IA en Salud: Avances y Desafíos en Países en Desarrollo

Varisha Zuhair , Areesha Babar ,y Latif Ur Rehman

La inteligencia artificial (IA), que combina la informática con amplios conjuntos de datos, busca imitar la inteligencia humana. Diversos subconjuntos de la IA se están aplicando en casi todos los campos de la medicina y la cirugía.

---

---

Apuntar:

Esta revisión se centra en las aplicaciones de la IA en entornos de atención sanitaria en países en desarrollo, diseñada para subrayar su importancia al describir exhaustivamente los avances logrados hasta ahora, las deficiencias encontradas en las aplicaciones de la IA, el estado actual de la integración de la IA, los desafíos persistentes y las estrategias innovadoras para superarlos.

Metodología:

Se buscaron artículos de PubMed, Google Scholar y Cochrane entre 2000 y 2023 con palabras clave que incluían IA y atención médica, centrándose en múltiples especialidades médicas.

Resultados:

El creciente papel de la IA en el diagnóstico, la predicción del pronóstico y la gestión de pacientes, así como en la gestión hospitalaria y la atención sanitaria comunitaria, ha mejorado la eficiencia del sistema sanitario en general, especialmente en entornos con alta carga de pacientes y zonas con recursos limitados de países en desarrollo, donde la atención al paciente suele verse comprometida. Sin embargo, desafíos como las bajas tasas de adopción y la ausencia de directrices estandarizadas, los altos costos de instalación y mantenimiento de los equipos, las deficiencias en el transporte y los problemas de conectividad dificultan el uso pleno de la IA en la atención sanitaria.

Conclusión:

A pesar de estos desafíos, la IA ofrece un futuro prometedor en la atención médica. Es fundamental que los profesionales sanitarios cuenten con los conocimientos y la experiencia necesarios para el uso de la tecnología de IA en la atención médica en los países en desarrollo.

Introducción

La inteligencia artificial (IA) es una disciplina que fusiona la informática con extensos conjuntos de datos para replicar una inteligencia similar a la humana. En los anales de la historia médica, se vislumbra una nueva era, caracterizada por la integración simbiótica de la IA con la atención médica. Esta combinación revolucionaria representa un hito que promete transformar el panorama médico y de la atención al paciente. Desde mediados del siglo XX, la incursión de la IA en la medicina ha evolucionado desde conjeturas teóricas hasta aplicaciones tangibles y transformadoras, entre las que destacan el aprendizaje automático (AA) y su subconjunto, el aprendizaje profundo (AA). ¹ El AA es una aplicación basada en algoritmos y técnicas que mejoran el rendimiento de un programa informático analizando y generando conclusiones válidas y consistentes mediante la recopilación de regularidades de grandes bases de datos. ² Estos algoritmos permiten a los ordenadores aprender continuamente de la información almacenada específica de un problema, lo que les permite encontrar información oculta y patrones complejos, así como automatizar la construcción de modelos analíticos para realizar tareas cognitivas como la traducción del lenguaje natural o la detección de objetos. El aprendizaje automático ( ^AA ) utiliza capas de redes neuronales para extraer patrones complejos, como la recopilación, el almacenamiento, el procesamiento y el análisis de datos. Entre los diferentes tipos de algoritmos de ^AA , la familia de redes neuronales artificiales (RNA) es de especial importancia. Las neuronas artificiales, o representaciones matemáticas de unidades de procesamiento interconectadas, constituyen las redes neuronales artificiales (RNA). ^Al igual que las sinapsis cerebrales humanas, cada conexión entre neuronas emite señales, cuya intensidad puede modificarse continuamente durante el proceso de aprendizaje. 

^Estas neuronas artificiales se organizan en redes multicapa, donde una capa de salida genera el resultado final tras recibir los datos de una capa de entrada. Además, las redes neuronales profundas ( ^NP ) se crean añadiendo múltiples capas ocultas dispuestas en diseños de red altamente anidados. Suelen contener neuronas y técnicas avanzadas, a diferencia de las RNA simples, lo que permite su uso en operaciones avanzadas 

^.Estos subconjuntos de IA encuentran numerosas aplicaciones en la medicina moderna y hoy, IA es un aliado incondicional, empoderando a los profesionales de la salud con perspectivas incomparables, agilizando diagnósticos y revolucionando estrategias de tratamiento. Sin embargo, la aplicación de IA en la industria de la salud ha encontrado obstáculos en el uso completo de su potencial en los países en desarrollo. 

⁵ Los países en desarrollo son aquellos que aún no han alcanzado un grado máximo de industrialización en relación con sus poblaciones y, en la mayoría de los casos, tienen un nivel de vida medio a bajo. La mayoría de estos países se encuentran dentro de América Latina, Asia y África. Estos países en su mayoría carecen de un crecimiento económico estable, sistemas de salud adecuados, tecnologías modernas y oportunidades de investigación. Si bien numerosas revisiones anteriores han explorado el uso de IA en el campo de la medicina, ^1 , 5 es crucial reconocer que la IA es un dominio dinámico y en constante evolución. ⁶ Solo unas pocas revisiones han examinado críticamente cómo la IA puede revolucionar la atención médica en los países en desarrollo. ^5 , 6 Esta revisión narrativa se centra en las aplicaciones de la IA en entornos de atención sanitaria en países en desarrollo, diseñada para subrayar su importancia al describir exhaustivamente los avances logrados hasta ahora, las deficiencias encontradas en las aplicaciones de la IA, el estado actual de la integración de la IA, los desafíos persistentes y las estrategias innovadoras para superarlos.

Metodología

Para redactar esta revisión, se realizó una búsqueda bibliográfica en PubMed, Google Académico y Cochrane de artículos publicados desde la fecha de inspección hasta el 1 de agosto de 2023. Se utilizaron ensayos clínicos, revisiones sistemáticas y estudios transversales para redactar esta revisión exhaustiva. Las palabras clave utilizadas en la búsqueda fueron inteligencia artificial (IA), atención médica, hospitales, medicina y cirugía. Nuestros criterios de inclusión se centraron estrictamente en estudios que examinaran las aplicaciones de la IA en radiología, cardiología, oncología, neurología, cuidados intensivos, anestesiología, cirugía y medicina comunitaria. Se excluyeron artículos editoriales, correspondencia, informes de casos y comentarios.

Subconjuntos de IA utilizados en la atención sanitaria y los hospitales

En 1950, el mundo conoció el potencial transformador de la IA. ⁷ Sin embargo, los primeros modelos de IA enfrentaron desafíos que inicialmente limitaron su adopción generalizada en el campo médico, especialmente en los países en desarrollo. ^{5 , 8 , 9} Sin embargo, en la década del 2000, el aprendizaje profundo (DL) provocó un cambio significativo, permitiendo que los sistemas de IA aprendan y tomen decisiones de forma independiente, similar al cerebro humano. ^{3 , 10 , 11} Este avance es prometedor para mejorar la atención médica en general y en las naciones en desarrollo. ¹² El aprendizaje automático incluye varios algoritmos prediseñados que permiten a la IA evaluar la situación, realizar los ajustes necesarios y tomar decisiones o acciones apropiadas ¹³ que pueden desempeñar un papel crucial en la atención médica, especialmente en los países en desarrollo donde la detección de enfermedades, la evaluación de factores de riesgo, el diagnóstico oportuno y la toma de decisiones bien informada son un desafío .En Nigeria, la empresa emergente Ubenwa utiliza procesamiento de señales y aprendizaje automático para predecir y mejorar el diagnóstico de asfixia al nacer, especialmente en entornos de bajos recursos.<sup> 

¹⁴</sup> En los países en desarrollo, la eficacia del cribado de la retinopatía diabética (RD) se ve obstaculizada por una infraestructura oftalmológica inadecuada, sobre todo en las regiones rurales. Ha surgido un enfoque innovador que utiliza IA para el cribado de la RD, demostrando un potencial considerable en sensibilidad y especificidad para un diagnóstico preciso. Esta innovación alivia la presión causada por la escasez de instalaciones y de oftalmólogos, ofreciendo evaluaciones rápidas y precisas. De igual manera, Bellemo et al .^¹⁵ realizaron un estudio en Zambia que demostró la eficacia de la IA en el diagnóstico de la retinopatía diabética, mostrando resultados prometedores en comparación con las evaluaciones humanas. Si bien el cribado basado en IA presenta una alternativa rentable a los métodos tradicionales basados ​​en oftalmólogos en las zonas rurales de China. ^¹⁶El uso de la IA en la atención médica es especialmente crucial en estos entornos debido a desafíos como los registros incompletos de pacientes y la alta carga de pacientes, que pueden provocar errores humanos con graves consecuencias. Los modelos de aprendizaje automático ofrecen una solución eficaz para mejorar las prácticas de registro, la programación y la asignación de recursos, especialmente en entornos con alta carga de pacientes en países en desarrollo. Por ejemplo, en Sudáfrica, estos modelos se han utilizado para analizar datos administrativos, lo que ayuda a predecir la duración de la estancia hospitalaria del personal sanitario en comunidades marginadas.^¹⁷ Además, la IA ofrece soluciones al procesar rápidamente una extensa documentación clínica e identificar marcadores y patrones de enfermedades que, de otro modo, podrían pasar desapercibidos. Los algoritmos de aprendizaje automático desempeñan un papel fundamental en el reconocimiento de patrones complejos dentro de los datos clínicos, lo que facilita predicciones precisas. 

^{¹³ , ¹⁸}El procesamiento del lenguaje natural (PLN), un subconjunto de la IA, permite a las computadoras comprender y generar lenguaje humano de manera efectiva. Sus aplicaciones incluyen el análisis de texto y el reconocimiento de voz. En entornos con recursos limitados, donde el acceso a infraestructura de atención médica especializada puede ser limitado, el PLN es sumamente prometedor. Por ejemplo, los profesionales de la salud pueden usar el PLN para documentar fácilmente las notas verbales de los pacientes, lo que permite a los médicos concentrarse por completo en la atención al paciente durante las consultas. ^{18-20 Esto no} solo mejora la calidad de las interacciones entre el paciente y el proveedor, sino que también mejora la precisión e integridad de los historiales médicos. Además, el PLN desempeña un papel crucial en el descifrado de documentos de atención médica complejos, como las notas de los médicos y los informes de laboratorio. En entornos con una alta carga de pacientes, como clínicas rurales o salas de consulta externa concurridas, el PLN extrae eficientemente información vital de los historiales de pacientes dispersos. Esta capacidad ayuda a los proveedores de atención médica a tomar decisiones rápidas e informadas, lo que conduce a procesos de tratamiento acelerados y a una reducción de errores derivados de datos incompletos o inaccesibles. ^20 , 21 En esencia, la PNL facilita la comunicación, la documentación y la recuperación de datos optimizadas dentro de los sistemas de atención sanitaria en países en desarrollo y zonas rurales. La utilidad del PLN se extiende a los resultados de las pruebas diagnósticas. El escaneo automatizado identifica valores anormales y garantiza que los datos críticos se conserven dentro de extensos informes de laboratorio clínico, particularmente en entornos de alto volumen. ^2 , 18 Este enfoque optimizado permite a los profesionales de la salud enfocarse en hallazgos significativos, especialmente en entornos concurridos, y mejora la seguridad del paciente. Los modelos modernos de aprendizaje automático también han demostrado un rendimiento superior en la predicción de resultados de cuidados críticos y hospitalización en comparación con los métodos tradicionales. La implementación de estos modelos avanzados podría conducir a mejores decisiones de triaje clínico en áreas con recursos limitados, lo que en última instancia se traduce en una mejor atención clínica y una asignación más eficiente de recursos. ²² Los asistentes de salud virtuales desempeñan un papel fundamental en la atención médica moderna, gestionando sin problemas muchas tareas, como la gestión de consultas rutinarias de pacientes a través de llamadas y correos electrónicos, garantizando la seguridad de los datos médicos del paciente, coordinando citas médicas y facilitando el seguimiento y recordatorios de los pacientes. ^23 , 24 Estas capacidades son posibles gracias a la integración de sistemas avanzados que incorporan computación cognitiva, realidad aumentada y gestos corporales y del habla. ^24 , 25 Desde un punto de vista administrativo, la incorporación de IA en la atención médica agiliza tareas como la entrada de datos, el procesamiento de reclamaciones y la programación de citas. En los países en desarrollo con presupuestos sanitarios limitados, la automatización robótica de los procesos de estas funciones ofrece el potencial de reducir significativamente los costos generales al agilizar las tareas administrativas, ahorrando así en salarios de puestos administrativos y de oficina dentro de los sistemas de salud y optimizando la gestión del ciclo de ingresos. ^26 , 27

IA en radiología

La integración de la IA en la radiología ha transformado fundamentalmente el campo, mejorando significativamente la eficiencia, la precisión diagnóstica y las capacidades generales. Una tecnología clave de IA, las redes neuronales convolucionales (CNN), pueden lograr una notable precisión en la identificación de imágenes y abordar varios desafíos en el procesamiento de imágenes. ^28 , 29 Las CNN pueden detectar automáticamente patrones intrincados y proporcionar evaluaciones cuantitativas de las características radiográficas. Esta tecnología ofrece numerosas ventajas, como una mejor eficiencia del radiólogo, la priorización de casos urgentes, una mayor confianza en el diagnóstico, una menor carga de trabajo y una mejor orientación para el pronóstico del paciente y las estrategias de tratamiento. ³⁰ La radiología a menudo se pasa por alto como un servicio esencial en numerosos países de ingresos bajos y medios (PIBM). ⁵ Un obstáculo principal para la prestación de servicios de radiología es la escasez de personal radiológico capacitado y de oportunidades para el desarrollo de habilidades. La IA presenta una solución a este desafío al automatizar la interpretación de imágenes radiológicas, agilizar el proceso y reducir la dependencia de expertos. Esto es particularmente beneficioso en áreas con recursos limitados donde los radiólogos capacitados son escasos. ³¹ Un estudio de van Leeuwen informó que la IA puede reducir el tiempo de lectura de las radiografías de tórax en un 33%, aumentar la tasa de detección de nódulos pulmonares en un 5% y mejorar la precisión diagnóstica del cáncer de mama en un 9,4%. ³² En países en desarrollo, como la India, donde los sistemas de salud enfrentan una escasez crónica de personal médico, la tecnología de diagnóstico basada en IA está permitiendo la descentralización de las pruebas diagnósticas, lo que proporciona una vía prometedora para abordar los desafíos de la atención médica. ^33 , 34Además, la IA ha impactado significativamente dos componentes vitales del diagnóstico médico: la detección asistida por computadora (CAD) y la radiómica. Los sistemas CAD han mejorado enormemente su capacidad para detectar y resaltar automáticamente anomalías en imágenes médicas, reduciendo así los errores de diagnóstico y mejorando la precisión general ^32 , 35 y el requisito de médicos especialistas para un diagnóstico preciso. Esto puede ser muy útil en los países en desarrollo donde la escasez de médicos especialistas es un desafío común. Según las estadísticas del Banco Mundial, el sur de Asia tiene una fuerza laboral quirúrgica especializada de solo 6 por cada 100,000 personas, en contraste con 71 por cada 100,000 en los países de altos ingresos. Del mismo modo, la proporción de médicos se sitúa en 0,8 por 1000 en el sur de Asia, mientras que las naciones de altos ingresos se jactan de tener 3,0 médicos por cada 1000 individuos. ³⁶ A través de la radiómica, la IA automatiza la extracción y el análisis de datos cuantitativos de imágenes radiológicas, lo que conduce a conocimientos más profundos sobre las enfermedades y permite una atención médica personalizada basada en datos individuales de los pacientes. ³⁷ Además, ayuda a priorizar las exploraciones según la gravedad del caso y a notificar a los radiólogos sobre problemas urgentes. ³⁸ Se han aplicado métodos de aprendizaje automático y procesamiento de señales a las radiografías de tórax digitales para identificar casos de tuberculosis, que es una enfermedad muy prevalente en los países en desarrollo. ³⁹

IA en cardiología

Aproximadamente el 80% de las muertes por enfermedades cardiovasculares (ECV) en todo el mundo se concentran en países de ingresos bajos y medios, lo que subraya la necesidad de mejorar la atención cardíaca en los países en desarrollo. 

⁴⁰ La IA en cardiología abarca diversos aspectos de la atención cardíaca, desde el reconocimiento y la segmentación automatizados de las estructuras cardíacas hasta el análisis de datos y la extracción de registros médicos electrónicos. 

³⁸ La IA mejora la ecocardiografía al permitir el análisis de imágenes en tiempo real, mejorar la precisión de las evaluaciones cardíacas y ayudar en el diagnóstico de afecciones como la cardiopatía valvular . 

³⁸ Además, detecta automáticamente la estenosis de la arteria coronaria a partir de imágenes de angiografía por tomografía computarizada (TC). 

⁴¹ La IA también puede contribuir significativamente a la predicción de resultados cardiovasculares. Aproximadamente el 28% de las muertes en países de ingresos bajos y medios se atribuyen a la ECV. 

⁴⁰ La IA puede reducir potencialmente la mortalidad por ECV mediante el uso de modelos predictivos y puntuaciones de riesgo para pronosticar accidentes cerebrovasculares, insuficiencias cardíacas y arritmias, facilitando así intervenciones oportunas y decisiones de tratamiento informadas. Los algoritmos de aprendizaje automático han demostrado el potencial de ayudar a identificar casos de insuficiencia cardíaca, 

⁴² ya que la insuficiencia cardíaca sigue siendo una carga financiera importante para los sistemas de atención sanitaria en los países en desarrollo. 

⁴³

IA en oncología

La IA se ha convertido en parte integral de la imagenología del cáncer, abordando las tareas clínicas de detección, caracterización y monitorización tumoral. 

⁴⁴ Los cánceres de pulmón y de mama, principales causas de muerte por cáncer en países en desarrollo, subrayan la necesidad crucial de la detección temprana. La mamografía digital, un método estándar de cribado del cáncer de mama, plantea dificultades de interpretación en países en desarrollo debido a la escasez de radiólogos capacitados, incluyendo posibles errores como falsos negativos y falsos positivos. Las herramientas basadas en IA sirven como cribado preliminar contra descuidos observacionales y facilitan la detección del cáncer de mama mediante el análisis meticuloso de las mamografías y la identificación de lesiones sospechosas que requieren una investigación más exhaustiva. 

³²La planificación del tratamiento de radioterapia implica la laboriosa delimitación manual de los objetivos de radiación, lo cual es propenso a variaciones y requiere experiencia. La IA automatiza y mejora la precisión de la delimitación y ayuda a clasificar los tumores cerebrales basándose en imágenes de resonancia magnética (RM) mediante modelos de aprendizaje automático (DL) entrenados con conjuntos de datos anotados, lo que permite que el tratamiento esté disponible incluso en regiones donde no hay expertos en delimitación manual. 

⁴⁵ En los países en desarrollo, la disponibilidad limitada de recursos médicos, combinada con una alta densidad de población, plantea importantes desafíos para los oncólogos en el tratamiento de pacientes con cáncer. 

⁴⁶ Los sistemas médicos asistidos por IA pueden generar un marco para la selección personalizada de fármacos para personas con cáncer de pulmón. 

⁴⁶ Considera tanto la eficacia de los fármacos dirigidos como su coste económico como factores auxiliares para la toma de decisiones. El sistema predice la relación eficacia-coste de diversos fármacos utilizando datos clínicos para identificar regímenes de tratamiento farmacológico óptimos adaptados a las condiciones individuales del paciente. 

⁴⁶ Esto ayuda a los profesionales sanitarios a realizar diagnósticos y tomar decisiones de tratamiento eficientes. 

⁴⁶ La precisión reportada supera el 90 %. Un estudio investigó una herramienta rentable de detección del cáncer oral en el punto de atención, que emplea procesamiento de señales basado en la nube. El estudio reveló una alta sensibilidad y especificidad en comparación con un examen presencial realizado por un ^especialista 

^.

Las soluciones de IA para sistemas de reconstrucción primaria y posicionamiento del paciente mejoran la relación señal-ruido y alertan rápidamente a los operadores sobre imágenes insuficientes, lo que facilita la repetición inmediata de las tomas. En definitiva, esto mejora la eficiencia del flujo de trabajo, algo fundamental en hospitales con alta carga de trabajo y una alta carga de pacientes. En los países de ingresos bajos y medios, «Watson for Oncology (WFO)» destaca como una herramienta de IA importante en la atención oncológica. Funciona como un sistema de apoyo a la toma de decisiones clínicas (CDSS), empleando el procesamiento del lenguaje natural y el aprendizaje automático para evaluar los datos del paciente y recomendar opciones de tratamiento basadas en la evidencia. 

⁴⁸

IA en cuidados críticos y urgencias

La atención crítica en países de bajos ingresos no está a la altura de los estándares, abarcando diversos componentes como medicina de emergencia, infraestructura hospitalaria, calidad de la atención y la presencia de unidades de cuidados intensivos (UCI) para abordar afecciones repentinas, graves y reversibles. 

⁴⁹ A pesar de los esfuerzos para mejorar el triaje de emergencia y el tratamiento para admisiones pediátricas, sigue habiendo una deficiencia en la capacitación y el conocimiento de los principios de la atención crítica. Sin embargo, la integración de la IA es muy prometedora para mejorar la prestación de atención médica en la UCI y los departamentos de emergencia en países en desarrollo. 

⁵⁰ Los algoritmos de IA pueden evaluar y priorizar rápidamente a los pacientes según la gravedad de la condición, ayudando a los proveedores de atención médica abrumados en un triaje efectivo y asegurando una atención oportuna para aquellos en estado crítico. Además, las herramientas de diagnóstico impulsadas por IA facilitan la interpretación rápida y precisa de imágenes médicas y resultados de laboratorio, agilizando el diagnóstico y la intervención. 

⁵¹ El análisis predictivo permite la anticipación del deterioro o las complicaciones del paciente, lo que permite intervenciones proactivas para prevenir eventos adversos. Los modelos predictivos basados ​​en IA optimizan la asignación de recursos, incluyendo camas de UCI y suministros médicos, según el volumen previsto de pacientes y los niveles de agudeza, lo que facilita una gestión eficiente de los recursos en entornos con recursos limitados. También pueden predecir la duración de las estancias en UCI, las probabilidades de reingreso y las tasas de mortalidad. ^49-51 

^Además , los sistemas de monitorización remota basados ​​en IA permiten la monitorización continua de las constantes vitales de los pacientes fuera de los entornos hospitalarios tradicionales, lo que facilita la detección temprana del deterioro y las intervenciones oportunas, especialmente donde el acceso a los centros de salud es limitado. ⁴⁹ 

^La IA también es fundamental para pronosticar los riesgos asociados a complicaciones médicas como la sepsis y el síndrome de dificultad respiratoria aguda. 

⁴⁹ Mediante estas aplicaciones, la IA puede abordar los desafíos en cuidados intensivos, mejorar los resultados de los pacientes y optimizar la eficiencia en los sistemas de salud de los países de bajos ingresos. Un aspecto crucial de la IA en la atención en UCI es la identificación y categorización de la asincronía paciente-ventilador, que mide la alineación entre los esfuerzos respiratorios del paciente y el soporte mecánico del ventilador. 

⁵⁰ Se ha empleado un modelo de Poisson-Markov oculto para predecir las probabilidades de que se presenten diferentes niveles de riesgo en un futuro próximo. Los pacientes que entran en estados de alta asincronía tienden a permanecer inestables, lo que subraya su importancia clínica. Este enfoque innovador sienta las bases para sistemas de alerta inteligentes que notifican a los profesionales sanitarios sobre afecciones de alto riesgo, lo que permite intervenciones oportunas para mejorar la interacción paciente-ventilador y optimizar los resultados. 

⁵²

IA en cirugía

La integración de la IA en el campo de la cirugía ha supuesto un cambio de paradigma, revolucionando la atención quirúrgica. La cirugía robótica con robots como el Sistema Quirúrgico Da Vinci imita de forma segura los movimientos de la mano del cirujano con una precisión inigualable. 

⁵² La cirugía asistida por robot es útil en diversas disciplinas médicas, como la urología, la cirugía general y la oncología quirúrgica. Dada la escasez de recursos y personal en los países de ingresos bajos y medios, el uso de la robótica en procedimientos quirúrgicos podría aliviar el agotamiento profesional de los médicos, mitigar las infecciones del sitio quirúrgico y acortar la duración de las hospitalizaciones. 

⁵³ La cirugía robótica se ha identificado como una opción práctica y eficaz en hospitales públicos de países en desarrollo como Pakistán. Su viabilidad se evaluó con base en los resultados clínicos, examinando específicamente las complicaciones quirúrgicas, la duración de las hospitalizaciones y las tasas de reingreso. 

⁵⁴Además, la IA ha mejorado significativamente la precisión, la eficiencia y los resultados quirúrgicos generales. Una de las aplicaciones destacadas de la IA en cirugía reside en la optimización de la gestión de quirófanos. Los sistemas de IA han demostrado su capacidad para predecir con precisión la duración de las cirugías e identificar las que probablemente se cancelen. Esto agiliza la planificación quirúrgica y mejora la asignación de recursos en entornos con recursos limitados. 

⁵⁵ Además, los sistemas basados ​​en IA han mejorado sustancialmente la planificación preoperatoria; por ejemplo, la tecnología de campo de radiancia neuronal permite reconstrucciones tridimensionales a partir de imágenes de resonancia magnética, lo que ayuda a los profesionales médicos a visualizar estructuras anatómicas incluso cuando la disponibilidad de datos es limitada. 

⁵⁶

IA en salud pública y medicina comunitaria

La IA está revolucionando el campo de la epidemiología de enfermedades al ofrecer soluciones innovadoras. En los países de bajos y medianos ingresos, enfermedades transmisibles como la malaria y la tuberculosis siguen contribuyendo significativamente a la carga general de morbilidad, 

^⁵⁷ atrayendo considerable atención y financiación de los donantes. El uso de la IA en la medicina comunitaria se ha convertido en una herramienta valiosa para la epidemiología de enfermedades. Por ejemplo, los investigadores han utilizado este enfoque para pronosticar brotes de dengue,<sup> 

⁵⁸</sup> así como para rastrear y predecir la propagación de la gripe. 

^⁵⁹ Estas iniciativas demuestran el potencial de la IA para apoyar las iniciativas de salud pública destinadas a monitorear y gestionar las enfermedades transmisibles de forma más eficaz en los países de bajos y medianos ingresos. La malaria sigue siendo un importante problema de salud pública en los países en desarrollo, en particular en la Región de África de la OMS. En 2022, esta región representó aproximadamente el 94 % de todos los casos de malaria notificados y el 95 % de las muertes asociadas.<sup> 

⁶⁰</sup> Un mejor monitoreo de la incidencia y las muertes por malaria ayuda a los ministerios de salud a identificar las regiones o los grupos demográficos más afectados, lo que facilita el seguimiento de la evolución de las tendencias de la enfermedad. Los sistemas robustos de vigilancia de la malaria también ayudan a los países a diseñar intervenciones sanitarias eficaces y a evaluar la eficacia de sus iniciativas de control de la malaria. 

⁶⁰ La capacidad de la IA para analizar rápidamente grandes conjuntos de datos para la vigilancia epidemiológica basada en software permite la interpretación rápida de los datos, lo que facilita la evaluación de la epidemiología de la enfermedad, los patrones de brotes y las tendencias de la pandemia. 

⁶¹

Resumen del papel de la IA en la atención sanitaria

La Tabla 1 muestra el papel de la IA en la atención médica. Véase la tabla a continuación.Abrir en el visorTabla 1. Papel de la IA en la atención sanitaria

Especialidad	El papel de la IA
Radiología	1. Redes neuronales convolucionales (CNN)
	2. Detección asistida por computadora (CAD) y radiómica
Cardiología	1. Reconocimiento automático y segmentación de estructuras cardíacas
	2. Predicción de resultados cardiovasculares de enfermedades cardíacas
	3. Seguimiento de intervenciones cardíacas y efectos secundarios de los tratamientos
Oncología	1. Ayudar en la detección temprana del cáncer (por ejemplo, cáncer de mama)
	2. Automatización y mejora de la precisión del contorno.
	3. Ayuda en la clasificación de tumores (por ejemplo, tumores cerebrales).
	4. Detección de variaciones en marcadores tumorales
UCI	1. Predicciones de la duración de la estancia en la UCI
	2. Predicciones de probabilidades de readmisión y tasas de mortalidad
	3. Previsión de los riesgos asociados a las complicaciones médicas
	4. Identificación y categorización de la asincronía paciente-ventilador
Cirugía	1. Mejorar la precisión quirúrgica, la eficiencia y los resultados quirúrgicos generales.
	2. Mejorar las reconstrucciones tridimensionales a partir de imágenes de resonancia magnética
	3. Una valiosa herramienta de formación para cirujanos noveles
Salud Pública y Medicina Comunitaria	1. Reducir el tiempo de desarrollo de vacunas para microorganismos desconocidos, especialmente durante epidemias/pandemias.
	2. Análisis rápido de grandes conjuntos de datos para la vigilancia epidemiológica basada en software

Consideraciones éticas médicas

La integración de la IA en la atención médica moderna exige una consideración meticulosa de la ética médica. La adopción de tecnologías impulsadas por la IA requiere una atención diligente para la privacidad del paciente, la seguridad de los datos, el sesgo algorítmico y las cuestiones de rendición de cuentas 

² en los países en desarrollo donde la aplicación de la ley médica tiende a ser deficiente. 

⁶² El estudio de Hong 

⁶³ profundiza en el discurso ético impulsado por las aplicaciones de la IA dentro del ámbito médico, abarcando aspectos polémicos como el estatus moral de las entidades de IA, los juicios de valor, la dinámica de confianza asociada a las tecnologías de IA y la importancia de salvaguardar la accesibilidad y la privacidad de los datos. Las consideraciones éticas incluyen el consentimiento informado, la confidencialidad y la propiedad de los datos, 

⁶⁴ que a menudo se pasan por alto en los países en desarrollo. Al emplear la IA, es imperativo defender la transparencia, la explicabilidad y la equidad y mitigar los sesgos. 

⁶⁵ Estas dimensiones éticas multifacéticas exigen una deliberación rigurosa y el establecimiento de directrices sólidas para garantizar la integración responsable y ventajosa de la IA en la atención médica.

La IA en la mejora de la atención sanitaria en zonas rurales de países en desarrollo

En los países en desarrollo, las poblaciones rurales enfrentan disparidades de salud significativas debido a la pobreza y al acceso limitado a la atención médica. 

⁶⁶ Esta disparidad se ve exacerbada por la escasez de profesionales de la salud calificados en las áreas rurales, particularmente en Asia y África, donde reside el 90% de la población rural mundial. 

⁶⁷ La distribución desigual del personal y las instalaciones de atención médica entre las áreas rurales y urbanas agrava aún más estos desafíos, lo que resulta en un menor uso de la atención médica y peores resultados en salud. 

⁶⁸ El Sistema de Detección y Prevención Temprana (EDPS), introducido en las áreas rurales de la India en 1998, mejoró significativamente los diagnósticos en clínicas rurales que carecían de médicos. El EDPS, una herramienta de diagnóstico basada en computadora, demostró una consistencia notable con los diagnósticos médicos, como lo demuestra una tasa de consistencia del 94% en 933 pacientes en un estudio en la India. 

⁶⁹ Las respuestas de los pacientes fueron favorables, y el sistema se percibió como más preciso que los proveedores de atención médica tradicionales. Las enfermeras de salud de las aldeas expresaron interés en incorporar el EDPS en su práctica, destacando su potencial para empoderar a los trabajadores de la salud rurales. En China, la implementación de estaciones de diagnóstico portátiles en centros de salud 

^{rurales ha revolucionado el diagnóstico, permitiendo la realización de 11 pruebas, incluyendo presión arterial, electrocardiogramas y análisis rutinarios de orina y sangre. Con el apoyo del programa nacional de salud rural, estas estaciones de diagnóstico cargan automáticamente los resultados de las pruebas y los historiales médicos en un sistema de análisis de datos en línea. Además} , importantes empresas tecnológicas chinas están invirtiendo en clínicas innovadoras basadas en IA, adaptadas a las regiones rurales. Ejemplos notables incluyen chatbots con IA, que interactúan con los pacientes, ofrecen asesoramiento médico y ofrecen sesiones de capacitación en línea para profesionales de la salud en zonas rurales.

En regiones rurales con acceso limitado a atención médica de emergencia, la prevención de enfermedades es crucial. El cribado basado en IA para enfermedades potencialmente mortales muestra resultados prometedores en la reducción de las tasas de mortalidad. Un estudio reciente introdujo la «puntuación de riesgo de ictus rural», que utiliza un algoritmo de aprendizaje automático para evaluar el riesgo de ictus. La implementación de esta puntuación podría optimizar el cribado de ictus y ayudar a prevenirlos. 

⁷¹ En regiones subdesarrolladas, los retrasos en el diagnóstico y tratamiento del cáncer son un problema debido a la escasez de recursos. Se ha propuesto un sistema de diagnóstico que utiliza historiales médicos electrónicos, que emplea redes neuronales convolucionales mejoradas para el cáncer de mama con filtros de inicialización semántica, para el diagnóstico temprano del cáncer de mama. Este sistema extrae marcadores tumorales pertinentes de historiales médicos no estructurados para facilitar el diagnóstico y la estadificación del cáncer de mama, y ​​demuestra el potencial para abordar los desafíos de la sincronización del tratamiento para las personas que residen en zonas rurales. Estos sistemas de cribado basados ​​en IA pueden reducir potencialmente la carga de cáncer en los países en desarrollo. 

⁷²

Limitaciones de la integración de la IA en los sistemas de salud de los países en desarrollo

La integración de la IA en la atención médica moderna es muy prometedora, pero plantea desafíos significativos, como la privacidad y la seguridad de los datos. Estos desafíos son muy pronunciados en los países en desarrollo. Si bien el aprovechamiento de los datos de atención médica para el bienestar del paciente muestra potencial, es crucial gestionarlos con cuidado para evitar daños a los pacientes y a la sociedad. 

^{1 La} IA a menudo se enfrenta al «problema del marco», donde las aplicaciones pueden producir imprecisiones cuando se usan más allá de su contexto previsto debido a algoritmos principales específicos. 

⁶⁵ Además, los sesgos humanos durante la implementación del modelo de IA pueden llevar a cambios en los conjuntos de datos en función del género, las condiciones socioeconómicas, los factores ambientales y la etnia. 

⁷¹ Es esencial reconocer que los conjuntos de datos documentados para 1 población pueden no aplicarse directamente a las poblaciones minoritarias, especialmente aquellas en áreas rurales, lo que potencialmente causa diagnósticos erróneos e impacta la atención al paciente. 

⁷² Además, algunos modelos de IA pueden carecer de una validación clínica rigurosa, lo que significa que su efectividad y confiabilidad en entornos de atención médica del mundo real no están bien establecidas. 

⁷³ También existe una falta de protocolos y regulaciones estandarizados para el desarrollo e implementación de la IA en la atención médica. Esto puede generar variaciones en la calidad y la seguridad entre distintas aplicaciones de IA y entre distintas poblaciones, siendo los países en desarrollo los que corren mayor riesgo de sufrir violaciones de calidad.Los sistemas de IA podrían incentivar inadvertidamente pruebas o tratamientos innecesarios basados ​​en recomendaciones algorítmicas, lo que conlleva un aumento de los costos de la atención médica y posibles daños a los pacientes. Esto puede ser perjudicial para los sistemas de salud ya sobrecargados de los países en desarrollo. Los modelos de IA interpretables son vitales para el apoyo a la toma de decisiones médicas, ya que pueden ayudar a los médicos y pacientes a comprender cómo y por qué los sistemas de IA hacen ciertas recomendaciones. Sin embargo, la interpretabilidad por sí sola no es suficiente para garantizar la calidad y la seguridad de la IA en la atención médica. Los modelos de IA también deben supervisarse y validarse periódicamente en entornos de atención médica reales, donde pueden enfrentar diversos desafíos e incertidumbres. Diversos estudios han identificado desafíos, como la mejora de la calidad de los datos, el entrenamiento contextual de modelos de IA y el establecimiento de políticas sólidas de privacidad y ética. 

⁷⁴ El seguimiento periódico de cualquier problema de rendimiento, como errores, sesgos o inconsistencias, y garantizar la fiabilidad y precisión continuas de los sistemas de IA, supone un desafío, especialmente en las zonas rurales. 

^1 , 5Los profesionales sanitarios de los países en desarrollo deben comprender claramente cómo los algoritmos propuestos mejoran la atención al paciente en sus rutinas diarias. Desafortunadamente, la mayoría de los profesionales sanitarios de estos países carecen de experiencia, lo que dificulta el uso eficaz de la IA. Además, las clínicas rurales suelen contar con personal de enfermería y paramédicos con formación mínima. Sin embargo, los sistemas de IA médica existentes se centran principalmente en médicos cualificados. Por lo tanto, existe una necesidad crucial de un sistema operativo fácil de usar adaptado a los profesionales sanitarios rurales y de capacitarlos para utilizar la IA eficazmente. 

⁷⁵Incluso con la disponibilidad adecuada de atención médica basada en IA en los países en desarrollo, su utilización se ve obstaculizada por las limitaciones de electricidad e internet, que representan desafíos significativos en los países de ingresos bajos y medios. Además, los costos de instalación y mantenimiento de los sistemas de IA son elevados, razón por la cual muchas innovaciones en IA aún no han llegado a los países de bajos ingresos debido a la falta de infraestructura financiera. Por ejemplo, la implementación de una nueva plataforma quirúrgica robótica puede costar más de un millón de dólares, con un adicional de entre 3000 y 5000 dólares por procedimiento quirúrgico.<sup> 

²⁶</sup> Los presupuestos limitados para atención médica en los países en desarrollo a menudo les impiden costear muchas tecnologías de IA. <sup> 

²⁶</sup>

Recomendaciones

Para gestionar la creciente influencia de la IA en la atención médica y minimizar la posibilidad de despidos laborales, los investigadores y profesionales clínicos de los países en desarrollo deben priorizar la formación continua para mantenerse al día con los últimos avances en IA. Este conocimiento capacitaría a los profesionales sanitarios para colaborar activamente con los sistemas de IA, utilizando la tecnología para mejorar la atención al paciente. Es esencial adoptar un modelo colaborativo, donde la IA complemente a los profesionales clínicos en lugar de reemplazarlos. 

⁷⁶ Para la implementación eficiente de la IA en la atención médica en los países en desarrollo, los gobiernos y las organizaciones privadas de estos países deben asignar recursos para desarrollar una infraestructura de IA sólida en todas las instituciones sanitarias, especialmente en los centros de salud secundarios y terciarios, y brindar capacitación integral en IA a los profesionales sanitarios, permitiéndoles usar la IA de forma eficaz y segura para la prestación de servicios de salud adecuados. Los gobiernos, en colaboración con las instituciones educativas y los ministerios de los países en desarrollo, deben promover la enseñanza del uso de la IA en la atención médica en las escuelas, especialmente entre los estudiantes de medicina, farmacia, enfermería y otras carreras paramédicas. El conocimiento temprano y las carreras en IA en la atención médica entre las generaciones jóvenes contribuirían significativamente a revolucionar la IA en la atención médica en los países en desarrollo. Un conocimiento y una práctica adecuados de la IA en la atención sanitaria también facilitarían la inclusión de la discapacidad en los países en desarrollo.Además, si los investigadores y profesionales clínicos de los países en desarrollo pudieran adaptarse al creciente papel de la IA en la atención médica mediante un enfoque multidisciplinario, especialmente trabajando junto con informáticos y expertos en IA, sus trabajos no serían redundantes. 

⁷⁶ Estos métodos de anotación de datos más innovadores y el desarrollo de estrategias y modelos de IA más rigurosos facilitarían la prestación de servicios de salud en los países en desarrollo. Asimismo, instamos a los investigadores y profesionales clínicos de los países en desarrollo a crear tecnología práctica, utilizable e implementada con éxito que les sea posible garantizando la cooperación adecuada entre los profesionales de la informática y los profesionales de la salud en los países en desarrollo. Además, si pudieran combinar las mejores prácticas médicas actuales para la inclusión ética, el desarrollo de software, la ciencia de la implementación y las interacciones persona-computadora, 

⁷⁷ la comunidad de la IA tendría la oportunidad de revolucionar la atención médica en los países en desarrollo. 

⁷⁷Además, las asociaciones médicas internacionales como la Asociación Médica Mundial (AMM), la Federación Mundial de Educación Médica (WFME), etc., deberían evaluar exhaustivamente la eficacia de la IA en la atención sanitaria y crear directrices estandarizadas para su uso en los países en desarrollo. Estas directrices deberían garantizar la interoperabilidad y priorizar la seguridad del paciente. Establecer una gobernanza de datos estricta y normas de privacidad es imperativo para proteger la información del paciente y fomentar la confianza en las aplicaciones de IA. Las colaboraciones y asociaciones internacionales entre países desarrollados y en desarrollo son vitales para superar los desafíos. 

^78 , 79 Los esfuerzos que implican el intercambio de experiencia, la transferencia de conocimientos y el intercambio de tecnología pueden acelerar la integración de la cirugía robótica en los sistemas de atención sanitaria de los países en desarrollo. 

^78 , 79 Instamos a los responsables políticos y a las autoridades sanitarias de los países en desarrollo a fomentar más colaboraciones con los países desarrollados, especialmente Estados Unidos, el Reino Unido, Australia, China, Rusia y Alemania, para utilizar tecnologías de IA avanzadas para la protección de datos que puedan acelerar la transferencia de conocimientos y el desarrollo de capacidades entre los proveedores de atención sanitaria en los países en desarrollo. Los países de altos ingresos deberían compartir recursos, establecer un sistema nacional en la nube respaldado por varias naciones y proporcionar subsidios para ayudar a los hospitales de zonas remotas con la implementación. Estas medidas, junto con las inversiones en transporte y logística, pueden mejorar el acceso a zonas remotas y aliviar la presión sobre los sistemas de salud en los países en desarrollo. La IA tiene un gran potencial para abordar los problemas de accesibilidad a la atención médica, especialmente en los países en desarrollo. Por lo tanto, la comunidad internacional debería colaborar para ampliar el alcance de la telemedicina impulsada por IA, haciendo que la atención médica sea accesible en las regiones económicamente desfavorecidas.

Conclusión

Si bien existen desafíos, el futuro de la IA en la atención médica es prometedor. Sus capacidades de automatización y reducción de errores pueden optimizar la atención al paciente en diversas disciplinas médicas. Facilita el diagnóstico y el tratamiento, a la vez que optimiza la gestión hospitalaria para una mayor eficiencia operativa. A medida que avanzamos en este proceso transformador, la sinergia entre la experiencia humana y las capacidades de la IA definirá el futuro de la atención médica, ofreciendo un horizonte más prometedor y centrado en el paciente.