Aunque las soluciones sanitarias basadas en IA han demostrado su impacto y fiabilidad, las organizaciones sanitarias luchan por obtener el valor deseado de sus inversiones en IA.
Los casos de uso más prometedores se encuentran en el diagnóstico temprano y la estratificación del riesgo de enfermedades crónicas, pero la IA también tiene el potencial de revolucionar el descubrimiento de fármacos y las operaciones de los sistemas de salud.
El impacto de la IA en la salud mundial depende de tres factores habilitadores: datos utilizables y representativos; un diseño confiable; y la escalabilidad.
Antes del GPS, los conductores dependían del humilde mapa impreso. El GPS lo cambió todo. La tecnología no era perfecta —desconocía las carreteras nuevas, los cierres temporales y las condiciones del tráfico—, pero la adoptamos porque superaba al statu quo. Los fallos ocasionales no eran lo peor del mundo y, aunque el público quizá no entendiera del todo la navegación por radio basada en satélites, tampoco necesitaba hacerlo.
La conducción autónoma, sin embargo, afronta una cuesta arriba considerable debido a su complejidad, a las consecuencias de vida o muerte y a la necesidad de funcionar en cualquier lugar y en todas las condiciones. La IA en la atención sanitaria se parece a los vehículos autónomos en que los datos y los supuestos utilizados para construir los algoritmos son opacos, las consecuencias de un algoritmo torpe son graves y, para transformar la atención sanitaria, las soluciones deben poder desplegarse a escala.
3 megatendencias que impulsan la innovación en IA en la atención sanitaria
Tres cambios sísmicos están impulsando la innovación en IA y el impacto de la IA en la salud mundial. En primer lugar, está el diluvio de datos. En 1950, el tiempo de duplicación del conocimiento médico era de 50 años. En 2020 fue de 73 días. En nuestra encuesta a 1.000 médicos de Estados Unidos, Europa y Asia, la gran mayoría afirmó que se sienten abrumados por el volumen de datos de los pacientes. Sin tecnología, los seres humanos no pueden seguir el ritmo.
En segundo lugar, existen problemas inéditos. La COVID-19 agravó los problemas existentes en la atención sanitaria, empeorando una escasez de médicos ya grave y poniendo a prueba la solvencia de muchos hospitales, entre otros problemas. La tecnología debe permitir a los proveedores de atención sanitaria hacer más con menos, o de lo contrario los pacientes sufrirán. En tercer lugar, hay un renacimiento tecnológico. Basta con ver ChatGPT o lo que el aprendizaje profundo puede hacer para desvelar los misterios del universo en la búsqueda de curas.
El panorama de la IA en la atención sanitaria: gran promesa, escala insuficiente
Entrevistamos a unos 50 altos ejecutivos de la biofarmacia, la tecnología sanitaria, el gobierno, el ámbito académico y las organizaciones no gubernamentales para explorar el panorama actual de las aplicaciones de IA, las barreras para su adopción y las formas de acelerar su uso generalizado. Mientras que el 98% de los ejecutivos afirma tener una estrategia de IA implantada o planea tenerla, hasta el 92% de los proyectos de IA no logran ofrecer el valor deseado. Según nuestras entrevistas, las personas sobrestiman la IA a corto plazo, mientras que la subestiman a largo plazo.
Los casos de uso más prometedores se encuentran en el diagnóstico basado en datos y la estratificación del riesgo. Esto se debe a que la IA es barata, rápida y escalable. Por ejemplo, la forma más común de cáncer de páncreas tiene una tasa de supervivencia a cinco años inferior al 10%; con una detección más temprana, es del 50%. Mientras tanto, investigadores del Cedars Sinai han desarrollado una herramienta de imagen basada en IA que puede detectar la enfermedad hasta tres años antes que un diagnóstico tradicional —con una precisión del 86%. Su impacto es grande porque el beneficio acumulado de todos esos diagnósticos tempranos supera a los ocasionales falsos positivos.
Curiosamente, casi tres de cada cinco médicos creen que la tecnología de IA es más útil para resolver las enfermedades crónicas, que representan el 75% de todo el gasto sanitario de Estados Unidos. Apollo Hospitals, uno de los mayores sistemas hospitalarios de la India, ha desarrollado un algoritmo para la detección temprana de enfermedades cardíacas que supera al referente puntuación de riesgo de Framingham. Actualmente, los algoritmos se utilizan para el diagnóstico temprano de diabetes y asma e incluso depresión.
ZS evaluó 400 casos de uso para medir el estado actual de la IA en la atención sanitaria. Aunque el impacto inmediato en los pacientes es mayor en el diagnóstico temprano y la estratificación del riesgo, la IA también se está desplegando para desarrollar nuevos tratamientos y mejorar las operaciones de los sistemas de salud. En el ámbito de la creación de valor para los sistemas de salud, BlueDot y Metabiota, por ejemplo, utilizan plataformas de vigilancia que abarcan patrones de salud, movilidad y clima para mejorar la toma de decisiones de los sistemas de salud mediante sus predicciones sorprendentemente precisas sobre la propagación de pandemias. Y, en el desarrollo de fármacos, empresas como H1 y Medable están avanzando en la equidad sanitaria y acelerando la llegada de curas mediante el uso de la IA para crear ensayos clínicos más diversos y eficientes.
Tres factores habilitadores para acelerar la adopción de la IA en la atención sanitaria
Estas innovaciones representan la cumbre del ingenio humano, pero no debemos construir el Ferrari de la atención sanitaria mientras descuidamos la carretera. Debemos acelerar la adopción y garantizar que todos se beneficien mediante:
1. Datos utilizables y representativos
Necesitamos datos utilizables y representativos. Sin ellos, los datos deficientes darán lugar a algoritmos deficientes. Afortunadamente, existen oportunidades para resolver los obstáculos de datos más acuciantes. El aprendizaje federado, por ejemplo, puede entrenar modelos analíticos para resolver conjuntos de datos sesgados y aliviar las preocupaciones sobre la privacidad, mientras que los consorcios de datos pueden ayudar a eliminar las variaciones en la seguridad de los datos, la privacidad de los pacientes y la interoperabilidad a través de las fronteras.
2. Diseño confiable
La mejor IA parece un complemento natural de las capacidades humanas innatas, pero con frecuencia no supera esta prueba. No es de extrañar que casi la mitad de los médicos estadounidenses afirme que no confían en ella. ZS ha identificado tres principios para cerrar la brecha de confianza en la IA: Debe desplegarse (1) de forma responsable, cuidando de eliminar el sesgo algorítmico; (2) de forma transparente, en cuanto a lo que puede y no puede hacer; y (3) de forma competente, de modo que sus beneficios superen las consecuencias de un ocasional «error», como solicitar análisis de laboratorio superfluos.
3. Aplicación fluida y escalable
Al crear eficiencia a escala, la IA puede liberar a los médicos de tareas repetitivas en favor de otras que los humanos pueden hacer mejor que la IA. Pero para ganar aceptación, la IA debe integrarse sin fisuras en los flujos de trabajo existentes, ya sea facilitando las tareas o haciéndolas menos tediosas, o realizando labores que los humanos no están haciendo actualmente. Además, la innovación en IA no puede quedarse encerrada en unos pocos países de ingresos altos. Deben existir asociaciones multilaterales transfronterizas para exportarlas a los países de ingresos bajos y medianos, donde la infraestructura de datos es incipiente, pero hay menos actores consolidados que se interpongan.
El punto de inflexión de la IA
Un ejecutivo farmacéutico lo expresó de forma memorable: en la atención sanitaria tenemos más proyectos piloto que una aerolínea comercial. De hecho, todos los entrevistados coincidieron en que debemos ser mucho más intencionados en cuanto a las innovaciones que perseguimos. Olvídense de las ingeniosas soluciones de IA para problemas de nicho. Industrialicemos el proceso de creación de innovaciones en IA de alto impacto que puedan desplegarse rápidamente a escala.
La Clínica Mayo lanzó su «fábrica de IA» AI factory en 2021 para validar y escalar la innovación en la atención sanitaria respaldada por IA mediante el acceso a su experiencia y a conjuntos de datos anonimizados. Andreessen Horowitz ha establecido una alianza con hospitales rurales de Estados Unidos para probar innovaciones en fase inicial, incluida la IA. Estos ejemplos comparten el reconocimiento de que la IA tiene la clave para resolver nuestros problemas humanos más intratables, siempre que, como el GPS, hagamos que su adopción sea tan fácil y su valor tan indiscutible que resulte inevitable.
Desbloquear este poder requiere una cooperación público-privada e internacional sostenida entre actores tradicionalmente desalineados (incluso en desacuerdo). Nuestro futuro depende de ello.
