Las primeras experiencias son un buen termómetro de la aplicación de la Inteligencia Artificial en el sector salud. Y las jornadas “Del Real World Data al Real World Evidence”, que organizan la Fundación Weber y HM Hospitales, pretenden mostrarlas.
En una de las mesas redondas de la sesión “Primeras experiencias en la aplicación de la inteligencia artificial en la toma de decisiones” participó Elisa Martín, directora del área de Salud del Instituto de Ingeniería del Conocimiento (IIC), que dio algunas claves de este tipo de proyectos.
En la apertura del evento, Juan Abarca, presidente de HM Hospitales, recordó que es importante que la IA y que la innovación en general se incorporen a la práctica clínica de manera sostenible. Y que “el futuro de la medicina pasa no solo por la tecnología, sino también por la gestión del dato”. De hecho, gran parte de la conversación estuvo relacionada con este último tema: se habló de la integración de los datos, su regulación y la validación de los modelos.
Junto a la experta del IIC, participaron en la mesa redonda Miren Taberna, directora científica en Savana, David Álvarez, Director Digital Health España en Siemens Healthineers, y Blanca Segurola, coordinadora del Programa Corporativo de Farmacia del Servicio Vasco de Salud (Osakidetza). Esta estuvo moderada por Javier Núñez, director de relaciones con socios estratégicos de la Fundación de Investigación HM Hospitales.
Evolución del análisis de datos de salud
En salud, la Inteligencia Artificial sirve para analizar datos de forma masiva, clasificar pacientes o ayudar a los profesionales médicos a predecir ciertos síntomas o enfermedades. Y todavía queda camino. Según Elisa Martín, «la IA está evolucionando en salud: hemos pasado de la analítica descriptiva a la predicción en tiempo real, y ahora nos encaminamos a la prescripción de tratamientos».
No obstante, en este ámbito, antes de llegar a los resultados, el proceso es más que importante, sobre todo en lo que a tratamiento de los datos médicos se refiere. Hay que seguir una serie de pasos para asegurar la fiabilidad de los sistemas resultantes:
- Análisis de la información, construcción y entrenamiento del modelo.
- Integración de los datos y de los resultados en los sistemas clínicos.
- Validación de los modelos desarrollados y sus resultados.
Además, como comentaba Elisa Martín, es importante conseguir “aportar la información en el momento en el que el médico la necesite», y esto solo se consigue con la integración de los resultados en las herramientas que manejan habitualmente. Al final, es la única manera de que la Inteligencia Artificial resulte útil.
Y es que «no hay que olvidar que la IA es una herramienta en salud. Ya no es ciencia ficción, pero hay que utilizarla con profesionalidad», explicaba Martín. En este sentido, es cierto que hace falta la profesionalización del equipo médico para afrontar este tipo de proyectos que cada vez van a ser más comunes.
¿Cómo se utilizan los datos médicos?
Los datos de salud están muchas veces considerados datos de “alto riesgo” en las recientes regulaciones de la Inteligencia Artificial. Es por esto que su tratamiento debe hacerse cada vez más con garantías legales y éticas.
En primer lugar, Blanca Segurola recordó que en todo proyecto donde se utilicen o analicen datos “tiene que haber un objetivo de salud”. Después, tras el desarrollo del modelo, llega la validación. Como comentaba Miren Taberna, “si los modelos no están validados, no son aplicables. Hay que probar lo desarrollado con diferentes grupos de pacientes”.
En el IIC, estas son dos de las claves del proceso de aplicación de la IA en Salud. Y es que, según concluía Elisa Martín, “la regulación y esa catalogación de los datos de salud no pueden impedir que se hagan cosas”. Recordó que los datos se pueden anonimizar, que ya se están certificando los modelos y que se están poniendo en marcha plataformas de datos seguras para avanzar junto a la tecnología.
