Una de las características únicas de PQE Group es su presencia global, con un toque local dedicado. Te apoyaremos en "casa", proporcionando a tu negocio una rica experiencia de todo el mundo.
Conoce más más sobre nuestro soporte de cumplimiento normativo para productos sanitarios.
Introducción
El término "Inteligencia Artificial" (IA) es muy difícil de definir. A menudo se utiliza para referirse a cosas que son difíciles de hacer para los ordenadores (como entender el lenguaje natural) en contraposición a cosas que sabemos que los ordenadores manejan bastante bien (como la contabilidad).
Pero, ¿qué es la Inteligencia Artificial?
Según la norma ISO/IEC 2382:2015, la Inteligencia Artificial se define como la capacidad de un sistema para realizar tareas o desarrollar sistemas de procesamiento de datos que desempeñan funciones normalmente asociadas a la inteligencia humana.
En otras palabras, la Inteligencia Artificial, o IA, es un tipo particular de tecnología que permite a los ordenadores y a las máquinas simular la inteligencia humana y las capacidades de resolución de problemas.
Gracias a dos disciplinas, el aprendizaje automático y el aprendizaje profundo, es posible desarrollar algoritmos de IA, modelados a partir de los procesos de toma de decisiones del cerebro humano que pueden aprender y, al mismo tiempo, volverse más precisos durante las predicciones a lo largo del tiempo.
Historia de la IA
Entonces, ¿de dónde procede el término Inteligencia Artificial?
En el verano de 1956, en una conferencia académica celebrada en la Universidad de Dartmouth, varios científicos discutieron cómo hacer que las máquinas simularan inteligencia. McCarthy, en primer lugar, propuso el término Inteligencia Artificial.
Sin embargo, la historia de la Inteligencia Artificial comenzó en la Antigüedad, con mitos, historias y rumores de seres artificiales dotados de inteligencia o conciencia por maestros artesanos. Las semillas de la IA moderna fueron plantadas por filósofos que intentaron describir el proceso del pensamiento humano como la manipulación mecánica de símbolos. Este trabajo culminó con la invención del ordenador digital programable en la década de 1940, una máquina basada en la esencia abstracta del razonamiento matemático. Este dispositivo y las ideas que lo sustentaban inspiraron a un puñado de científicos para empezar a discutir seriamente la posibilidad de construir un cerebro electrónico. De hecho, en 1943, McCulloch y Pitts diseñaron la primera neurona artificial.
Desde la conferencia de 1956, la Inteligencia Artificial se ha utilizado en diversas formas y grados para desarrollar y hacer avanzar un amplio espectro de campos, como la atención sanitaria, la fabricación, la banca y los mercados financieros, la educación, las cadenas de suministro, la venta al por menor y el comercio electrónico.
La IA en el sector sanitario
En el sector sanitario, los productos médicos basados en IA podrían automatizar tareas, sintetizar datos de múltiples fuentes y detectar tendencias. También es posible procesar y analizar información de sensores portátiles e identificar enfermedades o la aparición de trastornos médicos; predecir qué pacientes corren un mayor riesgo de sufrir una enfermedad, complicaciones o resultados negativos basándose en sus historiales médicos y, a continuación, apoyar la investigación evaluando grandes cantidades de datos y supervisando la eficacia de los tratamientos.
La técnica de aprendizaje automático evalúa datos estructurados, como datos de imagen, genéticos y electrofisiológicos, y es útil para reunir las características del paciente o predecir la enfermedad. Las técnicas de aprendizaje profundo, en cambio, se utilizan para datos más complejos obtenidos del conjunto de datos médicos.
Los sensores médicos, que pueden convertir parámetros biomédicos en señales fáciles de medir, desempeñan un papel importante en el campo del diagnóstico, ya que, con su utilización, el instrumento de diagnóstico puede ser más eficaz y seguro. Se han desarrollado diversos sensores médicos para el seguimiento y el diagnóstico de enfermedades, como marcadores biomédicos que pueden utilizarse sobre el cuerpo o en su interior. Este tipo de sensores se utilizan activamente, por ejemplo, para detectar el cáncer.
Mientras tanto, el software que incorpora Inteligencia Artificial, concretamente el subconjunto de la IA conocido como aprendizaje automático ("machine learning", ML), se ha convertido en un componente esencial de un número cada vez mayor de productos sanitarios a medida que avanza la tecnología.
La mayor ventaja de la IA/ML en el software es su capacidad para aprender del uso y la experiencia en el mundo real y mejorar su rendimiento. La capacidad del software de IA/ML para aprender de la retroalimentación del mundo real (entrenamiento) y mejorar su rendimiento (adaptación) hace que estas tecnologías ocupen un lugar único entre el software como producto sanitario ("Software as a Medical Device", SaMD) y constituyan un área de investigación y desarrollo en rápida expansión.
Casos prácticos
La IA/ML tiene el potencial de generar nuevos e importantes conocimientos a partir de la ingente cantidad de datos que se generan a diario durante la prestación de asistencia sanitaria. Las tecnologías sanitarias digitales desempeñan un papel cada vez más importante en muchas facetas de nuestra salud y nuestra vida cotidiana, y la IA/ML está impulsando importantes avances en este campo.
Una aplicación de IA/ML diseñada para pacientes de la Unidad de Cuidados Intensivos, que recibe señales de electrocardiograma, presión arterial y pulsioximetría de un monitor de paciente primario, puede utilizarse como ejemplo de software de IA/ML. En este caso, el procesamiento y análisis de las señales fisiológicas se realiza para identificar patrones que se producen al inicio de la inestabilidad fisiológica. Cuando se detecta inestabilidad fisiológica, se genera una señal de alarma audible para indicar la necesidad de una acción clínica inmediata para evitar posibles daños al paciente.
Otro ejemplo puede ser una aplicación móvil destinada a proporcionar la evaluación del riesgo de lesiones cutáneas utilizando la cámara del dispositivo móvil y una linterna. El algoritmo de IA es el que realiza la evaluación del riesgo. En función del resultado de la evaluación, el usuario recibirá la recomendación de acudir a un dermatólogo para someterse a un examen más exhaustivo y obtener un diagnóstico médico preciso. Para evitar posibles malentendidos en la pantalla de resultados, el algoritmo traza un recuadro alrededor de las lesiones evaluadas de riesgo, coloreado según el riesgo asignado. Esto indica exactamente para qué lesión se ha calculado la evaluación del riesgo. Si hay diferentes lesiones, crea varios recuadros con el color correspondiente. Si el algoritmo no detecta la lesión, no habrá ningún recuadro en la pantalla de resultados, lo que significa que el usuario no podrá evaluarla.
La monitorización continua de la glucosa ("Continuous Glucose Monitoring", CGM) y las aplicaciones móviles de autocontrol se han utilizado más recientemente, dando lugar a una transformación digital de la atención diabética. Se han creado calculadoras de bolo de insulina para ayudar a ajustar la dosis de insulina y ahora se incluyen en la mayoría de las bombas de insulina más recientes disponibles en el mercado y en algunos medidores de glucosa. Se ha creado un dispositivo para superar esta barrera utilizando la monitorización continua de la glucosa (MCG), el control de carrera a carrera y la inteligencia artificial. Al parecer, el algoritmo, implementado en una app móvil, se comunica en tiempo real con un sensor continuo de glucosa y requiere que el usuario introduzca manualmente distinta información para calcular una dosis de insulina recomendada que se adapte a la persona y a las circunstancias del momento. El algoritmo también adopta su recomendación basándose en los resultados de anteriores dosis de insulina recomendadas y en el comportamiento del usuario.
En el campo de los audífonos, se ha introducido en el mercado el primer audífono que utiliza el aprendizaje automático en tiempo real para permitir a los usuarios finales realizar ajustes en función de sus preferencias e intenciones en distintos entornos. Utilizando un sistema informático distribuido y un smartphone conectado a un audífono, se puede incorporar una aplicación de aprendizaje automático en tiempo real. A través de una sencilla interfaz, el algoritmo puede aprender automáticamente y satisfacer las preferencias e intenciones del usuario final. Así, con el uso del aprendizaje automático, es posible ajustar la configuración del ecualizador sin alterar la programación que el audioprotesista ha puesto en la adaptación. Aunque la programación permanente del audífono no se altera, el usuario final sigue teniendo la posibilidad, en tiempo real, de refinar fácilmente sus ajustes acústicos para satisfacer su intención auditiva específica en tiempo real.
Conclusión
En el cambiante ámbito de la tecnología sanitaria, la Inteligencia Artificial se erige como un faro de innovación que ofrece soluciones antes inimaginables. Desde la monitorización en tiempo real hasta los planes de tratamiento personalizados, la IA no sólo mejora la eficacia de las intervenciones médicas, sino que también permite a los pacientes tomar el control de su salud como nunca antes. De cara al futuro, la unión de la IA y la sanidad promete un mundo en el que las enfermedades se detecten antes, los tratamientos sean más eficaces y las personas puedan llevar una vida más saludable.
