10 aplicaciones prometedoras de la IA en el cuidado de la salud

Peter Dazeley/Getty Images

Ahora mismo hay mucho entusiasmo por la forma en que la inteligencia artificial (IA) va a cambiar la atención médica. Y están surgiendo muchas tecnologías de IA para ayudar a las personas a agilizar los procesos administrativos y clínicos de la atención médica. Según una firma de capital riesgo Salud de las rocas, 121 empresas de salud, IA y aprendizaje automático recaudaron 2.700 millones de dólares en 206 operaciones entre 2011 y 2017.

El campo de la IA para la salud parece amplio (abarca el bienestar, el diagnóstico y las tecnologías operativas), pero también es limitado en el sentido de que las aplicaciones de IA para la salud suelen realizar una sola tarea. Nosotros investigado el valor de 10 aplicaciones prometedoras de IA y descubrió que podrían generar un ahorro anual de hasta 150 000 millones de dólares en la atención médica de EE. UU. de aquí a 2026.

Identificamos estas aplicaciones de IA específicas en función de la probabilidad de adopción y del potencial de ahorro anual que existe. Descubrimos que la IA actualmente crea el mayor valor al ayudar a los médicos de primera línea a ser más productivos y a hacer que los procesos secundarios sean más eficientes, pero aún no a la hora de tomar decisiones clínicas o mejorar los resultados clínicos. Las aplicaciones clínicas siguen siendo poco frecuentes.

Echemos un vistazo a algunos ejemplos de La IA en primera línea de la atención. La IA ha demostrado su aptitud para mejorar la eficiencia del análisis de imágenes marcando de forma rápida y precisa anomalías específicas para que las revise un radiólogo. En 2011, investigadores de Langone Health de la Universidad de Nueva York descubrieron que este tipo de análisis automatizado podía encontrar y comparar nódulos pulmonares específicos (en las imágenes de tomografía computarizada del tórax) entre un 62 y un 97% más rápido que un panel de radiólogos. Nuestros hallazgos sugieren que estas eficiencias generadas por la IA en el análisis de imágenes podrían generar un ahorro anual de 3 000 millones de dólares, ya que los radiólogos tendrían más tiempo para centrarse en las revisiones que requieren una mayor interpretación o juicio.

Herramientas relacionadas

• 

  Las últimas investigaciones: IA y aprendizaje automático

  Tecnología y operaciones Libro

  49.95

  View Details

Otra área es la cirugía robótica asistida por IA. En la cirugía ortopédica, una forma de robótica asistida por la IA puede analizar los datos de la historia clínica preoperatoria para guiar físicamente el instrumento del cirujano en tiempo real durante un procedimiento. También puede utilizar datos de experiencias quirúrgicas reales para informar nuevas técnicas quirúrgicas. UN estudio de 379 pacientes ortopédicos en todo nueve Los sitios quirúrgicos descubrieron que una técnica robótica asistida por la IA creada por Mazor Robotics permitía reducir cinco veces las complicaciones quirúrgicas en comparación con cuando los cirujanos operaban solos. Si se aplica correctamente a la cirugía ortopédica, nuestro análisis reveló que la cirugía robótica asistida por IA también podría generar una reducción del 21% en la estancia de los pacientes en el hospital tras la cirugía, como resultado de menos complicaciones y errores, y generar un ahorro anual de 40 000 millones de dólares.

Las técnicas de IA también se están aplicando al costoso problema de los errores de dosificación, donde nuestros hallazgos sugieren que la IA podría generar un ahorro de 16 000 millones de dólares. En 2016, un juicio innovador en California descubrió que una fórmula matemática desarrollada con la ayuda de la IA había determinado correctamente la dosis correcta de inmunosupresores para administrar a los pacientes con órganos. La determinación de la dosis ha dependido tradicionalmente de una combinación de pautas y conjeturas fundamentadas, y de errores de dosificación maquillar el 37% de todos los errores médicos evitables. Si bien este tipo de técnica de IA es incipiente, el ejemplo es poderoso teniendo en cuenta que la dosis correcta es fundamental para garantizar que no se rechace un injerto después de un trasplante de órgano.

El uso de la IA para ayudar al juicio clínico o al diagnóstico aún está en pañales, pero están surgiendo algunos resultados que ilustran esa posibilidad. En 2017, un grupo de la Universidad de Stanford probó un algoritmo de IA con 21 dermatólogos para comprobar su capacidad para identificar el cáncer de piel. Los hallazgos clínicos, como publicado por Nature el año pasado, «lograr un rendimiento a la par del de todos los expertos evaluados… demostrando una inteligencia artificial capaz de clasificar el cáncer de piel con un nivel de competencia comparable al de los dermatólogos». Nuestros hallazgos sugieren que la IA podría generar un ahorro anual de 5000 millones de dólares si se realizara un diagnóstico preliminar antes de que el paciente entre en el servicio de urgencias.

También estamos empezando a ver el potencial de las auxiliares de enfermería virtuales impulsadas por la IA para ayudar a los pacientes. Por ejemplo, «Molly» de Sensely es un avatar de enfermera impulsado por la IA que utilizan la UCSF y el Servicio Nacional de Salud del Reino Unido para interactuar con los pacientes, hacerles preguntas sobre su salud, evaluar sus síntomas y dirigirlos al entorno de atención más eficaz. Nuestros hallazgos estiman que los auxiliares de enfermería impulsados por la IA podrían ahorrar 20 000 millones de dólares al año si ahorraran un 20% del tiempo que los enfermeros dedican a las tareas de mantenimiento de los pacientes.

La IA también promete ayudar al sector de la salud a gestionar costosos problemas administrativos e ineficiencias. Las actividades que no tienen nada que ver con el cuidado de los pacientes consumen más de la mitad (51%) de un enfermero carga de trabajo y casi una quinta parte (16%) de médico actividades. Las tecnologías basadas en la IA, como la transcripción de voz a texto, pueden mejorar los flujos de trabajo administrativos y eliminar las laboriosas actividades no relacionadas con el cuidado de los pacientes, como escribir anotaciones en los gráficos, surtir recetas y solicitar pruebas. Estimamos que estas aplicaciones podrían ahorrar al sector 18 000 millones de dólares al año.

Por ejemplo, mientras que el Centro Médico Beth Israel Deaconess llamó la atención para una prueba de cáncer con IA, su primera incursión en la IA fue más prosaica: la usó para reducir las tasas de reingresos hospitalarios e identificar las posibles ausencias. Mediante el aprendizaje automático, los tecnólogos del Centro Médico Beth Israel desarrollaron una aplicación para predecir qué pacientes tienen probabilidades de no presentarse o no seguir el tratamiento, de modo que puedan intervenir con antelación.

Los errores y el fraude son un problema igualmente caro para las organizaciones de salud y también para las aseguradoras. La detección del fraude se ha basado tradicionalmente en una combinación de revisiones manuales y computarizadas (basadas en normas) de las reclamaciones médicas. Es un proceso lento que depende de poder detectar rápidamente las anomalías una vez ocurrido el incidente para poder intervenir. Las aseguradoras de salud son experimentar con la minería de datos compatible con la IA, junto con redes neuronales basadas en la IA (que imitan los procesos del cerebro humano, pero con mucha más rapidez) para buscar en las solicitudes de Medicare patrones asociados con el fraude de reembolsos médicos. Estimamos que la IA podría generar un ahorro anual de 17 000 millones de dólares si mejorara la velocidad y la precisión de la detección del fraude en las reclamaciones de Medicare.

Más allá de las actividades fraudulentas, la letanía de filtraciones de datos, como WannaCry o Petya, de los últimos años ha hecho que la ciberseguridad sea una de las principales preocupaciones de las organizaciones de atención médica. Incumplimientos de la atención médica son estimadas costar a las organizaciones 380 dólares por registro de paciente. El uso de la IA para monitorear y detectar interacciones anormales con datos patentados podría generar un ahorro anual de 2000 millones de dólares al reducir las infracciones de los historiales médicos.

A medida que las tecnologías de IA se generalicen, las organizaciones de atención médica tendrán que invertir en las que ofrezcan el mayor valor. El uso de la IA para el juicio clínico aún está en pañales y necesitará tiempo para que se arraigue plenamente de manera significativa. Sin embargo, se debe priorizar e invertir en las aplicaciones de IA que pueden ofrecer el mayor valor en la actualidad (cirugía asistida por IA, enfermería virtual, flujo de trabajo administrativo), de modo que los proveedores de atención médica y las aseguradoras puedan centrarse en una mejor atención.