¿En qué medida la influenza aviar ha influido en la industria de la salud?

Michael Ash, DDS, PMP, ITIL

Socio asociado, Estrategia de seguridad Riesgo y cumplimiento, Seguridad de IBM

“AI tendrá un impacto increíble en la atención médica … y ya lo ha hecho. Redefiniría el acrónimo ‘AI’ de ‘Inteligencia Artificial‘ a ‘Inteligencia Aumentada’ ya que los beneficios de la computación cognitiva se centran en la capacidad de aumentar y mejorar la toma de decisiones clínicas. La inteligencia aumentada permite que los humanos y las máquinas hagan lo que mejor saben hacer. AI tiene la promesa de mejorar la calidad y reducir los costos. Solo un vistazo rápido a estos resultados revela una discusión múltiple que ilustra esto.

Lo que hace que AI sea convincente es que los datos, incluso sobre un solo paciente pueden ser asombrosos. Es imposible que un proveedor revise un registro médico integral o el contenido de un Registro médico electrónico (EMR) durante un breve encuentro con el paciente. Los sistemas cognitivos cambian el panorama mediante el consumo de datos específicos del paciente y la comparación de grandes cantidades de investigación médica para proporcionar al clínico datos relevantes del paciente y apoyar la investigación del tratamiento, impulsando un diagnóstico diferencial más preciso.

Los médicos no son reemplazados por inteligencia cognitiva, sino que mejoran con una herramienta que puede consumir y analizar datos más allá de la comprensión humana. Estos sistemas sintetizan grandes cantidades de datos en eventos procesables. Los sistemas cognitivos se destacan por proporcionar niveles de confianza para varias recomendaciones de atención médica.

Un excelente ejemplo es donde Watson proporciona opciones de tratamiento basadas en la evidencia para pacientes oncológicos en función de los resultados y permite personalizar la terapia.

En la investigación médica, esta capacidad cognitiva permitirá el análisis de la investigación en varios idiomas, algo que hasta hace poco habría sido imposible. Watson habla nueve idiomas con fluidez (y cuenta). “En lugar de la coincidencia de patrones, a Watson se le enseña a comprender la estructura de los lenguajes, utilizando una combinación de procesamiento del lenguaje natural y aprendizaje automático. Los expertos en lenguaje usan oraciones representativas para enseñar a Watson cómo analizar: para identificar el verbo, los sustantivos, los adjetivos y otras partes del habla ‘.

En resumen, los sistemas cognitivos como Watson pueden analizar e indexar rápidamente: investigación, texto web, video y datos médicos a una velocidad y escala sin precedentes. Esta capacidad no reemplaza al clínico, pero aumenta la capacidad del médico al proporcionar análisis de conjuntos de datos demasiado grandes para el consumo humano “.

Cualquier información que IBM proporcione no es asesoramiento legal.

Con el paso de los años, muchas posibilidades de aplicación de la Inteligencia Artificial se han realizado y muchas aún están por llegar. A pesar del progreso que varias industrias han logrado en el frente de la IA, la atención médica sigue siendo un sector en el que realmente ha tenido un impacto importante que va más allá de la conveniencia y afecta esencialmente a las vidas humanas.

La inteligencia artificial (AI) se define como “la ciencia de hacer que las computadoras hagan cosas que requieren inteligencia cuando son hechas por humanos” por el Archivo de Historia de la Computación de Turing. Si bien no hemos alcanzado el nivel de sofisticación en AI como en Westworld, la tecnología de IA se está desarrollando rápidamente.

El potencial de la IA en la asistencia sanitaria

AI puede rediseñar y mejorar la atención médica de múltiples maneras. Por ejemplo, puede ayudar a los profesionales médicos a diseñar planes de tratamiento y encontrar el método de tratamiento más adecuado que sea el mejor para el paciente en particular. Puede ayudar a llevar a cabo tareas que son monótonas para que los médicos puedan concentrarse en sus trabajos principales.

Ya hay algunos buenos ejemplos de IA en el cuidado de la salud que muestran un gran potencial. Los registros médicos mineros son una de esas aplicaciones evidentes de la IA en el cuidado de la salud.

Registros médicos mineros

La administración de datos es uno de los principales potenciales: muestra la aplicación de IA en el cuidado de la salud. El primer paso para revolucionar los sistemas de salud existentes es recolectarlo, almacenarlo, normalizarlo y rastrear su linaje. Contiene el desarrollo de una tecnología de procesamiento del lenguaje natural para extraer automáticamente los datos de registros médicos narrativos.

Google Deepmind Health, se utiliza para extraer registros médicos a fin de ofrecer mejores y más rápidos servicios de salud. Puede procesar cientos de miles de información médica en cuestión de minutos. Aunque el aprendizaje automático y la recolección de datos se encuentran en su etapa inicial, en el momento en que Google, en coordinación con Moorfields Eye Hospital NHS Foundation Trust, se esfuerza por mejorar el tratamiento de los ojos.

Ayudando en tareas monótonas

AI puede ayudar a llevar a cabo tareas repetitivas que le quitan el tiempo al profesional médico de sus trabajos principales. Las tareas como los escaneos de rayos X, las tomografías computarizadas, el análisis de las pruebas y la entrada de datos, etc., pueden realizarse con mayor rapidez y precisión por parte de los robots. La radiología y la cardiología son dos disciplinas en las que la cantidad de datos para analizar puede llevar mucho tiempo y ser abrumadora y agotadora.

IBM Medical Sieve es un ambicioso proyecto exploratorio a largo plazo que planea construir el “asistente cognitivo” de próxima generación, que es capaz de analizar y razonar con una amplia gama de conocimientos clínicos. Medical Sieve puede ayudar a tomar la decisión clínica con respecto a cardiología y radiología, un “asistente de salud cognitiva” en otros términos. Es capaz de analizar las imágenes de radiología para detectar problemas de manera confiable y rápida.

AI Chatbots

Los chatbots de IA utilizan el procesamiento del lenguaje natural para comprender las demandas del usuario seguidas por la gestión del conocimiento para ofrecer una respuesta. Además, utiliza el aprendizaje profundo para mejorar su respuesta a cada interacción. El análisis de sentimiento identifica el problema del usuario y luego lo transfiere a un ser humano. En el contexto de la atención médica, los chatbots pueden cumplir varios objetivos, como diagnosticar al paciente utilizando la información que se brinda sobre los síntomas.

Health AZ – Your.MD: Chatbot usa la tecnología de Inteligencia Artificial para guiar al usuario con la información más relevante para una mejor salud y vida. Proporciona la información médica más precisa y más simple de entender.

Asistentes de salud virtual

Los asistentes virtuales de atención médica pretenden utilizar la tecnología de inteligencia artificial para mejorar las interacciones entre los pacientes y los cuidadores a fin de mejorar la experiencia del consumidor y reducir el agotamiento de los médicos.

Nuance Communications Virtual Assistant Platform permite el diálogo conversacional y las capacidades preconstruidas que automatizan los flujos de trabajo clínicos. El asistente virtual de atención médica emplea reconocimiento de voz, integraciones de EHR y relaciones estratégicas de TI de la salud, biometría de voz, texto a voz y prototipo de altavoz inteligente personalizado para una plataforma segura.

Diseño de tratamiento

Los sistemas de inteligencia artificial se han diseñado para analizar los informes de datos y las notas del archivo del paciente, la experiencia clínica y la investigación externa, a fin de ayudar a seleccionar la ruta de tratamiento correcta, personalizada individualmente.

IBM Watson proporciona a los médicos opciones de tratamiento basadas en evidencia. Watson para Oncología tiene una capacidad avanzada para analizar el significado y el contexto de datos estructurados y no estructurados en notas clínicas e informes que pueden ser críticos para seleccionar una vía de tratamiento. El programa finalmente identifica la mayoría de los posibles planes de tratamiento para un paciente que integran notas sobre la vida del paciente, la investigación y la experiencia clínica.

Creación de drogas

El desarrollo de productos farmacéuticos a través de ensayos clínicos puede llevar más de una década y cuesta mucho. Por lo tanto, hacer que el proceso sea más rápido y económico es uno de los objetivos principales que buscan las startups de AI.

Atomwise: entre los recientes ataques de Ébola, se utilizó un programa alimentado por IA para escanear medicamentos existentes que podrían rediseñarse para combatir enfermedades. La tecnología encontró dos medicamentos que pueden disminuir significativamente la infectividad del Ébola. Este análisis, que de otro modo hubiera llevado meses / años, se completó en 24 horas. Esta eficiencia en la creación de drogas tiene el potencial de salvar miles de vidas.

Conclusión: nuestra vista

Incluso con los grandes avances de la aplicación de la IA en la atención médica en los últimos años, es poco probable que la tecnología reemplace el papel diagnóstico de los médicos, al menos en el futuro cercano. AI, sin embargo, ahora es lo suficientemente sofisticado como para hacerse cargo de las tediosas tareas repetitivas que utilizan las horas productivas de un médico. El potencial de inteligencia artificial en la atención médica es interminable: con profesionales que exploran la aplicación de IA en áreas como verificación de seguros, diagnóstico de cáncer de piel, análisis de datos de registros médicos, etc., apenas estamos empezando a darnos cuenta de la verdadera profundidad de la innovación en tecnología de la salud que puede desbloqueado con tecnología AI.

[Haga clic para continuar leyendo en IA en la atención médica …]

No en gran medida, al menos no todavía.

En la década de 1970, se desarrollaron los primeros “sistemas expertos”. Se trata de motores de reglas complejas diseñados para proporcionar un diagnóstico probable y la mejor terapia posible, pero que requieren una gran cantidad de datos alimentados con cuchara sobre el historial del paciente, el examen y los resultados de la prueba. MYCIN y sistemas similares funcionaron bien, algunas veces superando a los médicos, pero su alcance era limitado (MYCIN solo cubría la meningitis bacteriana, por ejemplo), las reglas requerían una reprogramación frecuente cuando se publicaban nuevas pruebas y, en general, los beneficios incrementales no justificaban el esfuerzo.

Desde entonces, estos sistemas de “Oracle Griego” han pasado a segundo plano con respecto al “soporte de decisiones clínicas”: reglas realmente simples y verificación de errores. Supongamos que inicio sesión en mi registro electrónico de salud (EHR) para solicitar un antibiótico para mi paciente. Si pido un antibiótico relacionado con la penicilina, por ejemplo, y mi paciente informó anteriormente una alergia a la penicilina, recibiré una advertencia emergente para elegir una alternativa.

En los últimos años, estas reglas se han vuelto más sofisticadas. Por ejemplo, para cumplir con la medida de calidad SEP-1 de CMS, los médicos ven las advertencias en EHR relacionadas con la sepsis, pero la advertencia puede ser activada por combinaciones complejas de quejas de presentación, signos vitales y valores de laboratorio. He leído sobre otros algoritmos de apoyo a la toma de decisiones, por ejemplo para el síndrome metabólico, que tiene en cuenta el historial familiar, el código postal y otros elementos que normalmente no entran en la toma de decisiones médicas.

No estamos lejos del día en que aparecerá una notificación emergente en el EHR, y el médico simplemente no podrá decir qué variedad ponderada compleja de características del paciente desencadenó la advertencia. Creo que eso se parece mucho a la IA: recuerda a los viejos sistemas expertos basados ​​en reglas, pero se ejecuta en segundo plano, analiza datos de pacientes y, cuando tiene suficiente confianza, hace una recomendación. Según entiendo, el enfoque de IBM con Watson es así, pero Watson puede ir un paso más allá, pidiéndole al doctor información clave y sintetizándola con el cuadro del paciente y las pautas actuales, antes de hacer su recomendación.

Si bien los anuncios de Watson están en todo el canal de televisión, el software no ha logrado avances importantes en el cuidado de la salud (aparte de algunos centros de oncología), y la gran mayoría de las alertas y notificaciones de EHR siguen siendo muy simples y poco sofisticadas. Pero parece probable que en los próximos años, las ventanas emergentes se vuelvan más conscientes del contexto, tomarán en cuenta más variables de pacientes y sus recomendaciones serán más matizadas. Así es como la IA eventualmente se abrirá camino en el cuidado de la salud.

Cuando dijiste que AI en la industria de la salud, por supuesto, se me ocurrió IBM Watson .

En su blog, Jen Clark nos muestra un detalle aterrador:

“Recientemente, el volumen de datos de atención médica alcanzó 150 exabytes. Para ponerlo en contexto, un Exabyte es equivalente a un quintillón de bytes, suficiente para llenar una pila de DVD que llegaría desde la Tierra a Marte. Esa es una gran cantidad de información, y la mano de obra necesaria para leer y entender todo sería extraordinaria “.

Y Watson puede hacerlo, ingiere datos de aproximadamente 10,000 artículos científicos y 100 nuevos ensayos clínicos cada mes. También aprende mediante el uso de algoritmos avanzados para detectar, predecir e inferir. En la actualidad, las soluciones sanitarias de Watson se utilizan en el descubrimiento de fármacos, el desarrollo clínico, la seguridad del paciente y la oncología para diagnosticar de manera eficiente.

‘El análisis de Big Data se puede aplicar al estudio y manejo de enfermedades además del cáncer. IBM está colaborando con la Asociación Estadounidense de Diabetes para producir aplicaciones cognitivas que ayudan a prevenir, identificar y controlar la diabetes. A principios de este año, dieron a conocer una aplicación de Medtronic & Watson diseñada para ayudar a los pacientes a manejar su propia condición día a día. Con base en el análisis retrospectivo de los niveles de insulina del paciente, los monitores de glucosa continuos y los datos nutricionales, la aplicación puede ayudar a las personas a comprender cómo su comportamiento afecta las fluctuaciones de glucosa en tiempo real. Los pacientes podrán detectar los vínculos entre las opciones de estilo de vida y, con suerte, contar con la información que necesitan para evitar una crisis “. [visita para más información]

Para obtener más detalles, consulte nuestra respuesta de Quora sobre casos de uso de AI en el cuidado de la salud o consulte nuestro blog actualizado regularmente. Y si lo disfrutó, favor de votar, así conseguimos más comentarios y lo mejoramos.

En los próximos cinco años, se espera que el uso de AI en medicina se multiplique por diez. Hay varias áreas donde se predice que revolucionará la atención médica y los lugares donde ya está en uso. En algunos casos, estos algoritmos avanzados, todo lo que AI tiene, ha demostrado diagnosticar la enfermedad más rápido que los humanos.

La información relacionada con la atención médica que poseemos hoy en día es astronómica. AI puede ayudarnos a resolverlo. Modernizing Medicine reúne datos de 3.700 proveedores y más de 14 millones de visitas de pacientes. Aunque impresionante, las capacidades futuras harán pequeña esta hazaña.

La IA también puede prevenir la reincidencia ayudando a seguir casos y hacer más recomendaciones a medida que pasa el tiempo. Se espera que yo sea una herramienta útil. En lugar de reemplazar a los médicos, debe avanzar en sus capacidades y cubrir los puntos ciegos. Aunque estas tecnologías prometen mucho, integrarlas en nuestro sistema de atención médica actual y capacitar a los médicos y otros profesionales médicos para usarlas sigue siendo un desafío. Además, a medida que avanza AI, es probable que tengamos algunos contratiempos en el camino.

Eche un vistazo a cómo se usa la IA para detectar y diagnosticar enfermedades.

Archivos de atención médica – Accubits Blog

La IA ha tenido una gran influencia en la industria de la salud. El sistema capacitado para IA puede ser entrenado para predecir problemas de salud como

vea cómo la detección del cáncer de mama mediante el aprendizaje automático, Detección de cáncer de mama mediante Aprendizaje automático – Accubits Blog

Detección de trastornos hepáticos mediante el aprendizaje automático: Detección de trastornos HEPÁTICOS mediante Aprendizaje automático – Accubits Blog

Diagnóstico de la diabetes mediante el aprendizaje automático: diagnóstico de la diabetes mediante el aprendizaje automático – Accubits Blog

La adopción de la Inteligencia artificial en la asistencia sanitaria va en aumento y resuelve una variedad de problemas para pacientes, hospitales y la industria de la salud en general. AI se espera que beneficie más a los diagnósticos de atención médica al ayudar a detectar pequeñas variaciones dentro de los datos de salud de los pacientes y al comparar las variaciones entre pacientes similares; identificar pandemias potenciales temprano y rastrear la incidencia de enfermedades para ayudar a prevenir y contener su propagación; y mejorar los diagnósticos de imágenes en radiología y patología.

Puede encontrar la información relacionada con esta pregunta en mi artículo dedicado a las últimas tecnologías de TI para el cuidado de la salud:

https://isddesign.com/top-8-need

Hasta ahora, no mucho, la industria de la salud se está centrando en la IA existente para encontrar estafadores.