Las pérdidas de líquido cefalorraquídeo, provocadas por desgarros o agujeros en la médula espinal, son poco frecuentes y resultan difíciles de identificar. Como los síntomas no son inusuales, náuseas, dolor de cuello, zumbidos de oídos y dolores de cabeza posicionales debilitantes, los enfermos pueden permanecer años sin el diagnóstico adecuado. A más de uno le han diagnosticado alergia.
Al igual que en un número creciente de campos de la medicina, la IA puede modificar la forma en que se diagnostican y tratan estas enfermedades, incrementando la precisión, ahorrando dinero y, en muchos casos, mejorando drásticamente la calidad de vida.
Mientras que la mayoría de los dispositivos con IA aprobados por los organismos reguladores de Estados Unidos son de diagnóstico, el potencial de uso de la tecnología en la atención de la salud es muy amplio, desde automatizar tediosas tareas administrativas hasta agilizar el descubrimiento de fármacos.
De acuerdo con algunas proyecciones, la adopción generalizada de la inteligencia artificial permitiría ahorrar hasta US$360.000 millones al año en gastos de sanidad.
Las fugas de líquido cefalorraquídeo pueden ofrecer una idea de lo que nos espera.
Si bien la resonancia magnética puede revelar cambios en el cerebro indicativos de una fuga, la localización del origen, a menudo un pequeño goteo irregular que puede producirse en cualquier punto de la columna vertebral, precisa la alta resolución espacial de un escáner de tomografía computarizada. No obstante, la tecnología básica de estos aparatos no ha experimentado mejoras significativas en decenios.
Ahora eso está cambiando. Los denominados escáneres de TC con recuento de fotones utilizan IA y semiconductores avanzados para la detección de fugas medulares antes imperceptibles, lo que hace posible el tratamiento y, a con frecuencia, a una recuperación completa. Según los pacientes, esta tecnología puede cambiar la vida.
Más allá de la neurología, estos escáneres pueden identificar pequeñas irregularidades antes de que se conviertan en amenazas graves para la salud, desde aneurismas intactos hasta cantidades peligrosas de placa arterial. Su capacidad para detectar enfermedades cardiovasculares y accidentes cerebrovasculares, dos de las principales causas de muerte en el mundo, podría revolucionar la atención preventiva.
Un desafío clave para los dispositivos médicos que dependen de la IA, desde escáneres hasta robots quirúrgicos y escribanos ambientales, es la cantidad de datos necesarios para entrenar sus modelos.
En Estados Unidos, esa información suele estar aislada en bases de datos de proveedores y hospitales. El gobierno ha invertido miles de millones de dólares para fomentar el intercambio de datos. Sin embargo, más del 60% de los hospitales informaron al menos una barrera importante para los intercambios de información el año pasado; aproximadamente el 70% todavía usa máquinas de fax.
Mejorar este panorama debería ser una prioridad. La precisión y utilidad de los modelos de IA dependen de que los innovadores obtengan acceso a grandes cantidades de datos (de preferencia de múltiples sistemas de salud y países, en varios formatos e idiomas).
Es alentador que el sector privado esté en las primeras etapas de desarrollo de otras herramientas de IA que puedan procesar datos “no estructurados”, pero si bien las agencias de salud estadounidenses han mostrado interés, no han adoptado plenamente esos productos con fines regulatorios, lo que constituye un primer paso importante hacia una adopción más amplia.
Los legisladores también pueden hacer su parte. Con fondos del Congreso, las agencias pueden colaborar para desarrollar un gran conjunto de datos de alta calidad y anónimos sobre los pacientes para el entrenamiento de la IA.
Los modelos entrenados con “datos de grado regulatorio”, como lo expresa el ex Comisionado de la Administración de Alimentos y Medicamentos Scott Gottlieb, mejorarían la precisión del diagnóstico y podrían obtener aprobaciones simplificadas.
La semana pasada, la FDA (por sus siglas en inglés, Administración de alimentos y medicamentos) y el Departamento de Asuntos de Veteranos anunciaron uno de esos planes, un “laboratorio de IA sanitaria” conjunto, para probar herramientas de IA utilizando datos del VA. Restringir la misión de la FDA, centrarse en garantizar la calidad y precisión de los datos y prevenir el sesgo, también podría permitir un mejor uso de los recursos limitados.
El uso de la IA para diagnósticos y exámenes preventivos no está exento de inconvenientes.
Además del costo, existe el riesgo de intervenciones innecesarias o dañinas. Sin embargo, en última instancia, las exploraciones más rápidas y precisas serán más asequibles y aumentarán el acceso, especialmente para los pacientes de alto riesgo.
Vale la pena señalar que el escepticismo inicial sobre las tomografías computarizadas preventivas para fumadores se disipó rápidamente una vez que las investigaciones demostraron que las exploraciones reducían drásticamente el riesgo de cáncer de pulmón.
La capacidad de la IA para mejorar la vida de los pacientes ya no es una mera teoría. Con un mayor acceso a los datos, el tratamiento basado en IA puede convertirse en el estándar de atención médica.
Esta nota no refleja necesariamente la opinión del consejo editorial de Bloomberg LP y sus propietarios.
Lea más en Bloomberg.com
