La IA específica de la industria se posiciona como un impulsor clave para la privacidad y la optimización en la atención médica.
La inteligencia artificial (IA) ha llegado para revolucionar diversos sectores, pero quizás sea en la atención médica donde su impacto resulta más sorprendente. Mientras existen teorías en curso sobre cómo la IA podría ayudar a resolver grandes problemas en la industria de la salud, Sahar Arshad, cofundadora y directora de operaciones de CloudMedx, ha llevado el cambio a la práctica. Con su equipo, ha logrado implementar soluciones de IA predictiva y generativa que están transformando la prestación de atención médica y abriendo un camino a seguir para todas las industrias.
En un mundo donde los desafíos en el sector de la salud crecen año tras año, resulta primordial convertir ideas en soluciones funcionales. Según informan los analistas de McKinsey, la industria de la salud en Estados Unidos se enfrenta a condiciones exigentes en 2023, incluyendo la presión de la recesión, altas tasas de inflación continua, escasez de mano de obra y el impacto endémico del COVID-19. Además, la esperanza de vida ha disminuido y la mortalidad materna ha aumentado, lo que subraya la necesidad de mejoras drásticas en la atención médica.
Las soluciones de IA no solo prometen mejorar los resultados en la atención médica y salvar vidas, sino también reducir los enormes costos que conlleva el sistema sanitario de Estados Unidos. Un estudio reciente realizado por McKinsey y Harvard reveló que la IA podría generar ahorros de hasta $360 mil millones al año en gastos de atención médica en dicho país. Además de los beneficios financieros, se espera una mejora en la calidad de atención médica, un mayor acceso, una mejor experiencia del paciente y una mayor satisfacción de los médicos, tal como sostienen los investigadores.
Sin embargo, la atención médica enfrenta presiones únicas que deben abordarse para asegurar el éxito de la implementación de IA. Uno de los desafíos más preocupantes es el riesgo de alucinaciones. Según informó el Wall Street Journal, los chatbots de IA más populares, como ChatGPT de OpenAI y Bard de Google, en ocasiones generan declaraciones rotundamente incorrectas con confianza y autoridad. Este tipo de error no tiene cabida en el campo de la atención médica, donde la precisión es crucial. Además, es fundamental garantizar la privacidad de los datos, ya que las organizaciones de atención médica no pueden permitirse el riesgo de filtraciones de información confidencial a través de la IA.
Para abordar estos problemas, el equipo de Sahar Arshad ha trabajado arduamente en la construcción de aplicaciones basadas en modelos de lenguaje grandes (LLM) que ayudan a aliviar la carga administrativa, responsable de hasta el 30% de los gastos en atención médica. A continuación, se presentan algunas lecciones aprendidas en este proceso, que pueden ser de guía para otros líderes tecnológicos interesados en el desarrollo de soluciones de IA en el ámbito de la atención médica.
Ajuste fino con datos de casos de uso
Al desarrollar una herramienta de IA, existen diferentes enfoques que los creadores pueden seguir. Pueden construir su propio modelo básico, como GPT-4 o PaLM, lo que suele requerir una inversión considerable de dinero y esfuerzo. O bien, pueden utilizar un modelo base existente y enriquecerlo con datos específicos del dominio, ajustándolo a sus necesidades. También existe un tercer enfoque en el cual se mantiene el modelo de base específico del dominio tal como está y se emplean técnicas de indicación, como el aprendizaje de cero o pocos intentos, para obtener el resultado deseado. Posteriormente, se desarrolla una interfaz de usuario que se superpone al modelo básico de LLM, a veces denominada «envoltorio».
En el caso de CloudMedx, se han utilizado tanto el segundo como el tercer enfoque, dependiendo del caso de uso específico. Se han ingresado conjuntos de datos de atención médica anonimizados en un modelo base, se ha ajustado el modelo para adaptarlo a aplicaciones de nicho y se ha incorporado el conocimiento y experiencia del equipo en el dominio.
Por ejemplo, una de las necesidades de la herramienta desarrollada por el equipo era comprender las abreviaturas y acrónimos utilizados en la industria médica. Muchos profesionales de la salud utilizan «DM» como código para referirse a la diabetes (diabetes mellitus). Era crucial enseñarle a nuestra herramienta de IA este contexto específico para evitar confusiones con otras interpretaciones del término, como mensajes directos o marketing directo. Cuanta más información específica del sector se proporcione y más definido esté el alcance de los casos de uso, menor será la probabilidad de alucinaciones.
Diseño para cortafuegos con una ruta unidireccional
Es fundamental diseñar las herramientas de IA para que operen estrictamente dentro de los firewalls de las organizaciones, garantizando la privacidad de los datos. Cualquier parte interesada en el ecosistema de atención médica, ya sea pacientes, proveedores de atención médica o pagadores, debe tener la certeza de que los datos no serán accesibles desde el exterior. Por lo tanto, la herramienta no debe permitir un flujo bidireccional de información entre la organización y el mundo exterior.
No obstante, la IA debe ser capaz de recopilar información externa relevante. Por ejemplo, uno de los agentes basados en LLM desarrollados por CloudMedx se encarga de la extracción automática de reglas. Este agente busca en información disponible públicamente para identificar cambios en las reglas de atención médica, como pautas de codificación para el envío de cargos a pacientes en diferentes categorías demográficas o reglas para la generación de informes de atención basados en datos clínicos y demográficos.
La idea es que la herramienta de IA pueda recopilar esta información de forma automática, sin depender de la supervisión humana para seguir todas las reglas cambiantes y comunicar al equipo de TI la necesidad de escribir nuevo código. Al habilitar los controles de datos en la solución de IA, se asegura que la herramienta pueda obtener información externa sin exponer datos confidenciales de la organización.
Humanos a cargo
Es importante destacar que la implementación de IA no implica que esta tome decisiones médicas cruciales. Los pacientes y el sector de la salud en general no desean que la IA asuma el control en términos de procedimientos médicos, altas hospitalarias u otras decisiones clínicas.
El enfoque correcto es diseñar herramientas de IA para manejar tareas rutinarias, liberando a los profesionales de la salud para que se centren en aspectos médicos fundamentales. Por ejemplo, las enfermeras dedican entre un 26 % y un 41 % de su tiempo a actividades de documentación, lo cual podría aliviarse significativamente mediante la automatización.
A medida que el sector de la salud lidera el camino en el uso de la IA dentro de estas limitaciones y reglas establecidas, otros sectores encontrarán motivos convincentes para seguir su ejemplo y aprovechar los beneficios de la IA específica de la industria.
Ventajas y desventajas
A continuación, se presentan algunas ventajas y desventajas clave de la implementación de la IA en el campo de la atención médica:
Ventajas ✅
- Mejora de la precisión diagnóstica: Los sistemas de IA pueden analizar grandes cantidades de datos médicos, como imágenes de resonancia magnética o historias clínicas, y proporcionar diagnósticos más precisos, lo que lleva a un tratamiento más eficaz.
- Eficiencia y reducción de costos: La automatización de tareas administrativas y rutinarias mediante la IA puede liberar tiempo y recursos, lo que se traduce en una mayor eficiencia operativa y una reducción de costos en la atención médica.
- Personalización de la atención: La IA puede ayudar a personalizar el tratamiento y la atención médica, considerando las características individuales de cada paciente y ofreciendo recomendaciones más precisas y adaptadas a sus necesidades.
Desventajas ❌
- Dependencia de datos de calidad: Los sistemas de IA requieren grandes cantidades de datos precisos y confiables para entrenar y mejorar su rendimiento. La falta de acceso a datos de calidad o la presencia de sesgos en los conjuntos de datos pueden afectar la precisión de los resultados.
- Responsabilidad y ética: La implementación de la IA en la atención médica plantea desafíos éticos y legales, como la responsabilidad en caso de errores o decisiones incorrectas tomadas por sistemas de IA, así como la protección de la privacidad y confidencialidad de los datos del paciente.
- Interfaz y aceptación humana: La adopción exitosa de la IA en la atención médica depende de la aceptación y colaboración de los profesionales de la salud. La interfaz entre la IA y los usuarios humanos debe ser intuitiva y confiable para fomentar su adopción generalizada.
Preguntas frecuentes
A continuación, se responden algunas preguntas frecuentes relacionadas con el uso de la inteligencia artificial en el campo de la atención médica:
¿La inteligencia artificial reemplazará a los médicos y profesionales de la salud?
No, la IA no tiene como objetivo reemplazar a los médicos y profesionales de la salud, sino complementar su trabajo. La IA puede ayudar a mejorar la precisión diagnóstica, agilizar tareas administrativas y proporcionar recomendaciones personalizadas, pero siempre se requerirá la experiencia y el juicio humano en la toma de decisiones médicas.
¿Es seguro confiar en los sistemas de IA para el diagnóstico médico?
Los sistemas de IA utilizados para el diagnóstico médico deben ser rigurosamente evaluados y validados antes de su implementación clínica. Es necesario garantizar la calidad de los datos utilizados para entrenar los modelos de IA y realizar pruebas exhaustivas para medir su precisión y confiabilidad. Además, la interpretación de los resultados de la IA debe realizarse en colaboración con profesionales de la salud para evitar errores y sesgos.
¿Cómo se protege la privacidad de los datos del paciente en los sistemas de IA?
La protección de la privacidad de los datos del paciente es una preocupación fundamental en el uso de la IA en la atención médica. Las organizaciones deben seguir rigurosas medidas de seguridad y cumplir con las regulaciones de privacidad de datos, como el Reglamento General de Protección de Datos (GDPR) en la Unión Europea o la Ley de Portabilidad y Responsabilidad del Seguro de Salud (HIPAA) en Estados Unidos. Se deben implementar mecanismos de anonimización y encriptación para proteger los datos confidenciales y garantizar su uso adecuado por parte de los sistemas de IA.
¿Qué papel juegan los pacientes en la implementación de la IA en la atención médica?
Los pacientes desempeñan un papel crucial en la implementación de la IA en la atención médica. Deben estar informados sobre cómo se utiliza la IA en su atención y tener la capacidad de comprender y tomar decisiones informadas. Es importante fomentar la transparencia y la comunicación entre los proveedores de atención médica y los pacientes para garantizar una relación de confianza y facilitar la adopción de la IA en beneficio de todos.
LEE MÁS ARTÍCULOS SOBRE: Salud con IA.
LEE LA ENTRADA ANTERIOR: Fix My Code with AI: Experiencias accesibles y usables con código compatible gracias a la IA.