El potencial de la medicina basada en datos y de la analítica predictiva es evidente. La IA y el aprendizaje automático están ayudando a los profesionales sanitarios a tomar decisiones clínicas más informadas y permiten que los pacientes desempeñen un papel activo en su propia salud, con acceso a datos en tiempo real a través de dispositivos portátiles y aplicaciones móviles.
Sin embargo, como hemos visto con muchos desafíos sociales, económicos y empresariales anteriores que presentaban los macrodatos como la solución, la clave del éxito será crear sistemas duraderos para recopilar, depurar y analizar esta gran cantidad de información de forma reflexiva, eficiente, segura y útil. Además, los sistemas deberán interconectarse sin fisuras desde el médico hasta el paciente, el hospital, la farmacia y el laboratorio, lo que permitirá que la información fluya donde y cuando sea necesario. Para ello, debemos abordar varias cuestiones clave:
Reducción del papeleo
La proliferación de datos médicos, desde los historiales clínicos electrónicos hasta los datos en tiempo real de dispositivos médicos conectados, es la base de esta nueva era de la medicina personalizada y de precisión. El reto consiste en crear un sistema de recopilación de datos sin silos, capaz de escalar para incorporar nuevas fuentes de datos a medida que tecnologías emergentes como los nanorrobots y los entornos conectados (p. ej., una cama de hospital inteligente, una escayola conectada, etc.) empiecen también a aportar datos valiosos.
Un ejemplo de ello es athenahealth, que da servicio a más de 100 000 proveedores médicos con servicios basados en la nube para hacer un seguimiento de los datos de rendimiento, tramitar reclamaciones, gestionar historiales de pacientes y mucho más. Según los datos de la red de la empresa, el médico medio dedica el 40 % de su tiempo a procesar miles de documentos y formularios administrativos y a perseguir cientos de pedidos de laboratorio y de pruebas de imagen que faltan. Athenahealth sabía que necesitaba desbloquear los datos atrapados en su infraestructura existente, parte de los cuales seguían almacenados en archivos en papel y otros contenidos en bases de datos rígidas. Era necesaria una arquitectura de sistemas totalmente nueva, así que crearon servicios basados en la nube destinados a reducir la carga administrativa que recae sobre los médicos. Esto permite que las herramientas de IA y analítica capten nuevos conocimientos, procesen datos en tiempo real y ofrezcan servicios personalizados. Esto está mejorando la experiencia entre médico y paciente mediante la automatización y facilitando las operaciones.
Acceso
Cada vez resulta más fácil imaginar una medicina personalizada basada en la tecnología en los países ricos y en los centros de innovación tecnológica, pero ¿cómo garantizaremos que quienes más la necesitan tengan acceso a datos médicos que salvan vidas? Una solución será aprovechar los dispositivos móviles: las investigaciones recientes muestran que el mundo en desarrollo ha alcanzado una adopción de teléfonos móviles superior al 98,7 %; crear soluciones móviles que permitan tanto a los médicos como a los pacientes acceder a los datos será crucial para llevar esta revolución médica a todo el mundo. Otra solución será aprovechar la computación en el borde (edge computing), que permite que los dispositivos funcionen sin interrupciones incluso cuando están desconectados o la conectividad a internet es intermitente, lo que posibilita recopilar y analizar datos en lugares remotos, como un campamento de refugiados o una aldea rural.
IA sin sesgos
Recientemente se ha puesto mucho énfasis en los riesgos y el potencial de sesgo en la inteligencia artificial (IA); al construir algoritmos y modelos para la medicina predictiva, garantizar que estén libres de sesgos puede ser literalmente una cuestión de vida o muerte. Actualmente, las desigualdades sanitarias son sistémicas y están estrechamente entrelazadas con las desigualdades sociales; si se desarrollan adecuadamente, estos sistemas impulsados por IA podrían contribuir en gran medida a mitigar estas desigualdades al eliminar el sesgo humano. Sin embargo, también existe el riesgo de que estos avances tecnológicos perpetúen las desigualdades existentes. Evaluar los datos utilizados para entrenar estos modelos y garantizar una representación justa de los distintos grupos será de máxima importancia para esta próxima fase del avance médico.
Además, la secuenciación genómica económica, la analítica de macrodatos, los sensores de salud, los dispositivos portátiles y la inteligencia artificial permitirán que la medicina pase de soluciones generales a la personalización y la precisión. Todas estas tecnologías son piezas importantes, pero la IA tiene la clave. Esto se debe a la enorme cantidad de información que habrá que almacenar, interpretar, contextualizar, correlacionar con la investigación y los procedimientos existentes, y analizar. Solo la IA, probablemente mediante algoritmos de aprendizaje automático y aprendizaje profundo, podrá generar soluciones personalizadas y tratamientos específicos. Aunque se necesitan más avances en varias tecnologías, incluida la IA, hay pocas dudas de que la visión de la precisión se hará realidad. Sin embargo, deberán resolverse las cuestiones éticas y legales antes de que la medicina personalizada y de precisión se generalice.
La medicina sin fronteras
Para que la medicina verdaderamente personalizada funcione, debe estar fácilmente disponible, y eso requiere tanto la integración de datos como de sistemas. La información sanitaria ha estado notoriamente fragmentada en silos, y esta barrera en gran medida se resiste al cambio. Esto se debe a diversas razones, entre ellas: sistemas heredados no diseñados para el intercambio de información; cortafuegos competitivos; una mentalidad de «no inventado aquí»; falta de interfaces de programación de aplicaciones (API) en toda la industria; y cuestiones de privacidad de los pacientes. En cierta medida, estos obstáculos se han superado dentro de los límites de un sistema sanitario individual, pero rara vez más allá. Estas barreras se están derrumbando y seguirán haciéndolo a medida que la demanda de una medicina personalizada basada en datos exija una mayor movilidad de la información. Esta integración permitirá escenarios de atención sanitaria integral habituales.
Aquí tienes un ejemplo de secuencia de este tipo: un monitor cardíaco integrado en tu camisa envía datos en tiempo real a un cardiólogo, quien, ante cambios preocupantes, puede enviar recetas actualizadas a tu farmacéutico, el cual, a su vez, puede enviar una alerta a tu asistente virtual (ya sea un teléfono inteligente, un reloj, unas gafas u otro dispositivo aún por inventar) mientras conduces para avisarte de que tus medicamentos están listos para recogerse. Después, tu GPS actualizará automáticamente la ruta a la farmacia, donde llegas en tu coche autoconducido y pagas la receta con tu teléfono o con un escaneo de retina. Todos los dispositivos y aplicaciones de este ejemplo están totalmente integrados y se ajustan sin fisuras a medida que te desplazas de un lugar a otro.
Una nueva plataforma
Para lograr estos beneficios, ya sea el acceso a la información o la aplicación de los algoritmos de IA más recientes, se necesita una infraestructura de datos que conecte todos los innumerables dispositivos. Esta abarca centros de datos, múltiples nubes y un gran número de dispositivos de borde, permite el aprovisionamiento fácil y rápido de nuevos sistemas, el despliegue rápido de nuevas aplicaciones y actualizaciones, y la disponibilidad inmediata de los servicios de datos necesarios, como el cifrado y la seguridad. Dicha plataforma debe ser escalable en la mayor medida posible. Google construyó una plataforma de este tipo para uso propio – Borg – y soluciones de código abierto similares como Mesos ofrecen este tipo de plataforma para el resto.
Estas plataformas escalables son fundamentales para la prestación de IA en la sanidad, incluidas la medicina basada en datos y la analítica predictiva. Esta conectividad e integración, junto con los algoritmos basados en IA para el diagnóstico y la prescripción, creará tanto una plataforma para la determinación y el suministro rápidos de medicina personalizada y de precisión en cualquier lugar, como una economía de escala que reducirá drásticamente los costes.
