La inteligencia artificial en el campo de la

salud
Ir a la navegaciónIr a la búsqueda
La Inteligencia Artificial (IA) aplicada al campo de la salud, se basa en la utilización
de algoritmos y técnicas de software para predecir la cognición humana a través del
análisis de conjuntos de datos médicos. En concreto, la Inteligencia Artificial es la habilidad
que dota a algoritmos computacionales de la capacidad para aproximar conclusiones sin la
intervención directa del razonamiento humano.
Lo que diferencia a la tecnología basada en la Inteligencia Artificial de las tecnologías
tradicionales empleadas en el campo de la salud, es la habilidad de conseguir información,
procesarla y proporcionar al usuario final un diagnóstico bien definido. La Inteligencia
Artificial consigue este objetivo por medio de algoritmos de aprendizaje automático, que
son capaces de reconocer patrones de comportamiento y extraer su propia lógica. Para
reducir el margen de error, los algoritmos basados en Inteligencia Artificial necesitan
someterse a continuas evaluaciones. Los algoritmos basados en Inteligencia Artificial se
comportan de manera diferente a los seres humanos en cuanto a los dos siguientes
factores: (1) los algoritmos son literales: cuando se establece un objetivo, el algoritmo no
puede auto ajustarse y solamente comprenderá aquello que se le ha ordenado de forma
explícita, (2) y los algoritmos son cajas negras; pueden predecir de forma extremadamente
precisa, pero no explicar el por qué de su predicción.
El objetivo principal de las técnicas de Inteligencia Artificial aplicadas en el campo de la
salud, es analizar las relaciones entre métodos de prevención o tratamiento y sus
resultados en el paciente. Se han creado y aplicado programas basados en Inteligencia
Artificial a prácticas como procesos de diagnóstico, creación de protocolos de
tratamiento, creación de fármacos, medicina personalizada y monitorización y cuidado del
paciente. Instituciones clínicas como The Mayo Clinic, Memorial Sloan Kettering Cancer
Center, Massachusetts General Hospital y el National Health Service, han creado
algoritmos basados en inteligencia Artificial para sus departamentos. Grandes compañías
tecnológicas como IBM y Google, y startups como Welltok y Ayasdi, también han creado
algoritmos basados en Inteligencia Artificial orientados al campo de la salud.

Índice

 1Historia
 2Investigación actual
o 2.1Radiología
o 2.2Salud monitorizada
o 2.3Industria
 2.3.1IBM
 2.3.2Microsoft
 2.3.3Google
 2.3.4Intel

Historia[editar]
Investigaciones en las décadas de 1960 y 1970 tuvieron como resultado la creación del
primer sistema experto, conocido como Dendral. A pesar de estar diseñado para
aplicaciones en química orgánica, proporcionó la base para el posterior sistema MYCIN,
considerado uno de los usos más tempranos de la inteligencia artificial en medicina. No
obstante, ni MYCIN ni otros sistemas como INTERNIST-1 o CASNET consiguieron que se
hiciera un uso rutinario de ellos.1
En las décadas de 1980 y 1990, tuvo lugar una proliferación de los microordenadores y
nuevos niveles de conectividad de red. Durante este tiempo, investigadores y creadores
reconocían que los sistemas basados en inteligencia artificial aplicados en el campo de la
salud debían ser diseñados para acomodar la ausencia de conjuntos de datos perfectos.
Métodos basados en la teoría de conjuntos borrosos, redes Bayesianas y redes
neuronales han sido aplicadas a sistemas inteligentes en el campo de la salud.
Los avances médicos y tecnológicos, conseguidos a lo largo de esta mitad de siglo, que
han permitido el crecimiento de las aplicaciones de inteligencia artificial aplicadas en el
campo de la salud, incluyen:

 Avances en la energía de cómputo, dando lugar a una mayor rapidez en la recolección

y el procesamiento de datos2
 Aumento del volumen y disponibilidad de datos médicos para el personal y dispositivos
médicos3
 El crecimiento de las bases de datos se secuenciación genómica4
 Implementación generalizada de sistemas de expedientes sanitarios electrónicos5
 Avances en el procesamiento del lenguaje natural y visión computacional, permitiendo
a las máquinas replicar procesos de percepción humanos67
 Mejoras en la precisión en las cirugías llevadas a cabo por robots8

Investigación actual[editar]
Varias especialidades en medicina han mostrado un aumento en las investigaciones
relacionadas con la inteligencia artificial. No obstante, la especialidad que más atención ha
cobrado es el campo de la Radiología.9
Radiología[editar]
La habilidad para interpretar resultados en imágenes puede proporcionar ayuda a los
clínicos en la detección de cambios en imágenes, o detalles que los clínicos han podido
pasar por alto. Un estudio que ha incorporado la inteligencia artificial en el campo de la
radiología es un estudio de la universidad de Stanford, que es capaz de detectar la
neumonía de manera más acertada que los radiólogos. La Sociedad Radiológica de Norte
América ha decidido emplear técnicas de inteligencia artificial en la mayor parte de sus
horarios. La centésimo cuarta Asamblea Científica y Reunión Anual organizada por RSNA
en Noviembre de 2018 exhibió novedosas herramientas de imagen basadas en inteligencia
artificial. Entre estas herramientas, se encontraba el detector de pecho de Samsung, que
es una herramienta radiológica de ultrasonidos que estandariza la manera de clasificar e
informar sobre patologías en el pecho. La emergencia de las tecnologías basadas en
inteligencia artificial en el campo de la radiología se considera como una amenaza por
algunos especialistas, ya que este tipo de técnicas pueden llevar a cabo determinadas
tareas de forma más acertada que los especialistas humanos, cambiando así el rol que
tienen hoy en día los radiólogos.1011
Salud monitorizada[editar]
El auge de la telemedicina ha mostrado el incremento de posibles aplicaciones de la IA en
este campo.12 La habilidad para monitorizar a pacientes empleando técnicas de
inteligencia artificial puede favorecer la transmisión de información a los médicos si se
detecta actividad relacionada con alguna posible enfermedad. La utilización de un
dispositivo que un paciente puede llevar puesto, puede permitir una monitorización
constante del paciente y la habilidad de detectar cambios menos detectables para los
humanos.
Industria[editar]
La unión de grandes compañías dedicadas al campo de la salud con otras compañías
dedicadas al campo de la salud, han fomentado la accesibilidad a una mayor cantidad de
datos médicos.13 Una mayor cantidad de datos médicos puede permitir un aumento en la
implementación de algoritmos basados en inteligencia artificial.14
Las industrias dedicadas al campo de la salud, tienen gran parte de su foco de
implementación basada en técnicas de IA en los sistemas de apoyo de decisión clínica.15
Con el aumento en el volumen de datos disponibles, las decisiones tomadas por los
sistemas basados en IA son más eficientes. Numerosas compañías están explorando las
posibilidades de incorporar el big data en la industria dedicada al campo de la salud.16
Las siguientes grandes compañías son algunas de las que han contribuido a la creación de
algoritmos de IA para su uso en el campo de la salud.
IBM[editar]
La oncología de Watson de IBM se encuentra bajo desarrollo en el Memorial Sloan
Kettering Cancer Center y la Clínica Cleveland.17 IBM también está trabajando con CVS
Salud en AI aplicaciones en tratamiento de enfermedad crónica y con Johnson &
Johnson encima análisis de papeles científicos para encontrar conexiones nuevas para
desarrollo de fármaco.18
Microsoft[editar]
El proyecto Hanover de Microsoft, en asociación con el Instituto Knight Cancer de
la Universidad Health & Science de Oregon, analiza investigaciones médicas con el
objetivo de predecir las opciones de tratamiento para el cáncer más efectivo para el
paciente.19 Otros proyectos incluyen el análisis de la imagen médica del progreso de
tumores y el desarrollo de células programables.20
Google[editar]
El Servicio Nacional de Salud de Reino Unido está usando la plataforma DeepMind de
Google para detectar determinados riesgos para la salud analizando los datos
recolectados a través de aplicaciones móviles.21 Un segundo proyecto con la NHS implica
el análisis de imágenes médicas recolectadas de pacientes de la NHS para la creación de
algoritmos basados en visión computacional para detectar tejidos cancerígenos.22
Intel[editar]
Intel Capital ha invertido recientemente en la startup Lumiata, que utiliza la inteligencia
artificial para identificar pacientes en riesgo y crear tratamientos.23

1. ↑ Duda, R. O., & Shortliffe, E. H. (1983). Búsqueda de sistemas expertos. Ciencia,

220(4594), 261-268.
2. ↑ Koomey, J., Berard, S., Sanchez, M., & Wong, H. (2011). Implicaciones de tendencias
históricas en la eficacia eléctrica de computar. Anales de IEEE de la Historia de Computar,
33(3), 46-54.
3. ↑ Dinov, I. D. (2016). Volumen y valor de grandes healthcare dato. Revista de estadística
médica y informatics, 4.
4. ↑ Barnes, B., & Dupré, J. (2009). Genomas y qué para hacer de ellos. Universidad de
Prensa de Chicago.
5. ↑ Jha, Un. K., DesRoches, C. M., Campbell, E. G., Donelan, K., Rao, S. R., Ferris, T. G., ...
& Blumenthal, D. (2009). Uso de registros de salud electrónica en hospitales de EE.UU..
Revista de Inglaterra nueva de Medicina, 360(16), 1628-1638.
6. ↑ Banko, M., & Brill, E. (2001, julio). Scaling A muy muy grande corpora para
desambiguación de lengua natural. En Proceedings de la 39.ª reunión anual encima
asociación para lingüística computacional (pp. 26-33). Asociación para Lingüística
Computacional.
7. ↑ Dougherty, G. (2009). Procesamiento de imagen digital para aplicaciones médicas.
Cambridge Prensa universitaria.
8. ↑ "Máquina e Inteligencia artificiales Aprendizaje para Healthcare" Sigmoidal, diciembre 21,
2017. https://sigmoidal.io/artificial-intelligence-and-machine-learning-for-healthcare/.
9. ↑ «Artificial Intelligence in Radiology: The Game-Changer on Everyone’s Mind» (en inglés).
Consultado el 10 de abril de 2018.
10. ↑ Chockley, Katie; Emanuel, Ezekiel (December 2016). «The End of Radiology? Three
Threats to the Future Practice of Radiology». Journal of the American College of
Radiology 13 (12): 1415-1420. ISSN 1546-1440. doi:10.1016/j.jacr.2016.07.010.
11. ↑ Jha, Saurabh; Topol, Eric J. (13 de diciembre de 2016). «Adapting to Artificial
Intelligence». JAMA 316 (22): 2353. ISSN 0098-7484. doi:10.1001/jama.2016.17438.
12. ↑ Pacis, Danica (February 2018). «Trends in telemedicine utilizing artificial intelligence». AIP
Conference Proceedings 1933: 040009. doi:10.1063/1.5023979.
13. ↑ Monica, Paul R. La. «What merger mania means for health care». Consultado el 11 de
abril de 2018.
14. ↑ «Why You’re the Reason For Those Health Care Mergers» (en inglés). Consultado el 10
de abril de 2018.
15. ↑ Horvitz, Eric J.; Breese, John S.; Henrion, Max (July 1988). «Decision theory in expert
systems and artificial intelligence». International Journal of Approximate Reasoning 2 (3):
247-302. ISSN 0888-613X. doi:10.1016/0888-613x(88)90120-x.
16. ↑ «What Doctor? Why AI and robotics will define New Health». June 2017. Consultado el 8
de octubre de 2018.
17. ↑ Cohn, Jonathan (20 de febrero de 2013). «The Robot Will See You Now». Consultado el
26 de octubre de 2018.
18. ↑ Lorenzetti, Laura (5 de abril de 2016). «From Cancer to Consumer Tech: A Look Inside
IBM's Watson Health Strategy». Fortune. Consultado el 26 de octubre de 2018.
19. ↑ Bass, Diana (20 de septiembre de 2016). «Microsoft Develops AI to Help Cancer Doctors
Find the Right Treatments». Consultado el 26 de octubre de 2018.
20. ↑ Knapton, Sarah (20 de septiembre de 2016). «Microsoft will 'solve' cancer within 10 years
by 'reprogramming' diseased cells». Consultado el 16 de octubre de 2018.
21. ↑ Bloch-Budzier, Sarah (22 de noviembre de 2016). «NHS teams with Google to treat
patients». Consultado el 16 de octubre de 2018.
22. ↑ Baraniuk, Chris (31 de agosto de 2016). «Google gets access to cancer scans».
Consultado el 16 de octubre de 2018.
23. ↑ Primack, Dan (26 May 2016). «Intel Capital Cancels $1 Billion Portfolio Sale». Consultado
el 26 de octubre de 2018.