Abordar el potencial de la inteligencia artificial (IA) en la atención sanitaria exige un cambio de mentalidad, que priorice la colaboración, la apertura y la disposición a transformar los flujos de trabajo obsoletos.
Las herramientas basadas en IA ofrecen tratamientos personalizados, pero la implicación de los pacientes y el consentimiento para el uso de sus datos son esenciales para desbloquear todo su impacto.
Los modelos colaborativos, como el aprendizaje federado y los conjuntos de datos abiertos, fomentan la innovación al tiempo que abordan las preocupaciones sobre la privacidad, allanando el camino hacia un ecosistema sanitario regenerativo.
No es ningún secreto que vivimos en una era de disrupción sin precedentes. La innovación avanza a un ritmo asombroso y afecta a cómo nos conectamos y comunicamos en todos los sectores a escala mundial.
La innovación en inteligencia artificial (IA) avanza mucho más rápido que otros avances tecnológicos, y la colaboración entre empresas farmacéuticas, biotecnológicas, el mundo académico y las startups está aportando al mercado sanitario nuevas herramientas que cambian las reglas del juego.
Desde el progreso científico hasta los puntos de contacto con los pacientes, la IA puede optimizar y potenciar todos los niveles. El liderazgo es clave para animar a los equipos a reestructurarse y adoptar una mentalidad abierta respecto a la IA en su ámbito.
BCG propuso la regla 10-20-70 para una transformación exitosa con IA generativa (IAG), que consiste en dedicar un 10 % a desarrollar nuevos algoritmos, un 20 % a la infraestructura y un 70 % a las personas y los procesos.
Los líderes deben reconocer que solo podremos aprovechar toda la capacidad de la innovación en IA si iniciamos una transformación cultural que genere apertura al cambio entre las personas.
La IA como herramienta de descubrimiento transformadora
Las herramientas de IA pueden impulsar la investigación y el desarrollo al validar más rápidamente las dianas farmacológicas, optimizar la estructura del diseño de los ensayos clínicos y acelerar el proceso de cribado de nuevos fármacos hasta en un 50 %.
Por ejemplo, Iambic Therapeutics anunció recientemente un nuevo modelo de descubrimiento de fármacos basado en IA, llamado Enchant, que agiliza los procesos de investigación al predecir el comportamiento de un fármaco determinado, incluso en las etapas más tempranas del desarrollo, y reduce años a los costosos y laboriosos procesos de desarrollo preclínico.
Adoptar la IA implica dejar atrás las formas de trabajo tradicionales. La tecnología señalará los proyectos más prometedores para la inversión y aquellos con menos probabilidades de éxito. Los recursos se reasignarán y algunos proyectos se eliminarán, lo que exige un cambio de cultura y de mentalidad que no es fácil de lograr.
Los líderes de todos los niveles de la organización deben animar a los equipos a ampliar su capacidad creativa y a centrarse en las mejores áreas de oportunidad.
Revolucionar el reclutamiento para ensayos clínicos
El reclutamiento sigue siendo un reto constante, con un coste de casi 2000 millones de dólares al año, lo que provoca que el 85 % de los ensayos clínicos no consigan reclutar ni retener una muestra de tamaño suficientemente grande.
Los líderes pueden utilizar herramientas de IA para agilizar este complejo proceso, identificando de forma eficiente a las personas que cumplen los requisitos para participar en los ensayos. Empresas como Johnson & Johnson aplican algoritmos de aprendizaje automático e IA para llevar los ensayos directamente a los pacientes.
Sanofi, OpenAI y Formation Bio colaboraron recientemente para desarrollar Muse, la primera herramienta basada en IA para acelerar el reclutamiento en ensayos clínicos. Sanofi prevé implementar Muse en sus estudios de fase 3 de esclerosis múltiple.
Utilizar estas herramientas de IA permitirá abordar el reto habitual de contratar pacientes a tiempo y mejorar los factores de accesibilidad y la experiencia general, lo que animará a los pacientes a participar en las actividades de los ensayos clínicos.
En la era actual, el cambio hacia la participación será fundamental para garantizar la aceptación de las partes interesadas.
—Kathy Bloomgarden, directora ejecutiva, Ruder Finn
Kathy Bloomgarden, directora ejecutiva, Ruder Finn
Medicina personalizada y planificación del tratamiento
Las personas esperan y merecen las soluciones personalizadas que la IA ya está ayudando a los profesionales sanitarios a desarrollar, incluidos los planes de tratamiento individuales. Este mapeo de relaciones entre fármacos y factores puede determinar los resultados previstos para los pacientes e identificar los tratamientos más adecuados.
Una investigación de Genomics y la Universidad de Stanford indica que las nuevas pruebas de cribado genético pueden identificar a las personas en riesgo de enfermedades prematuras comunes, como la hipertensión, el cáncer de mama y la diabetes.
Estas herramientas permitirían identificar señales genéticas de alerta para estas afecciones, lo que posibilitaría que los profesionales sanitarios ofrezcan a los grupos vulnerables una intervención y un tratamiento más tempranos, con la posibilidad de prevenir las muertes prematuras en un 24,5 %.
Las tecnologías y los tratamientos basados en IA pueden ayudar a los pacientes a tomar decisiones sanitarias más informadas y activas. Sin embargo, las iniciativas de comunicación deben llegar a los pacientes para generar confianza en el consejo médico y animarles a buscar de forma proactiva información sobre sus factores de riesgo y a seguir los planes de tratamiento.
Aprovechar bien los datos
Es importante recordar que los modelos generativos solo son tan buenos como los datos que reciben. Es necesario llevar a cabo acciones de divulgación con los pacientes para animarles a dar su consentimiento a que sus datos se utilicen en el desarrollo de nuevas investigaciones, ya que esto ayuda a complementar los conjuntos de datos con casos de uso reales y a ampliar los grupos de los que pueden extraer datos los investigadores.
Por ejemplo, Genentech ha empezado a utilizar el entrenamiento «lab in the loop» para su IA, basado en datos que ella misma ha generado.
Con la mayor capacidad de los datos agrupados, aumentan las preocupaciones sobre la privacidad. Para combatir estas reticencias, Owkin y otros han utilizado el aprendizaje federado para garantizar que los datos almacenados construyan un atlas de datos en el que se analizan los hallazgos clave para obtener soluciones controladas, pero los datos permanecen protegidos en el centro académico.
También existe la posibilidad de compartir innovaciones entre las organizaciones sanitarias. Sanofi ha adoptado una mentalidad de «la marea sube para todos», al abrir sus conjuntos de datos a pequeñas iniciativas de IA para que se beneficien de ellos.
Al cambiar nuestra percepción y nuestra esperanza sobre el sector sanitario hacia un modelo regenerativo y circular, en lugar de un canal directo de una sola empresa al consumidor, podemos ampliar nuestra capacidad para hacer el bien.
Transformar las perspectivas
Como ocurre con cualquier tecnología nueva, el cambio encontrará resistencia. Los primeros adoptantes y los líderes deben traducir en la práctica, de forma real y tangible, cómo pueden utilizarse estas herramientas. En el fondo, se necesita un cambio cultural hacia una mentalidad de aprendizaje que premie la experimentación y la innovación.
Satya Nadella afirmó que debemos pasar de una organización educativa a una organización que aprende. Tradicionalmente, el sector sanitario se ha centrado en proporcionar educación y asesoramiento. En la era actual, el cambio hacia la participación será fundamental para garantizar la aceptación de las partes interesadas.
Los líderes del sector sanitario deben reconocer que las innovaciones no se implementan por sí solas, por muy grandes que sean. Los avances científicos necesitan el respaldo de una estrategia de comunicación integral para generar confianza, mejorar la adopción y, en última instancia, hacer realidad los extraordinarios avances que pueden cambiar la vida de cada paciente.
