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 dispositivos médicos.
Introducción
El término "Inteligencia Artificial" (IA) es muy difícil de definir. Con frecuencia la gente lo usa para referirse a cosas que son difíciles de hacer para las computadoras (como comprender el lenguaje natural) en contraposición a cosas que sabemos que las computadoras 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 las computadoras y 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 viene 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 simulen inteligencia. McCarthy, primero, 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 parte de 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 de la computadora digital programable en la década de 1940, una máquina basada en la esencia abstracta del razonamiento matemático. Este dispositivo y las ideas detrás de él inspiraron a un puñado de científicos a comenzar 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 en diversas formas y grados se ha utilizado para desarrollar y avanzar en un amplio espectro de campos, como la atención médica, la manufactura, los mercados bancarios y financieros, la educación, las cadenas de suministro, el comercio minorista y el comercio electrónico.
La IA en el sector de la salud
En el sector de la salud, los dispositivos médicos basados en IA podrían automatizar tareas, sintetizar datos de múltiples fuentes e identificar tendencias. Además, es posible procesar y analizar información de sensores portátiles e identificar enfermedades o la aparición de afecciones médicas; predecir qué pacientes tienen un mayor riesgo de sufrir una enfermedad, complicaciones o resultados negativos en función de sus registros médicos y luego respaldar la investigación evaluando grandes cantidades de datos y monitoreando la eficacia del tratamiento.
La técnica de aprendizaje automático evalúa datos estructurados, como imágenes, datos genéticos y electrofisiológicos, y es útil para recopilar las características del paciente o predecir la enfermedad. En cambio, las técnicas de aprendizaje profundo 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 dispositivos médicos 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 dispositivo médico ("Software as a Medical Device", SaMD) y constituyan un área de investigación y desarrollo en rápida expansión.
Casos prácticos
AI/ML tiene el potencial de generar conocimientos nuevos e importantes a partir de la gran cantidad de datos generados durante la prestación de atención médica todos los días. Las tecnologías de salud digital están desempeñando un papel cada vez más importante en muchas facetas de nuestra salud y vida diaria, 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 oximetría de pulso desde un monitor de paciente primario. 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 una evaluación del riesgo de lesiones cutáneas utilizando la cámara y una linterna del dispositivo móvil. El algoritmo de IA es quien realiza la evaluación de riesgos. Según el resultado de la evaluación, el usuario recibirá una recomendación para consultar a un dermatólogo para un examen más detallado y obtener un diagnóstico médico preciso. Para evitar posibles malentendidos en la pantalla de resultados, el algoritmo traza un cuadro alrededor de las lesiones con riesgo evaluado, coloreado según el riesgo asignado. Esto indica exactamente para qué lesión se calculó la evaluación de riesgos. Si hay diferentes lesiones, crea múltiples cuadros con el color correspondiente. Si el algoritmo no logra detectar la lesión, no aparecerá ningún cuadro en la pantalla de resultados, lo que significa que el usuario no podrá evaluarla.
El monitoreo continuo de la glucosa ("Continuous Glucose Monitoring", CGM) sy las aplicaciones móviles de autocontrol se han utilizado más recientemente, dando lugar a una transformación digital de la atención diabética. Las calculadoras de bolo de insulina se crearon para ayudar con el ajuste de la dosis de insulina y ahora se incluyen en la mayoría de las bombas de insulina más recientes disponibles comercialmente y en algunos medidores de glucosa. Se ha creado un dispositivo para superar esta barrera mediante la utilización de monitorización continua de glucosa (CGM), control de carrera a carrera e inteligencia artificial. Parece que el algoritmo, implementado en una aplicación móvil, se comunica en tiempo real con un sensor continuo de glucosa y requiere que el usuario ingrese manualmente información diferente para calcular una dosis de insulina recomendada que se adapta al individuo y a las circunstancias actuales. El algoritmo también adopta su recomendación basándose en los resultados de las dosis de insulina recomendadas anteriormente y 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 diferentes entornos. Al utilizar un enfoque informático distribuido y un teléfono inteligente conectado a un audífono, se puede incorporar una aplicación de aprendizaje automático en vivo. A través de una interfaz sencilla, el algoritmo puede aprender y satisfacer automáticamente las preferencias e intenciones del usuario final. Entonces, 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. Si bien la programación permanente del audífono no se modifica, el usuario final aún tiene el poder, en tiempo real, de refinar fácilmente sus configuraciones acústicas para cumplir con su intención auditiva específica en tiempo real.
Conclusión
En el ámbito en constante evolución 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 eficiencia de las intervenciones médicas, sino que también permite a los pacientes tomar el control de su salud como nunca antes. Al mirar hacia el futuro, la unión de la IA y la atención sanitaria encierra la promesa de un mundo en el que las enfermedades se detecten antes, los tratamientos sean más eficaces y las personas estén empoderadas para llevar una vida más saludable.
