Cómo la inteligencia artificial generativa podría cambiar la atención sanitaria

6 principales casos de uso de la IAGen en la atención sanitaria

De acuerdo con expertos en tecnología sanitaria, la inteligencia artificial generativa está preparada para influir en la investigación, el apoyo a la toma de decisiones clínicas, la atención al paciente, la administración sanitaria, la comunicación y la educación y formación de profesionales sanitarios.

1. Investigación

La investigación médica ya está aprovechando los beneficios de la inteligencia artificial generativa, y se espera que esta tecnología amplíe y acelere la investigación en los próximos años.

Por ejemplo, puede crear datos sintéticos, según Ivo Dinov, experto de la Universidad de Míchigan y profesor de medicina computacional y bioinformática, así como subdirector de educación y formación del Michigan Institute for Data Science.

Dinov explicó que este uso representa una ventaja significativa en áreas donde ciertos tipos de datos, como las imágenes cerebrales, son costosos y escasos. La generación de datos sintéticos permite a los investigadores acceder al volumen poblacional necesario para obtener resultados óptimos.

Asimismo, esta tecnología ofrece nuevas capacidades en el descubrimiento de fármacos, según Ashkan Afkhami, líder global del área sanitaria en BCG X, división de análisis y desarrollo digital de Boston Consulting Group. Puede contribuir en todo el proceso: desde el diseño de nuevos compuestos, hasta la selección de participantes para ensayos clínicos y la optimización de búsquedas en grandes volúmenes de datos.

Según Afkhami, su uso en investigación podría reducir el costo y el tiempo necesarios para lograr avances entre un 20 % y un 30 %. “Es un área en la que estamos viendo resultados muy prometedores y bastante significativos”, afirmó.

2. Apoyo para la toma de decisiones clínicas

La inteligencia artificial clásica ha contribuido durante años al tratamiento clínico, pero la inteligencia artificial generativa añade nuevas capacidades en diagnósticos y gestión de enfermedades.

Actualmente, solo el 11 % de las decisiones clínicas se ven asistidas por estas herramientas, según el informe “Clinician of the Future 2023” de Elsevier Health. Esta tecnología puede ir más allá al analizar datos no estructurados y generar preguntas relevantes para los profesionales de la salud.

 “Las herramientas existentes son más binarias que la inteligencia artificial generativa”, explicó Afkhami. En comparación, esta tecnología puede procesar más datos, por ejemplo, de historiales clínicos electrónicos, y distinguir con mayor precisión factores como edad, sexo, antecedentes familiares y personales, generando así resultados más personalizados.

3. Atención al paciente

La inteligencia artificial generativa también puede respaldar la atención médica, mejorando la lectura de imágenes, el diagnóstico asistido y la elaboración de planes terapéuticos personalizados.

Shannon Germain Farraher, analista principal en estrategia digital sanitaria en Forrester Research, indicó que esta tecnología podría ayudar a los profesionales a priorizar necesidades de los pacientes o a abordar determinantes sociales de salud.

Además, muchos pacientes también reconocen su potencial. Según la encuesta “Health Care Consumer Survey 2023” del Deloitte Center for Health Solutions, el 53 % de los participantes en Estados Unidos cree que esta tecnología podría mejorar el acceso a la atención médica, y el 46 % opina que podría hacerla más asequible.

4. Administración sanitaria

También se prevé que esta tecnología transforme las tareas administrativas en el sector salud. Según Farraher, los proveedores de software están desarrollando herramientas que automatizan funciones rutinarias en todo el ecosistema sanitario.

Por ejemplo, la inteligencia artificial generativa puede capturar documentación clínica o resumir grabaciones de visitas médicas, permitiendo que el personal se enfoque más en los pacientes y menos en la toma de notas.

Además, la inteligencia artificial generativa podría completar previamente documentos sanitarios y formularios de autorización previa. También podría atender ciertas solicitudes de información por parte de los pacientes de manera más eficaz que la automatización existente utilizada en centros de contacto y oficinas administrativas del ámbito sanitario.

Además de ahorrar tiempo, los expertos indicaron que el uso de inteligencia artificial generativa en la administración del sistema sanitario podría generar mejoras.

Gran parte del sistema sanitario está regido por políticas. Michael Louis Burns, profesor adjunto de anestesiología y subdirector de informática y análisis de datos en la Universidad de Michigan, habló sobre el uso de la inteligencia artificial generativa para buscar, resumir y analizar el gran volumen de políticas existentes en un centro médico o sistema de salud típico.

Burns, quien también forma parte de la iniciativa de Salud Electrónica e Inteligencia Artificial de la Universidad de Michigan, afirmó que dicho análisis por parte de la inteligencia artificial generativa podría identificar información desactualizada, vacíos en los procedimientos o conflictos dentro de esas políticas. “Usted puede preguntarle a la inteligencia artificial generativa ‘¿qué necesita actualizarse?’, y encontrar esa información y llevarla rápidamente a las manos adecuadas”, dijo.

5. Comunicación

Algunos expertos consideran que la inteligencia artificial generativa –y, más específicamente, las herramientas basadas en modelos de lenguaje de gran tamaño, como ChatGPT– puede apoyar los distintos requerimientos de comunicación dentro de la industria médica.

Afkhami enumeró algunas aplicaciones potenciales. Las empresas de tecnología médica, farmacéutica, biofarmacéutica y de dispositivos médicos podrían generar contenido y textos necesarios para iniciativas de marketing y ventas. También podrían utilizar la inteligencia artificial generativa para crear instrucciones e información adicional para los clientes.

“Esta es un área donde estamos viendo que las organizaciones reducen procesos de tres a seis meses a tan solo tres o cuatro semanas”, afirmó.

Además, las entidades sanitarias, desde fabricantes de medicamentos hasta hospitales, pueden generar información para los pacientes, como instrucciones de tratamiento o notas de alta hospitalaria, afirmó Afkhami. Estos casos de uso no solo ahorran tiempo a los profesionales sanitarios, sino que también tienen el potencial de mejorar la calidad de la atención.

Afkhami explicó que los profesionales de la salud pueden utilizar herramientas de inteligencia artificial generativa para cambiar dinámicamente el contenido que proporcionan y adaptar la información a cada paciente. Por ejemplo, un hospital podría desglosar las instrucciones detalladamente para pacientes con habilidades limitadas de lectura o añadir más imágenes u opciones de audio. “Ese es el poder del que estamos hablando: usted puede crear modelos de participación multimodal”, afirmó.

Como en otros usos de la IAGen, Afkhami enfatizó la necesidad de una supervisión sólida para garantizar que la información generada sea precisa, completa y comprensible.

6. Educación y formación

La educación y formación es otra área donde la inteligencia artificial generativa podría cambiar el ámbito sanitario.

Por ejemplo, la IAGen puede producir tareas personalizadas, escenarios de evaluación y preguntas de examen para estudiantes y profesionales en formación. Estos materiales apoyan el aprendizaje de los estudiantes, la comprensión de conceptos y su capacidad para demostrar conocimientos.

“Puedo introducir un libro de texto de 900 páginas y pedirle [a una herramienta de inteligencia artificial generativa] que genere cinco preguntas de tarea para que los estudiantes demuestren sus conocimientos”, dijo Dinov. “La herramienta analiza y comprende el contenido, genera preguntas únicas que son racionales y están basadas en el programa del curso, y luego puede evaluar la validez de las respuestas de los estudiantes”.

En opinión de Dinov, el uso de la inteligencia artificial generativa en la formación y la educación también podría ampliar el conocimiento y generar mayor equidad para los proveedores y pacientes.

“Piense en la población del mundo que no vive en entornos enriquecidos”, afirmó. “Ellos pueden tener acceso a sistemas de inteligencia artificial que pueden formarlos, y eso puede ayudarnos a ofrecer formación fuera de los entornos académicos tradicionales. Así se pueden ampliar las oportunidades”.

Riesgos de la inteligencia artificial generativa en la atención sanitaria

Aunque el potencial de la inteligencia artificial generativa en el sector sanitario es inmenso, también lo son los posibles riesgos de utilizar esta tecnología en un entorno en el que el bienestar y la vida de las personas están en juego. Por ello, los expertos en tecnología sanitaria destacaron la necesidad de una gobernanza y supervisión sólidas en el uso de la IAGen en el ámbito médico.

“Los riesgos aquí [en comparación con otros sectores] son mayores, y debemos ser conscientes de ello”, afirmó Wong. “Aquí hay cuestiones regulatorias, pero también la naturaleza misma de la atención sanitaria –el cuidado de las personas y de su salud y su vida– es un factor de preocupación”.

Los riesgos potenciales que requieren atención incluyen los siguientes:

• Preocupaciones por la privacidad. La IAGen, como toda inteligencia artificial, requiere datos. Para utilizar esta tecnología en el ámbito sanitario, los sistemas de inteligencia artificial necesitan datos de los pacientes. Esto plantea importantes preocupaciones sobre la privacidad y cuestiones de seguridad, afirmó Afkhami, señalando que la HIPAA de Estados Unidos y otras normativas imponen estrictos requisitos de privacidad y seguridad sobre estos datos. Cualquier uso de la inteligencia artificial generativa debe cumplir con esas normativas.
• Sesgo. Los resultados de la inteligencia artificial generativa, o sus respuestas, son tan precisos como los datos con los que fue entrenada. Si los datos de entrenamiento de una herramienta son incompletos o presentan sesgo, entonces los resultados del modelo también lo serán, explicó Wong.
• Resultados inexactos y respuestas inventadas. Además de los resultados sesgados, la inteligencia artificial generativa a veces produce resultados inexactos y respuestas inventadas conocidas como alucinaciones. Estas representan algunos de los riesgos más importantes de la inteligencia artificial generativa en la atención sanitaria, dado el potencial de consecuencias catastróficas si se toman decisiones clínicas basadas en resultados inexactos o completamente ficticios.
• Costos. Los costos de la atención sanitaria en Estados Unidos generan debates políticos significativos y muchas veces conflictivos. La inteligencia artificial generativa tiene el potencial de reducir estos costos, señalaron los expertos. Pero también destacaron que la inteligencia artificial generativa requiere recursos significativos –incluidos tiempo, talento y dinero– para desarrollarla, entrenarla, ajustarla, gestionarla y actualizarla. Por lo tanto, hay dudas sobre si todas las entidades médicas que podrían beneficiarse de la inteligencia artificial generativa tendrán la capacidad de costearla.
• Una brecha aún mayor en el acceso a una atención de calidad. La inteligencia artificial generativa, así como otras formas de inteligencia artificial y aprendizaje automático, ya han mejorado la atención sanitaria de muchas maneras y seguirán haciéndolo. Pero podría haber un acceso desigual a estas mejoras debido a diversos factores, incluidos los costos asociados a estas tecnologías, afirmó Dinov.

Mary K. Pratt es una periodista independiente galardonada, especializada en cubrir tecnologías empresariales, gestión de ciberseguridad y estrategia.