Inteligencia Artificial y Salud: Una oportunidad para optimizar la experiencia en consulta

Salud

,

Inteligencia Artificial

,

Procesamiento del Lenguaje Natural

Inteligencia Artificial y Salud: Una oportunidad para optimizar la experiencia en consulta

Javier Fluxá | feb 11, 2021

En estos días en los que somos más conscientes de que la salud es un tema prioritario, las empresas tecnológicas y los que formamos parte de ellas, tenemos el compromiso de orientarnos hacia aquellas soluciones que no solo generen una mayor competitividad y productividad, sino que además lo hagan en aras de un bien común.

Más allá del tópico de que la Inteligencia Artificial ha venido para quedarse, está demostrando ser algo más que un hype. Aplicar algoritmos o redes neuronales por el mero hecho de poder hacerlo, si no van acompañadas de una propuesta clara de valor y un entendimiento pleno entre los que poseen el conocimiento técnico y los que atesoran el conocimiento funcional, convierte a la tecnología en un fin en sí mismo y no en una herramienta de valor.

En el contexto de la salud, que es el que nos ocupa, hay un gran camino por recorrer. Mucho se dice de que la Inteligencia Artificial sustituirá en un futuro al profesional médico porque será capaz de realizar una tarea, hasta ahora asignada a este, con una precisión y rapidez análogas (y en algunos casos superior). Personalmente, no creo que este sea un enfoque adecuado, sino que la Inteligencia Artificial debe ocuparse de tareas repetitivas, tediosas y de escaso valor al profesional sanitario, para que este pueda centrarse en lo que verdaderamente importa: el paciente.

''La Inteligencia Artificial no sustituirá al médico, pero aquel médico que sepa sacarle provecho a la Inteligencia Artificial, sustituirá a aquel que no lo haga.''  Eric Topol.

Este artículo podría versar sobre diagnóstico a través de imágenes médicas, operaciones quirúrgicas a través de robots, telemedicina, descubrimiento de nuevos tratamientos… No obstante y, a pesar de que cualquiera de las soluciones anteriormente mencionadas empiezan a emerger con mayor o menor impacto, la propuesta que se viene a presentar hoy pasa precisamente por optimizar una de las tareas que más tiempo ‘roba’ en las consultas:  la transcripción médica.

Muchos de nosotros no necesitamos realizar un gran esfuerzo de abstracción para evocar alguna situación en la que nuestro médico de cabecera haya dedicado más tiempo a introducir en el sistema (con mayor o menor fortuna técnica) nuestro historial médico, que a establecer con nosotros un contacto visual y darnos de este modo la sensación de ser objeto de una escucha activa

¿No sería estupendo contar con una herramienta que permitiera realizar una transcripción de nuestro relato como paciente, registrarlo en nuestra historia, reconocer las palabras clave que pudieran ayudar al profesional a establecer un diagnóstico y tratamiento (o incluso proponer un diagnóstico y tratamiento con base en síntomas, historia clínica y posibles incompatibilidades con fármacos previamente prescritos o alergias que tenga el paciente), … y todo ello mientras nuestro médico se centra en lo realmente importante, es decir, en escucharnos?

Natural Lenguage Processing

La herramienta que podría ayudarnos a conseguir lo anteriormente citado ya existe, y se denomina NLP (Natural Language Processing).

NLP es un subcampo de la Inteligencia Artificial que se ocupa de las interacciones entre las computadoras y los lenguajes humanos (naturales). Se utiliza para aplicar algoritmos de aprendizaje automático a texto y voz. Entre sus principales aplicaciones, se encuentran el reconocimiento de voz, el resumen de documentos, traducción automática, detección de spam, reconocimiento de entidades (ENR), respuestas a preguntas (Q&A), autocompletar, escritura predictiva, entre otros.

Pero, a alto nivel, ¿cómo funcionaría esto?

El primer paso sería la propia transcripción del diálogo a texto. Para ello, ya existen múltiples herramientas, si bien es importante elegir aquella que sea capaz de reconocer las especificidades del texto (en el caso del ámbito médico es importante que reconozca términos médicos, nombres de fármacos, enfermedades, tratamientos…).

Tras ello, debemos darle a la máquina algo que entienda, es decir, debemos preprocesar el texto. Aquí dividiremos el texto en unidades semánticas (tokens en su nombre técnico) ya que, además de identificar las palabras, la máquina debe 'entender' cómo están relacionadas en un contexto determinado. Puesto que la complejidad aumentará según el número de tokens, es importante identificar qué unidades semánticas no aportarán valor (artículos, preposiciones...) para proceder a su eliminación y a la reducción de dicha complejidad.

Por otro lado, los textos pueden contener diferentes formas de un verbo (por ejemplo, “doler”, “duele”, “dolió”). Además, podemos tener palabras relacionadas con significados similares (ejemplo: “medicamento”, “medicina”...). El objetivo de la lematización y el stemming, que es como se denomina a estas técnicas, es reducir estas inflexiones y derivaciones gramaticales a una base común (de nuevo, menor complejidad). Con esto ya tendríamos los datos preparados para remitirlos a nuestro algoritmo/red neuronal de NLP.

Dependiendo de nuestro caso de uso, optaremos por unos algoritmos u otros. En algunos casos, como puede ser nuestro ejemplo de transcripción médica, podremos emplear algoritmos de reconocimiento de entidades si queremos identificar nombres de enfermedades, fármacos, lugares o personas; algoritmos de traducción, si por ejemplo nos interesa traducir castellano-catalán o viceversa; de análisis de sentimientos, si queremos categorizar el estado del paciente por las palabras que utiliza en su relato y así hasta un largo etcétera.

New call-to-action

Portabilidad de nuestra historia clínica

Por otro lado, parece que nuestro día a día no se entiende sin nuestro smartphone y, muchos de estos dispositivos, ya son usados por nuestros mayores. Teniendo en cuenta que en algunos casos estos dispositivos poseen más potencia y capacidad que nuestro vetusto PC de sobremesa o nuestro portátil de antepenúltima generación, parece que en un futuro, los smartphones acabarán desbancando a estos y convirtiéndose en la herramienta fundamental con la que portar toda nuestra información vital. ¿Acaso no lo hacen ya gran parte de nuestros jóvenes?

Imaginemos, por un momento, que disponemos de todo nuestro historial clínico en un único archivo, correctamente securizado, y que allá donde viajemos, podamos compartirlo con cualquier hospital o institución médica, independientemente del idioma en el que se hable (de nuevo, NLP, traducción automática esta vez).

Imaginemos, además, que esa información la puede utilizar la IA para proponernos hábitos de vida más saludables, chequear nuestro estado de ánimo, nuestra progresión durante un tratamiento, avisarnos de que tenemos que ‘tomarnos la pastilla’, avisar al médico en caso de detectar algún tipo de anomalía en las métricas recogidas, animarnos a ‘movernos’... En definitiva, combinar la información de cualquier pulsera de actividad con nuestro historial médico.

En el presente artículo no entramos en materia de privacidad, seguridad o ética de la IA (temas que deben ser inherentes a todo proyecto de IA). Esto daría para una serie completa, pero aquí va un spoiler: “Un gran poder conlleva una gran responsabilidad”.

Propiedad de los datos y rol activo sobre nuestra salud

Volviendo a nuestro caso de uso, contar con una herramienta de este tipo abre un sinfín de posibilidades, incluyendo una mayor implicación en nuestra propia salud (cuidado más activo), ya que, al fin y al cabo, deberíamos ser dueños de nuestros propios datos.

La gran mayoría de los profesionales de la Inteligencia Artificial (al menos de los que me rodeo), estamos deseando darle un sentido a la tecnología más allá del tecnológico o el económico (por supuesto importantes, pero carentes de sentido si no persiguen un fin más elevado), como decía al comienzo del artículo, por un bien común. Son retos en los que debemos aprender de los profesionales que dominan una materia tan vital como es la salud, y no quedarnos en pruebas de laboratorio que no conducen más que a métricas más o menos autocomplacientes.

Sigamos aplaudiendo a los profesionales sanitarios pero démosles aquello que más necesitan: herramientas y recursos. En cuestiones de IA no basta, como decía la canción, con “saber que se puede”, sino que hay que hacer que suceda. Revolucionemos la sanidad, hagamos que los recursos se destinen de manera eficiente, equitativa, ética, humana. Si estás en el ámbito privado, ahorremos costes, optimicemos recursos, generemos impacto, maximicemos beneficio. ¿Quién dijo que el negocio y el bien común debían ser antagónicos?

Es importante destacar que todas estas técnicas no sólo son aplicables para el sector sanitario, sino que seguro que se podrían utilizar en vuestro ámbito profesional.

Más de una vez he dado algún curso o charla en la que algún intrépido asistente exponía una duda comenzado de la siguiente forma: "seguro que va a ser una tontería, pero ¿podríamos utilizar NLP para...?", curiosamente (o no), han sido casos de uso muy interesantes y perfectamente viables (mantenimiento preventivo, scoring de clientes, previsiones de ventas...). Así que os animo a preguntar por muy loca o tonta que os pueda parecer la idea. A los profesionales con cierto perfil técnico son los que más nos gustan.

Si tú, improbable lector/a, tienes algún tipo de margen de decisión en este tipo de materias (ya sea desde el ámbito público o privado), ¡hablemos! Empecemos a montar un equipo de trabajo entre profesionales de la salud, expertos en IA y demás actores con influencia en este ámbito. Identifiquemos un problema (yo he propuesto algunas ideas), diseñemos la solución (la parte técnica la tenemos clara), midamos impacto, iteremos, mejorémosla pero, sobre todo,  pongámonos manos a la obra.

 

Contacta con nosotros

¡Suscríbete!