Aplicaciones da la inteligencia artificial en la salud

La inteligencia artificial puede utilizarse, lo que ya se está haciendo en algunos países ricos, para mejorar la velocidad y la precisión del diagnóstico y la detección de enfermedades; facilitar la atención clínica; reforzar la investigación en el ámbito de la salud y el desarrollo de medicamentos, y apoyar diversas intervenciones de salud pública, como la vigilancia de la morbilidad, la respuesta a los brotes y la gestión de los sistemas de salud.

La IA también podría permitir que los pacientes tuvieran un mayor control de su propia atención de salud y comprendieran mejor la evolución de sus necesidades. Además, podría facilitar el acceso a los servicios de salud en los países con escasos recursos y las comunidades rurales, donde los pacientes a menudo tienen dificultades para acceder a los agentes de salud o al personal médico.

 Inteligencia artificial aplicada a la vida real en el área de la medicina que ya están en uso:

1. MONAI

MONAI (Medical Open Network for AI), utiliza técnicas de Deep Learning e Inteligencia Artificial para detectar lesiones pulmonares en la segmentación de imágenes en 3D de las tomografías computarizadas de pacientes producidas por COVID-19. MONAI es una red neuronal entrenada basada en PyTorch, diseñada específicamente para Deep Learning en imágenes médicas, que además está disponible en código abierto, de manera gratuita. La segmentación de las imágenes de las tomografías computarizadas causadas por la neumonía en pacientes con COVID-19, es importante para un preciso diagnóstico y seguimiento.

2. Insights

Insights es un software desarrollado por la compañía canadiense BlueDot. Este utiliza la Inteligencia Artificial para realizar predicciones y mapear el avance de las enfermedades infecciosas prácticamente en tiempo real, por lo que se ha convertido en un punto de apoyo importante durante la pandemia provocada por el COVID-19. BlueDot ha sido una de las primeras compañías en detectar el riesgo del brote de COVID-19 en la provincia de Hubei, e incluso predijo con precisión ocho de las primeras diez ciudades en importar el virus.

La aplicación de BlueDot, permite además recibir notificaciones en tiempo real de alertas infecciosas basadas en tu ubicación, pudiendo personalizar mediante filtros la localización y el tipo de enfermedades que se desean monitorizar.

3. AlphaFold

AlphaFold, desarrollada por DeepMind de Google, permite  calcular la forma 3D de una proteína a partir de su secuencia de aminoácidos. El plegamiento de proteínas está considerado como uno de los problemas fundamentales de la biología. Un algoritmo capaz de predecir estas estructuras podría ser de gran ayuda en medicina y biología, ayudando a estudiar moléculas para crear nuevos fármacos. 

4. LinearFold

LinearFold es un algoritmo de IA para científicos y equipos médicos dedicados a la lucha contra el coronavirus. Este algoritmo, creado por la multinacional china Baidu, predice la estructura secundaria de la secuencia de ácido ribonucleico (RNA) de un virus, y lo hace significativamente más rápido que otros algoritmos tradicionales. LinearFold es capaz de predecir la estructura secundaria de una secuencia de SARS-CoV-2 RNA en tan solo 27 segundos, 120 veces más rápido que utilizando métodos ya existentes.

Esto es relevante y ha significado un punto de inflexión en la lucha contra el virus gracias a la creación de un nuevo tipo de vacunas de RNA mensajero. En lugar del método tradicional, que consiste en insertar una pequeña porción del virus en un paciente para activar una respuesta inmune determinada, el RNA mensajero le dice directamente a las células cómo sintetizar una proteína que pueda provocar una respuesta inmunitaria determinada. De esta forma, se reduce significativamente el tiempo necesario para el desarrollo, testeo y aprobación de las nuevas vacunas. De hecho, la vacuna contra el coronavirus de la farmacéutica Pfizer utiliza este método.

5. DeepHealth

La detección temprana del cáncer de mama podría reducir la mortalidad en esta enfermedad considerablemente. Leer mamografías no es un proceso fácil y existe un alto riesgo de obtención de falsos positivos o falsos negativos. Por ello, es un campo de alto interés en el uso de técnicas de Machine Learning basadas en IA. DeepHealth utiliza el Machine Learning para crear herramientas que ayuden a los radiólogos a interpretar las mamografías, tanto en 2D como en 3D, de forma precisa y eficiente. Los modelos de DeepHealth aprenden y son entrenados con datos interpretados por radiólogos y médicos expertos. Este programa ha sido diseñado para detectar pequeñas cantidades de lesiones sospechosas en las mamografías, mejorar la vida de los pacientes y ayudar a detectar cánceres lo antes posible.