La innovación suele encontrar un impulso en los momentos en los que más se necesita, como fue la pandemia. Especialmente en salud, ha hecho que se centré la atención en la organización de los datos y la certificación de los modelos de Inteligencia Artificial por su demostrada utilidad.
De estos aprendizajes habló Elisa Martín, directora del área de Salud en el Instituto de Ingeniería del Conocimiento (IIC), en uno de los encuentros Juevinnshow, organizados por Happenínn. “Con la pandemia, hemos visto que tenemos que acelerar la utilización de herramientas de IA en una serie de casos de uso concretos”, afirmó la experta. Y entre los impulsos que nos deja este periodo, destacó:
- Importancia de tener datos organizados y agrupados, además de una buena visualización de estos para describir la información.
- Los equipos médicos son más proactivos para poner en marcha los modelos de Inteligencia Artificial.
- Se formalizan los pasos para sacar adelante los proyectos de IA en salud, con todas las garantías desde el punto de vista de los pacientes y de la praxis clínica.
La pandemia impulsa las plataformas de datos de salud
En el sector salud, existen en realidad gran variedad de datos que, sin embargo, no se encuentran bien organizados para trabajar con ellos. Durante la pandemia, según explicaba Elisa Martín, ha habido dificultades incluso para hacer una analítica descriptiva y explicar lo que estaba pasando a través de los datos.
La experta recordó la “importancia de traducir los datos en una información visible, simple y entendible para las personas”, además de analizarlos para investigar los efectos del virus o los posibles tratamientos. Para todo ello, fue necesario empezar a recoger bien los datos de las diferentes personas.
Además, si nos enfrentamos al desarrollo de modelos de Inteligencia Artificial, se necesitan grandes volúmenes de datos. “La pandemia ha evidenciado de forma clara y contundente la necesidad de agrupar la información y crear plataformas de datos en el sector salud”, explicó Martín, que ayuden tanto a identificar lo que puede estar pasando como a arrancar investigaciones.
Antes de la pandemia, no había organismos públicos interesados en el montaje de plataformas de datos y ahora mismo se están poniendo en marcha cuatro. Además, España se ha unido a una iniciativa para una plataforma de datos a nivel europeo. “La pandemia nos ha servido no solo como acelerador, sino también de empuje en la toma de decisiones”, concluyó la experta.
Las 3 V del Big Data en salud
Cuando hablamos de Big Data, no hablamos de datos concretos y discretos, sino de un gran conjunto de información que cumple una serie de características, también denominadas las 7 V del Big Data: volumen, velocidad, variedad, veracidad, viabilidad, visualización y valor.
Más concretamente, en el sector salud, hay tres de estas que son especialmente importantes y que marcan la diferencia cuando trabajamos con los datos:
- Velocidad. Se necesita tratar y procesar los datos en tiempo real, por ejemplo, cuando queremos mandar una alerta al médico sobre una enfermedad.
- Visualización. Es importante acertar con la forma en la que se presentan los datos a los clínicos. Como se ha visto durante este tiempo, estos necesitan la información simplificada en un momento concreto.
- Veracidad o exactitud. La limpieza y análisis de los datos, normalmente personales, debe hacerse con todas las garantías. También vimos la importancia de esta característica al principio de la pandemia, ante la variedad de los datos.
Certificación de los modelos de Inteligencia Artificial en salud
El tratamiento de los datos requiere la colaboración entre los centros de salud y hospitales, como responsables de la información, y el equipo experto en su análisis, como el del IIC. De este trabajo conjunto, surgen aplicaciones como Bisepro para la detección precoz de sepsis.
El sistema ayuda e invita al médico a revisar los datos de un paciente determinado, con una alta probabilidad de desarrollar sepsis, para así tomar decisiones más rápidamente y sin esperar a que finalmente el caso se agrave. Así pues, aprendemos que datos bastante comunes nos sirven para identificar de forma temprana el posible desarrollo de una enfermedad, sobre todo de las infecciosas, como es el caso de la sepsis y la COVID-19. De hecho, esta aproximación también se ha utilizado para la identificación de pacientes que podrían entrar en insuficiencia respiratoria.
Estos proyectos, que han demostrado ser especialmente útiles en pandemia, han hecho que los clínicos y los centros sanitarios se den cuenta de la importancia y el impacto que este tipo de sistemas tienen en su trabajo. “Hemos pasado de un estatus reactivo a un estatus proactivo”, destacó Elisa Martín.
Esto también ha acelerado su validación y certificación por parte de la comunidad médica. En esta fase, los modelos de Inteligencia Artificial serían equivalentes a un medicamento. En concreto, los pasos a seguir en un proyecto de IA en salud serían:
- Investigación. Un equipo de datos y un equipo clínico trabajan conjuntamente en el desarrollo del modelo.
- Validación. Una vez desarrollado, el equipo médico lo valida.
- Certificado CEE.
- Práctica clínica o puesta en marcha en un hospital.
Además, acompañando este proceso, no debe faltar la protección de datos y la privacidad del paciente. “Por eso son tan importantes las plataformas de datos que se están poniendo en marcha en nuestro país”, explicó Elisa Martín. Y por eso, en cada uno de los pasos, se deben hacer comprobaciones para garantizar la seguridad de los datos.