro del paciente
En el cuidado de la salud y las ciencias de la vida, el mapeo del genoma humano y la digitalización de datos médicos podrían dar lugar a un patrón de crecimiento similar a medida que la secuenciación genética y el perfil se vuelven más baratos y los registros electrónicos de salud y similares sirven como plataforma para la recopilación de datos. Aunque estas áreas pueden parecer pequeñas al principio, el crecimiento exponencial tomará el control en algún momento.
Los seres humanos son generalmente pobres en la comprensión de las tendencias exponenciales y tienen una tendencia a sobreestimar el impacto de la tecnología en el corto plazo (por ejemplo, 1 año) mientras subestiman el efecto a largo plazo (por ejemplo, 10 años).
En general, se cree que las herramientas de IA facilitarán y mejorarán el trabajo humano y no reemplazarán el trabajo de los médicos y otro personal sanitario como tal. AI está listo para apoyar al personal de atención médica con una variedad de tareas, desde el flujo de trabajo administrativo hasta la documentación clínica y el alcance del paciente, así como el soporte especializado, como el análisis de imágenes, la automatización de dispositivos médicos y el monitoreo de pacientes. Existen diferentes opiniones sobre las aplicaciones más beneficiosas de la IA para fines sanitarios. Forbes declaró en 2018 que las áreas más importantes serían los flujos de trabajo administrativos, el análisis de imágenes, la cirugía robótica, los asistentes virtuales y el soporte de decisiones clínicas.
Un informe de 2018 de Accenture mencionó las mismas áreas y también incluyó conectadas El aumento de la inteligencia artificial en aplicaciones de atención médica máquinas, reducción de errores de dosificación y ciberseguridad. Un informe de 2019 de McKinsey afirma que las áreas importantes son dispositivos conectados y cognitivos, medicina dirigida y personalizada, cirugía asistida por robótica y electrocéuticos
La medina de precisión será también un cambio propicio para la inteligencia artificial. La medicina de precisión ofrece la posibilidad de adaptar las intervenciones sanitarias a individuos o grupos de pacientes en función de su perfil de enfermedad, información diagnóstica o pronóstica, o su respuesta al tratamiento. La oportunidad de tratamiento a medida tendrá en cuenta las variaciones genómicas, así como los factores que contribuyen al tratamiento médico, como la edad, el sexo, la geografía, la raza, los antecedentes familiares, el perfil inmunológico, el perfil metabólico, el microbioma y la vulnerabilidad ambiental. El objetivo de la medicina de precisión es utilizar la biología individual en lugar de la biología de poblaciones en todas las etapas del viaje médico de un paciente. Esto significa recopilar datos de individuos como información genética, datos de monitoreo fisiológico o datos de EMR y adaptar su tratamiento basado en modelos avanzados. Las ventajas de la medicina de precisión incluyen la reducción de los costos de atención médica, la reducción de la respuesta adversa a los medicamentos y la mejora de la efectividad de la acción del medicamento
Se espera que la innovación en medicina de precisión proporcione grandes beneficios a los pacientes y cambie la forma en que se prestan y evalúan los servicios de salud. Hay muchos tipos de iniciativas de medicina de precisión y, en general, se pueden dividir en tres tipos de áreas clínicas: algoritmos complejos, aplicaciones de salud digital y pruebas basadas en «ómicas».
Algoritmos complejos: los algoritmos de aprendizaje automático se utilizan con grandes conjuntos de datos, como información genética, datos demográficos o registros electrónicos de salud para proporcionar predicción del pronóstico y una estrategia de tratamiento óptima.
Aplicaciones de salud digital: las aplicaciones de atención médica registran y procesan datos agregados por los pacientes, como la ingesta de alimentos, el estado emocional o la actividad, y los datos de monitoreo de la salud de dispositivos portátiles, sensores móviles y similares. Algunas de estas aplicaciones caen bajo la medicina de precisión y utilizan algoritmos de aprendizaje automático para encontrar tendencias en los datos y hacer mejores predicciones y dar consejos de tratamiento personalizados.
Pruebas basadas en ómicas: la información genética de un grupo de población se utiliza con algoritmos de aprendizaje automático para encontrar correlaciones y predecir las respuestas al tratamiento para el paciente individual. Además de la información genética, otros biomarcadores como la expresión de proteínas, el microbioma intestinal y el perfil metabólico también se emplean con el aprendizaje automático para permitir tratamientos personalizados
Se cree que en la próxima década se ofrecerá a una gran parte de la población mundial la secuenciación completa del genoma, ya sea al nacer o en la vida adulta. Se estima que dicha secuenciación del genoma ocupa 100150 GB de datos y permitirá una gran herramienta para la medicina de precisión. La interfaz de la información genómica y fenotípica aún está en curso. El sistema clínico actual necesitaría un rediseño para poder utilizar dichos datos genómicos y los beneficios de los mismos
El descubrimiento y desarrollo de fármacos es un proceso inmensamente largo, costoso y complejo que a menudo puede llevar más de 10 años desde la identificación de objetivos moleculares hasta que se aprueba y comercializa un producto farmacológico. Cualquier falla durante este proceso tiene un gran impacto financiero y, de hecho, la mayoría de los candidatos a medicamentos fallan en algún momento durante el desarrollo y nunca llegan al mercado. Además de eso, están los obstáculos regulatorios cada vez mayores y el aumento de la inteligencia artificial en las aplicaciones de atención médica las dificultades para descubrir continuamente moléculas de medicamentos que son sustancialmente mejores que las que se comercializan actualmente. Esto hace que el proceso de innovación de medicamentos sea desafiante e ineficiente con un alto precio en cualquier producto farmacéutico nuevo que llegue al mercado. Ha habido un aumento sustancial en la cantidad de datos disponibles que evalúan la actividad de los compuestos farmacológicos y los datos biomédicos en los últimos años. Esto se debe a la creciente automatización y la introducción de nuevas técnicas experimentales, incluida la síntesis oculta de texto a voz basada en el modelo de Markov y la síntesis paralela. Sin embargo, la extracción de los datos químicos a gran escala es necesaria para clasificar de manera eficiente los posibles compuestos farmacológicos y las técnicas de aprendizaje automático han demostrado un gran potencia
La evaluación de las interacciones fármaco objetivo es una parte importante del proceso de diseño del fármaco. La postura de unión y la afinidad de unión entre la molécula del fármaco y el objetivo tienen un impacto importante en las posibilidades de éxito basadas en la predicción in silico. Algunos de los enfoques más comunes implican la identificación de candidatos a fármacos a través del acoplamiento molecular, para la predicción y preselección de interacciones interesantes entre fármacos.
Visión artificial para diagnóstico y cirugía
La visión artificial se ha basado principalmente en el procesamiento estadístico de señales, pero ahora se está desplazando más hacia la aplicación de redes neuronales artificiales como la opción para el método de aprendizaje. Aquí, DL se utiliza para diseñar algoritmos de visión por computadora para clasificar imágenes de lesiones en la piel y otros tejidos. Se estima que los datos de video contienen 25 veces la cantidad de datos de imágenes de diagnóstico de alta resolución, como la TC y, por lo tanto, podrían proporcionar un valor de datos más alto basado en la resolución a lo largo del tiempo. El análisis de video aún es prematuro, pero tiene un gran potencial para el apoyo a la decisión clínica. Como ejemplo, un análisis de video de un procedimiento laparoscópico en tiempo real ha dado como resultado una precisión del 92.8% en la identificación de todos los pasos del procedimiento y, sorprendentemente, la detección de pasos faltantes o inesperados
Una aplicación notable de la IA y la visión por computadora dentro de la tecnología quirúrgica es aumentar ciertas características y habilidades dentro de la cirugía, como la sutura y el atado de nudos. El robot autónomo de tejido inteligente (STAR) de la Universidad Johns Hopkins ha demostrado que puede superar a los cirujanos humanos en algunos procedimientos quirúrgicos como la anastomosis intestinal en animales. Un cirujano robótico totalmente autónomo sigue siendo un concepto para un futuro no tan cercano, pero aumentar diferentes aspectos de la cirugía utilizando IA es de interés para los investigadores. Un ejemplo de esto es un grupo del Instituto de Tecnología de la Información de la Alpen-Adria Universität Klagenfurt que utiliza videos de cirugía como material de capacitación para identificar una intervención específica realizada por el cirujano. Por ejemplo, cuando se realiza un acto de disección o corte en los tejidos u órganos del paciente, el algoritmo reconoce la probabilidad de la intervención, así como la región específica del cuerpo
Tales algoritmos se basan naturalmente en el entrenamiento en muchos videos y podrían resultar muy útiles para procedimientos quirúrgicos complicados o para situaciones en las que un cirujano sin experiencia en el cuidado de la salud requerido para realizar una cirugía de emergencia. Es importante que los cirujanos participen activamente en el desarrollo de tales herramientas que garanticen la relevancia y la calidad clínica y faciliten la traducción del laboratorio al sector clínico
La palabra «profundo» se refiere a la naturaleza multicapa del aprendizaje automático y, entre todas las técnicas de DL, la más prometedora en el campo del reconocimiento de imágenes ha sido la CNN. Yann LeCun, un destacado informático francés, introdujo los antecedentes teóricos de este sistema creando LeNET en la década de 1980. Un algoritmo automatizado de reconocimiento de escritura a mano diseñado para leer cheques para sistemas financieros. Desde entonces, estas redes han demostrado ser muy prometedoras en el campo del reconocimiento de patrones. Al igual que los radiólogos que durante el período de formación médica tienen que aprender correlacionando y relacionando constantemente sus interpretaciones de las imágenes radiológicas con la verdad fundamental, las CNN están influenciadas por la corteza visual humana, donde el reconocimiento de imágenes se inicia mediante la identificación de las muchas características de la imagen.
Los registros personales de salud han estado históricamente orientados al médico y, a menudo, han carecido de funcionalidades relacionadas con el paciente. Sin embargo, para promover la autogestión y mejorar los resultados para los pacientes, se debe implementar un registro de salud personal centrado en el paciente. El objetivo es permitir una amplia libertad para que los pacientes manejen sus condiciones, al tiempo que liberan tiempo para que los médicos realicen tareas más cruciales y urgentes
Los dispositivos de salud portátiles (WHD) son una tecnología próxima que permite la medición constante de ciertos signos vitales en diversas condiciones. La clave de su adopción temprana y éxito es la flexibilidad de su aplicación: los usuarios ahora pueden realizar un seguimiento de su actividad mientras corren, meditan o están bajo el agua. El objetivo es proporcionar a las personas una sensación de poder sobre su propia salud permitiéndoles analizar los datos y administrar su propia salud. Simplemente, los WHD crean empoderamiento individual. A primera vista, un dispositivo portátil puede parecer una banda o reloj ordinario; Sin embargo, estos dispositivos cierran la brecha entre múltiples disciplinas científicas como la ingeniería biomédica, la ciencia de los materiales, la electrónica, la programación informática y la ciencia de datos, entre muchas otras. No sería una exageración referirse a ellos como entrenadores de salud digital siempre presentes, ya que cada vez se anima a llevarlos en todo momento para sacar el máximo partido a tus datos. Los wearables de Garmin son un buen ejemplo de ello, con un enfoque en estar activo, cubren una gran variedad de deportes y proporcionan una cantidad sustancial de datos en su aplicación Garmin connect donde los usuarios pueden analizar y observar sus actividades diarias. Estos van cada vez más acompañados de la implementación de la gamificación. La gamificación se refiere a la utilización de elementos de diseño de juegos para aplicaciones no relacionadas con el juego. Estos elementos se utilizan para motivar e impulsar a los usuarios a alcanzar sus objetivos
En las plataformas portátiles, los datos recopilados de las actividades diarias pueden servir como competencia entre diferentes usuarios de la plataforma. Digamos que sus pasos semanales promedio son de alrededor de 50,000 pasos.
Como resultado de este escenario gamificado, el usuario puede esforzarse por aumentar sus actividades diarias para mejorar en la tabla de clasificación y potencialmente llevar una vida más saludable. Si bien el aspecto de gamificación de los wearables y su aplicación podría traer beneficios, la evidencia de eficacia es escasa y varía ampliamente, y algunos afirman que la práctica podría traer más daño que bien. El monitoreo remoto y la detección de signos tempranos de enfermedad podrían ser inmensamente beneficiosos para aquellos que sufren de enfermedades crónicas y los ancianos. Aquí, al usar un dispositivo inteligente o la entrada manual de datos durante un período prolongado, las personas podrán comunicarse con sus trabajadores de la salud sin la necesidad de interrumpir su vida diaria. Este es un gran ejemplo de algoritmos que colaboran con profesionales de la salud para producir un resultado que sea beneficioso para los pacientes
Robótica y dispositivos impulsados por inteligencia artificial
Existen numerosas áreas en el cuidado de la salud donde los robots se utilizan para reemplazar la fuerza laboral humana, aumentar las habilidades humanas y ayudar a los profesionales de la salud humana. Estos incluyen robots utilizados para procedimientos quirúrgicos como operaciones laparoscópicas, asistentes robóticos para rehabilitación y asistencia al paciente, robots que se integran en implantes y prótesis, y robots utilizados para ayudar a los médicos y otro personal de atención médica con sus tareas. Algunos de estos dispositivos están siendo desarrollados por varias compañías, especialmente para interactuar con los pacientes y mejorar la conexión entre humanos y máquinas desde una perspectiva de atención. La mayoría de los robots actualmente en desarrollo tienen algún nivel de tecnología de IA incorporada para un mejor rendimiento con respecto a las clasificaciones, el reconocimiento de idiomas, el procesamiento de imágenes y más.
Cirugía mínimamente invasiva
Aunque se han observado muchos avances en el área que rodea a la cirugía medida por los resultados de los procedimientos quirúrgicos, la práctica principal de la cirugía sigue siendo un procedimiento relativamente de baja tecnología en su mayor parte utilizando herramientas manuales e instrumentos para «cortar y coser». La cirugía convencional se basa en gran medida en la detección por parte del cirujano, donde el tacto les permite distinguir entre tejidos y órganos y, a menudo, requiere cirugía abierta. Hay una transformación continua dentro de la tecnología quirúrgica y se ha centrado especialmente en reducir la invasividad del procedimiento quirúrgico al minimizar las incisiones, reducir las cirugías abiertas y usar herramientas y cámaras flexibles para ayudar a la cirugía. Tal cirugía mínimamente invasiva se considera el camino a seguir, pero todavía se encuentra en una fase temprana con muchas mejoras que se deben hacer para que sea «menos importante» para los pacientes y reducir el tiempo y el costo. La cirugía mínimamente invasiva requiere diferentes habilidades motoras en comparación con la cirugía convencional debido a la menor retroalimentación táctil cuando se confía más en las herramientas y menos en el contacto directo. Los sensores que proporcionan al cirujano estímulos táctiles más finos están en desarrollo y hacen uso del procesamiento de datos táctiles para traducir la entrada del sensor en datos o estímulos que pueden ser percibidos por el cirujano. Tal procesamiento de datos táctiles generalmente hace uso de IA, más específicamente redes neuronales artificiales para mejorar la función de esta traducción de señales y la interpretación de la información táctil. La detección táctil artificial ofrece varias ventajas en comparación con el tacto físico, incluida una biblioteca de referencia más grande para comparar la sensación y la estandarización entre los cirujanos con respecto a las características cuantitativas, la mejora continua y el nivel de entrenamiento.
Un ejemplo en el que se ha utilizado la detección táctil artificial incluye la detección del cáncer de mama, como reemplazo del examen clínico de las mamas para complementar las técnicas de imágenes médicas como la mamografía de rayos X y la resonancia magnética. Aquí, el sistema de detección táctil artificial se construyó a partir de datos de reconstrucción de mediciones mecánicas de tejidos utilizando un sensor de presión como datos de referencia. Durante el entrenamiento de la red neuronal, el peso de los datos de entrada se ajusta de acuerdo con la salida deseada [44]. El sistema sensorial táctil puede detectar calcificaciones masivas dentro del tejido mamario basándose en la palpación de diferentes puntos del tejido y comparando con diferentes datos de referencia, y posteriormente determinar si hay anomalías significativas en el tejido mamario. La detección táctil artificial también se ha utilizado para otras aplicaciones, incluida la evaluación de tumores hepáticos, cerebrales y submucosos
Vida asistida por el ambiente
Con el envejecimiento de la sociedad, cada vez más personas viven hasta la vejez con trastornos crónicos y en su mayoría logran vivir de forma independiente hasta una edad avanzada. Los datos indican que la mitad de las personas mayores de 65 años tienen una discapacidad de algún tipo, que constituye más de 35 millones de personas solo en los Estados Unidos. La mayoría de las personas quieren preservar su autonomía, incluso a una edad avanzada, y mantener el control sobre sus vidas y decisiones. Las tecnologías de asistencia aumentan la autodependencia de los pacientes, fomentando la participación de los usuarios en herramientas de Tecnologías de la Información y la Comunicación (TIC) para proporcionar servicios de asistencia de tipo de atención remota y proporcionar información a los profesionales de la salud. Las tecnologías de asistencia están experimentando un rápido crecimiento, especialmente entre las personas de 65-74 años. Los gobiernos, las industrias y varias organizaciones están promoviendo el concepto de AAL, que permite a las personas vivir de forma independiente en su entorno familiar. AAL tiene múltiples objetivos, incluida la promoción de un estilo de vida saludable para las personas en riesgo, el aumento de la autonomía y la movilidad de las personas mayores y la mejora de la seguridad, el apoyo y la productividad para que las personas puedan vivir en su entorno preferido y, en última instancia, mejorar su calidad de vida. Las aplicaciones AAL suelen recopilar datos a través de sensores y cámaras y aplicar diversas herramientas de inteligencia artificial para desarrollar un sistema inteligente. Una forma de implementar AAL es usar hogares inteligentes o robots de asistencia.
Un hogar inteligente es un hogar residencial normal, que se ha aumentado utilizando diferentes sensores y herramientas de monitoreo para hacerlo «inteligente» y facilitar la vida de los residentes en su espacio vital. Otras aplicaciones populares de AAL que pueden ser parte de un hogar inteligente o usarse como una aplicación individual incluyen monitoreo remoto, recordatorios, generación de alarmas, análisis de comportamiento y asistencia robótica. Las casas inteligentes pueden ser útiles para las personas con demencia y varios estudios han investigado aplicaciones de hogares inteligentes para facilitar la vida de los pacientes con demencia. Los sensores de bajo costo en una arquitectura de Internet de las cosas (IoT) pueden ser una forma útil de detectar comportamientos anormales en el hogar. Por ejemplo, los sensores se colocan en diferentes áreas de la casa, incluyendo Inteligencia Artificial en el cuidado de la salud, el dormitorio, la cocina y el baño para garantizar la seguridad.
Robots de asistencia Los robots de asistencia se utilizan para apoyar las limitaciones físicas de las personas mayores y disfuncionales y ayudarlas asistiendo en las actividades diarias y actuando como un par adicional de manos u ojos. Tales robots de asistencia pueden ayudar en diversas actividades como la movilidad, la limpieza, la administración de medicamentos, la alimentación, el aseo, el baño y diversas comunicaciones sociales. Un robot de asistencia llamado RIBA con brazos de tipo humano fue diseñado para ayudar a los pacientes a levantar y mover cosas pesadas. Se ha demostrado que el robot es capaz de llevar al paciente de la cama a una silla de ruedas y viceversa. Se pueden proporcionar instrucciones al RIBA, ya sea mediante el uso de sensores táctiles utilizando un método conocido como guía táctil para enseñar mostrando
El proyecto MARIO (Gestión del envejecimiento activo y saludable con el uso de robots de servicio cuidadosos) es otro robot de asistencia que ha atraído mucha atención. El proyecto tiene como objetivo abordar los problemas de soledad, aislamiento y demencia, que se observan comúnmente en las personas mayores
Creemos que la IA tiene un papel importante que desempeñar en las ofertas de atención médica del futuro. En forma de aprendizaje automático, es la capacidad principal detrás del desarrollo de la medicina de precisión, ampliamente aceptada como un avance muy necesario en la atención. Aunque los primeros esfuerzos para proporcionar recomendaciones de diagnóstico y tratamiento han demostrado ser un desafío, esperamos que la IA también domine ese dominio. Dados los rápidos avances en IA para el análisis de imágenes, parece probable que la mayoría de las imágenes de radiología y patología sean examinadas en algún momento por una máquina. El reconocimiento de voz y texto ya se emplea para tareas como la comunicación del paciente y la captura de notas clínicas, y su uso aumentará. El mayor desafío para la IA en estos dominios de atención médica no es si las tecnologías serán lo suficientemente capaces de ser útiles, sino garantizar su adopción en la práctica clínica diaria. Para que se produzca una adopción generalizada, los sistemas de IA deben ser aprobados por los reguladores, integrados con los sistemas de EHR, estandarizados en un grado suficiente para que productos similares funcionen de manera similar, enseñados a los médicos, pagados por organizaciones de pagadores públicos o privados y actualizados con el tiempo en el campo. Estos desafíos finalmente se superarán, pero tardarán mucho más en hacerlo de lo que tardarán las propias tecnologías en madurar. Como resultado, esperamos ver un uso limitado de la IA en la práctica clínica dentro de 5 años y un uso más extenso dentro de 10 años. También parece cada vez más claro que los sistemas de IA no reemplazarán a los médicos humanos a gran escala, sino que aumentarán sus esfuerzos para atender a los pacientes. Con el tiempo, los médicos humanos pueden avanzar hacia tareas y diseños de trabajo que se basan en habilidades humanas únicas como la empatía, la persuasión y la integración general. Quizás los únicos proveedores de atención médica que arriesgarán sus carreras con el tiempo pueden ser aquellos que se niegan a trabajar junto con la IA.
Una revisión realizada por Becker [62] sugiere que la IA utilizada en la atención médica puede servir a médicos, pacientes y otros trabajadores de la salud de cuatro maneras diferentes. Aquí, utilizaremos estas sugerencias como inspiraciones y ampliaremos el aumento de la inteligencia artificial en las aplicaciones de atención médica su contribución hacia una implementación exitosa de la IA en la atención médica: (Fig. 2.9) 1. Evaluación del inicio de la enfermedad y el éxito del tratamiento. 2. Manejo o alivio de complicaciones. 3. Asistencia al paciente durante un tratamiento o procedimiento. 4. Investigación dirigida al descubrimiento o tratamiento de enfermedades.
La humanidad prefiere soluciones racionalizadoras y creativas que sean efectivas y saquen menos provecho de nuestra vida cotidiana. Combinando esto con los avances cada vez mayores en el campo de los materiales sanitarios inteligentes y la IA, se podría imaginar que los pacientes manejen la mayoría de sus propias afecciones en el hogar y, cuando sea necesario, se pongan en contacto con un trabajador de la salud relevante que los derivará a médicos más especializados que podrían atender sus necesidades. También es muy importante tener en cuenta que en el momento de una epidemia, un brote, un desastre natural o provocado por el hombre, o simplemente cuando el paciente está lejos de su vivienda habitual, una tecnología que permita a los humanos interactuar de forma remota y resolver problemas tendrá que convertirse en una necesidad.
