TRANSFORMACIÓN DIGITAL EN EL CUIDADO DE LA SALUD Y EL POTENCIAL DE LA INTELIGENCIA ARTIFICIAL (IA).

En la actualidad se están produciendo una gran cantidad de datos, a un ritmo sin precedentes y en todo el espectro de la investigación científica, desde la biología básica, pasando por la medicina clínica, la salud pública hasta los sistemas de atención médica; el origen es diverso, por ejemplo: redes sociales, datos geoespaciales, registros médicos electrónicos, bioimágenes, genómica, los sensores (wearables), teléfonos móviles y dispositivos portátiles, con una versatilidad, diversidad y conectividad que permiten el acceso y almacenamiento de información a una velocidad y capacidad cada vez más alta. Estos datos se vuelven más profundos y ricos, diversos y complejos, e interrelacionan áreas como los negocios, ingeniería y ciencias de la salud, incrementando el conocimiento y este a su vez aumenta las posibilidades de diagnóstico, tratamiento y rehabilitación; pero la evolución tecnológica ha conllevado a la necesidad de tomar decisiones en tiempo real basadas  en un gran volumen de datos,  lo que para una sola persona en la vida diaria se está volviendo imposible, incluyendo la práctica médica.

Para los profesionales de la salud interpretar, procesar y usar la gran cantidad de datos disponibles (evidencia, variables clínicas, factores administrativos,  biopsicosociales, registros médicos electrónicos y ayudas diagnósticas) se ha vuelto un reto casi imposible, inclusive con la extensión cognitiva dada por el poder computacional actual; la medicina y la atención médica que alguna vez dependieron exclusivamente de la habilidad y discreción de los médicos ahora migran a capacidades computacionales en crecimiento hacia una tecnología avanzada que logra el aprovechamiento de los datos al máximo, conduciendo a una creciente necesidad de transformación digital en el cuidado de la salud; de allí la importancia de aplicar la inteligencia artificial (IA) como medio para la transformación de la práctica médica.

 Los hospitales con tecnologías obsoletas carecerán de eficiencia y se quedarán atrás en la atención de pacientes, pues el diseño tradicional y los enfoques analíticos son inadecuados para abordar los desafíos que plantea el volumen sin precedentes de datos no estructurados.

El alto volumen de datos, tanto los antiguos registrados en  historias clínicas en papel y que alimentan las bases de datos en la mayoría de instituciones de salud a nivel rural y urbano en el país, hasta los logrados a través de tecnologías de secuenciación de alto rendimiento mucho más avanzadas, han convertido los sistemas de salud en entidades complejas con roles y responsabilidades cambiantes para pacientes, profesionales de la salud (asistenciales, administrativos, planificadores), pagadores (aseguradores) y reguladores (tomadores de decisiones) y son fundamentales para mejorar la atención en salud.

La “transformación digital de los servicios de salud” supone un impacto potencialmente favorable en la atención médica actual, pero requiere una evaluación detallada para determinar su contribución a las metas del sistema de salud en términos de calidad, eficiencia y equidad.

La gobernanza del dato debe diseñarse y adaptarse de tal manera que abarque todas las necesidades del sistema y sus actores y permita el aprovechamiento del dato, esto mediante lo que El Plan Estratégico para la Ciencia de Datos del Instituto Nacional de la Salud (NIH), publicado en junio de 2018, define como la ciencia de datos, un campo de investigación interdisciplinario en el que se desarrollan y utilizan enfoques, procesos y sistemas cuantitativos y analíticos para extraer conocimientos e ideas de conjuntos cada vez más grandes o complejos de datos (1,3).

¿Cómo podría aprovecharse la disponibilidad de datos para que se puedan lograr innovaciones y avances en salud y ayudar a aliviar el sufrimiento de las personas, las comunidades y la sociedad en general, así como reducir la carga económica en los sistemas de atención médica?

Los datos deben integrarse con la experiencia del conocimiento a través de métodos, herramientas y tecnologías apropiadas para que puedan transformarse en Big Data relacionada con el cuidado de la salud, información y nuevos conocimientos, que luego impulse y acelere los avances e innovaciones biomédicas, mejorando los resultados de los pacientes y reduciendo costos. La Big Data se convierte entonces en el activo más preciado.

El nuevo conocimiento derivado del poder de la ciencia de datos podría facilitar la implementación de la medicina de precisión y un modelo centrado en el paciente, el descubrimiento de fármacos rentables, la mejora en el resultado del paciente y la prestación de atención, así como apoyar a los formuladores de políticas.

Las posibles aplicaciones de la ciencia de datos se informan cada vez más en una amplia gama de áreas de la salud, incluida: la salud infantil, la salud mental, la atención crítica, la medicina de laboratorio, la farmacología clínica y el desarrollo de fármacos, enfermedades no transmisibles, medicina física y rehabilitación y enfermedades infecciosas como se ha demostrado durante esta pandemia de COVID-19.

Dinamarca está apoyando proyectos para la integración tecnológica y asistencial como los siguientes:

• Mayor continuidad en la atención geriátrica mediante inteligencia artificial,
• Inteligencia artificial para apoyar las visitas a los cursos de rehabilitación,
• Inteligencia artificial para la prevención de la desnutrición y hospitalización de personas mayores,
• Mejores diagnósticos de mujeres embarazadas usando inteligencia artificial,
• Inteligencia artificial para predecir exacerbaciones de múltiples enfermedades EPOC e insuficiencia cardiaca,
• Inteligencia artificial para apoyar la visita de referencias de medicina general,
• WARD-HOME – alta segura del hospital.

Veinte años después del siglo XXI, no hay duda de que la IA será una tecnología decisiva en el futuro previsible, entonces además de los trabajos en salud de tipo asistencial y el aseguramiento, se abren inmensas oportunidades laborales para los expertos en tecnología, en información y análisis de datos.

¿Qué necesitamos?

La elaboración de equipos transdisciplinarios, que incluyen a los médicos y colaboradores técnicos expertos trabajando juntos para establecer las estructuras organizativas necesarias para traducir el progreso tecnológico en resultados clínicos significativos. Las innumerables formas en que se podría mejorar la medicina en torno a la IA en el cuidado de la salud, solo se hará realidad cuando los esfuerzos dejen de ser dispersos y se aúnen para comenzar a trabajar formalmente como un equipo.

Nuestros pacientes esperan que hagamos uso de estos avances para mejorar su atención, y cada día perdido es una oportunidad perdida, por lo tanto, preguntamos: ¿quién establecerá el primer departamento de IA clínica?.

Lecturas recomendadas.

1. Una hoja de ruta para desarrollar la capacidad de ciencia de datos para el descubrimiento y la innovación en salud en África https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8544798/
2. Plan estratégico para la ciencia de datos de los Institutos Nacionales de la Salud (NIH) (2018) . Disponible en línea en: https://datascience.nih.gov/sites/default/files/NIH_Strategic_Plan_for_Data_Science_Final_508.pdf
3. Dunn MC, Bourne PE. Construyendo la fuerza laboral de ciencia de datos biomédicos . PLoS Biol. (2017) 15 :e2003082. 10.1371/journal.pbio.2003082 [ artículo gratuito de PMC ] [ PubMed ] [ CrossRef ] [ Google Scholar ]
4. Steinhubl SR, Muse ED, Topol EJ. El campo emergente de la salud móvil . Sci Transl Med . (2015) 7 :283rv283. 10.1126/scitranslmed.aaa3487 [ artículo gratuito de PMC ] [ PubMed ] [ CrossRef ] [ Google Scholar ]
5. Bennett TD, Callahan TJ, Feinstein JA, Ghosh D, Lakhani SA, Spaeder MC, et al. . Ciencia de datos para la salud infantil . J Pediatr. (2019) 208 :12–22. 10.1016/j.jpeds.2018.12.041 [ Artículo gratuito de PMC ] [ PubMed ] [ CrossRef ] [ Google Scholar ]
6. 5. Russ TC, Woelbert E, Davis KAS, Hafferty JD, Ibrahim Z, Inkste B, et al. . Cómo la ciencia de datos puede hacer avanzar la investigación en salud mental . Comportamiento Nat Hum. (2019) 3 :24–32. 10.1038/s41562-018-0470-9 [ PubMed ] [ CrossRef ] [ Google Académico ]
7. Sánchez-Pinto LN, Luo Y, Churpek MM. Big data y ciencia de datos en cuidados críticos . Cofre. (2018) 154 :1239–48. 10.1016/j.chest.2018.04.037 [ Artículo gratuito de PMC ] [ PubMed ] [ CrossRef ] [ Google Scholar ]
8. Gruson D, Helleputte T, Rousseau P, Gruson D. Ciencia de datos, inteligencia artificial y aprendizaje automático: oportunidades para la medicina de laboratorio y el valor de la regulación positiva . Clínica Bioquímica. (2019) 69 :1–7. 10.1016/j.clinbiochem.2019.04.013 [ PubMed ] [ CrossRef ] [ Google Académico ]
9. Peck RW, Shah P, Vamvakas S, van der Graaf PH. Ciencia de datos en farmacología clínica y desarrollo de fármacos para mejorar los resultados de salud en los pacientes . Clin Pharmacol Ther. (2020) 107 :683–6. 10.1002/cpt.1803 [ PubMed ] [ CrossRef ] [ Google Académico ]
10. Mapesi H, París DH. Enfermedades no transmisibles en aumento en el África subsahariana, la amenaza subestimada de una carga de enfermedad dual . praxis _ (2019) 108 :997–1005. 10.1024/1661-8157/a003354 [ PubMed ] [ CrossRef ] [ Google Académico ]
11. Gouda HN, Charlson F, Sorsdahl K, Ahmadzada S, Ferrari AJ, Erskine H, et al. . Carga de enfermedades no transmisibles en África subsahariana, 1990-2017: resultados del estudio de carga mundial de enfermedades 2017 . Salud global de Lancet. (2019) 7 :e1375–87. 10.1016/S2214-109X(19)30374-2 [ PubMed ] [ CrossRef ] [ Google Académico ]
12. Ottenbacher KJ, Graham JE, Fisher SR. Ciencia de datos en medicina física y rehabilitación: oportunidades y desafíos . Phys Med Rehabil Clin N Am . (2019) 30 :459–71. 10.1016/j.pmr.2018.12.003 [ PubMed ] [ CrossRef ] [ Google Académico ]
13. QUIÉN. Defensa global contra la amenaza de las enfermedades infecciosas . Ginebra: Organización Mundial de la Salud. [ Google académico ]
14. Economista T. El recurso más valioso del mundo ya no es el petróleo, sino los datos (2017). Disponible en línea en: https://www.economist.com/leaders/2017/05/06/the-worlds-most-valuable-resource-is-no-longer-oil-but-data (consultado el 10 de marzo de 2021) .
15. El futuro de la atención médica: nuestra visión de lo digital, los datos y la tecnología en la salud y la atención – GOV.UK. Disponible: https://www.gov.uk/government/publications/the-future-of-healthcare-our-vision-for-digital-data-and-technology-in-health-and-care/the-future- of-healthcare-our-vision-for-digital-data-and-technology-in-health-and-care [Consultado el 7 de febrero de 2020].
16. 2. Topol EJ. Medicina de alto rendimiento: la convergencia de la inteligencia humana y artificial . NatMed 2019; 25 :44–56. 10.1038/s41591-018-0300-7 [ PubMed ] [ CrossRef ] [ Google Académico ]
17. Shirer M, Daquilla M. IDC spending guide forecasts worldwide spending on cognitive and artificial intelligence systems to reach $57.6 Billion in 2021. IDC. . Accessed: 2 Nov 2018. Search in Google Scholar
18. https://digst.dk/nyheder/nyhedsarkiv/2022/januar/nu-igangsaettes-yderligere-tolv-signaturprojekter-med-kunstig-intelligens/
19. The clinical artificial intelligence department: a prerequisite for success https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7368506/