La inteligencia artificial (IA) y la tecnología de aprendizaje automático están irrumpiendo en la mayoría de los sectores tecnológicos e industrias, y la sanidad no es una excepción. De hecho, en la conferencia HIMSS 2018, la tecnología más comentada fue la IA.
«La inteligencia artificial hace tiempo que existe, pero ¿por qué se habla tanto de ella ahora?», se interrogaba en su ponencia de HIMSS 2018 Pamela Peele, directora de análisis de datos del Medical Center Health Plan de la Universidad de Pittsburgh y de UPMC Enterprises. «La razón es que disponemos de algoritmos densos y robustos, grandes cantidades de datos y la capacidad de procesarlos informáticamente. Se trata de una tormenta perfecta»[1].
Pero existen importantes obstáculos para distinguir entre las afirmaciones sin fundamento y la realidad actual. El más importante es la disponibilidad de grandes cantidades de datos de alta calidad que se puedan usar para perfeccionar los algoritmos. En muchas empresas, los datos no están en un solo lugar, están en un formato inutilizable o contienen sesgos que pueden provocar decisiones erróneas. Las empresas que desean prepararse para usar la IA y el aprendizaje automático con eficacia deben evaluar los sistemas y flujos de datos de que disponen, diferenciando las áreas preparadas para la automatización de aquellas que requieren más inversiones[2].
Aunque esta evaluación debe llevarse a cabo en todos los sectores, la discrepancia en los flujos de datos puede ser especialmente acusada en el ámbito sanitario, donde los datos suelen guardarse en silos especiales dentro y fuera de cada empresa.
Según David Lareau, presidente de Medicomp Systems,[3] «estas "innovaciones" tan publicitadas no pueden funcionar con efectividad y exactitud si utilizan datos de mala calidad. Es un desafío para el sector sanitario, sobre todo en el ámbito clínico, donde los datos son complejos y, a menudo, carecen de estructura. El progreso del aprendizaje automático depende en gran medida de la precisión de los datos que procesan los algoritmos».
En una reciente investigación de mercado realizada por INFOSYS, casi la mitad de los encuestados (49%) afirman que sus empresas no pueden implementar las tecnologías de IA que desearían porque sus datos no están listos para respaldarlas[4] .Aproximadamente el 77% de los responsables de la toma de decisiones de TI señalan que sus compañías invierten en la gestión de datos, especialmente en India (91%) y Estados Unidos (89%).
Dick Daniels, director de tecnología de la información de Kaiser, declaró a la revista CIO que la IA es «la única tecnología que puede marcar una diferencia sustancial y significativa» porque permite procesar grandes cantidades de datos rápidamente y convertirlos en información útil para la toma de decisiones clínicas[5].
Y es ahí donde radica el problema: estos sistemas de IA y aprendizaje automático deben recibir grandes cantidades de datos sanitarios de forma continua y rápida. Pero no pueden hacerlo sin la infraestructura y los procesos adecuados. Como señalé en un artículo anterior, para que las empresas puedan beneficiarse de la IA y el aprendizaje automático, tienen que implementar una estrategia de datos que les permita hacerlo con éxito.
¿Cómo sería un programa de éxito de IA para el sector sanitario?
Chris DeRienzo, director de calidad de los datos de la empresa Mission Health, de Ashville (Carolina del Norte, Estados Unidos), ofrece un excelente resumen de los aspectos más importantes para una correcta implementación de la IA[6]. DeRienzo señala los diversos componentes esenciales requeridos para crear el tipo de entorno de mejora continua que se necesita para que una iniciativa de IA y aprendizaje automático tenga éxito. Como tal vez era previsible, la mayoría de estos aspectos están relacionados con las personas, no con la tecnología:
- Los datos fiables son indispensables.
- Marcado liderazgo del programa clínico para asegurar un profundo conocimiento del negocio y la práctica clínica.
- Ingenieros que apoyen y acompañen al equipo clínico, con experiencia en procesos clínicos o de fabricación para adaptar los procesos.
- Analistas de negocio que puedan visualizar datos y crear procesos adaptativos para los flujos de trabajo clínicos.
- Apoyo clínico de expertos en la materia respetados que apoyen las mejoras.
Es interesante señalar que, en realidad, solo uno de los cinco aspectos indicados tiene que ver con la tecnología. Obtener datos depurados es una tarea laboriosa pero muy importante. Forma parte del proceso de definición de una estrategia de datos, tanto para la gestión de los datos como para su puesta en práctica.
Una vez que las empresas dispongan de las tecnologías, los equipos y los elementos de análisis de procesos necesarios, los programas de IA y aprendizaje automático estarán preparados para ofrecer los beneficios prometidos por estas tecnologías que generan tanta expectación.
«Me estoy esforzando al límite de mis capacidades, que es lo que creo que cualquier entidad consciente desearía poder hacer» – HAL 9000 en 2001: Una odisea del espacio.
Referencias:
[1] Sutner, Shaun. “HIMSS 2018 Focuses on AI in Healthcare.” SearchHealthIT, 28 Feb. 2018, searchhealthit.techtarget.com/news/252435933/HIMSS-2018-focuses-on-AI-in-healthcare.
[2] Noga, Dan WellersTimo ElliottMarkus. “8 Ways Machine Learning Is Improving Companies’ Work Processes.” Harvard Business Review, 7 June 2017, hbr.org/2017/05/8-ways-machine-learning-is-improving-companies-work-processes.
[3] Gutierrez, Daniel. “HIMSS 2018: Perspectives on Health Industry Use of AI and Machine Learning.” InsideBIGDATA, 6 Mar. 2018, insidebigdata.com/2018/03/05/himss-2018-perspectives-health-industry-use-ai-machine-learning/
[4] “Leadership in the Age of AI – Adapting, Investing and Reskilling to Work Alongside AI.”InsideBIGDATA, INFOSYS, Feb. 2018, insidebigdata.com/white-paper/leadership-age-ai-adapting-investing-reskilling-work-alongside-ai/.
[5] Sweeney, Evan. “Plenty of Buzz for AI in Healthcare, but Are Any Systems Actually Using It?”FierceHealthcare, 11 May 2017, www.fiercehealthcare.com/analytics/plenty-buzz-for-ai-healthcare-but-anyone-actually-using-it.
[6] Miliard, Mike. “What Does a Successful AI and Analytics Program Look like?” Healthcare IT News, HIMSS Media, 12 Feb. 2018, www.healthcareitnews.com/news/what-does-successful-ai-and-analytics-program-look?
