La cantidad de datos estructurados y no estructurados que se generan dentro de la atención médica ha aumentado significativamente debido a factores como el envejecimiento de la población y el aumento de la telesalud (consultas virtuales) como método para brindar atención médica. Esto solo ha aumentado durante la pandemia.
En este artículo, exploramos, a través de varios casos de uso, que muestran cómo las organizaciones de atención médica pueden aprovechar la creciente cantidad de datos disponibles mediante inteligencia artificial (IA), aprendizaje automático (ML) y análisis para mejorar la experiencia de atención al paciente e impulsar la eficiencia operativa.
Caso de uso n. ° 1: utilizar datos no estructurados
Los datos no estructurados en el cuidado de la salud se refieren a cualquier cosa, desde notas escritas a mano por los médicos hasta formularios de prescripción y registros del centro de llamadas de pacientes. Esta información está aumentando en volumen y se necesitan nuevas formas de capturar y analizar estos datos.
Tripti Sethi , director senior de Global Azure y AI COE Lead en Avanade , analizando cómo las organizaciones de atención médica pueden usar estos datos no estructurados para desbloquear nuevos conocimientos e impulsar mejoras centradas en el paciente , proporcionó un ejemplo del trabajo realizado con Answer ALS .
El desafío consistía en aprovechar los macrodatos y la inteligencia artificial para buscar respuestas y tratamientos. El objetivo era aprovechar la computación en la nube, el aprendizaje automático, una enorme cantidad de datos de pacientes y una poderosa infraestructura de datos interactivos, todo para ayudar a determinar las causas de la ELA e identificar posibles tratamientos.
Ella explicó: “Answer ALS es un programa de investigación revolucionario fundado y dirigido por Johns Hopkins y el Centro Robert Packard para la Investigación de ALS. Participan más de 1000 pacientes con ELA.
Answer ALS reúne a centros de investigación globales, empresas de tecnología líderes e investigadores de clase mundial. Sin embargo, la cantidad de datos no estructurados generados a partir de esta colaboración global presentó un desafío. ¿Cómo podrían los investigadores aprovechar estos datos de manera eficiente y obtener información valiosa? “
Tripti continuó: “Para resolver este desafío, aprovechamos un poderoso modelo de computación en la nube de infraestructura con ML para crear algo similar a un motor de consulta de datos basado en Azure. El motor de consulta de datos era capaz de procesar consultas de investigación en horas en lugar de días y semanas.
Los investigadores pudieron analizar muchos más datos en tiempos significativamente más rápidos. Esto permitió a los investigadores utilizar esta plataforma como base para nuevos ensayos clínicos para ayudar a acelerar el desarrollo de protocolos de tratamiento exitosos para pacientes con ELA ”, agregó.
Caso de uso n. ° 2: aprovechar la inteligencia artificial y el aprendizaje automático en la cadena de suministro de atención médica
La inteligencia artificial y el aprendizaje automático tienen un papel importante que desempeñar en el futuro de la atención médica , en términos de mejorar la atención al paciente y la eficiencia operativa.
Estos métodos analíticos avanzados también se pueden utilizar para ayudar a las organizaciones de atención médica a impulsar la eficiencia y resolver problemas como los desafíos de la cadena de suministro, que se han intensificado con la pandemia.
En otro ejemplo, Sethi se refiere a un gran mayorista farmacéutico, con el que Avanade se asoció para ayudar a mejorar el seguimiento de su inventario, que era propenso a errores y poco confiable.
Ella explica: “Las tecnologías de rastreo comunes como las tecnologías RFID y Bluetooth que estaban implementando como sensores de cálculo de peso eran poco confiables y engorrosas, esto llevó a una disminución en sus márgenes.
Para resolver este desafío, creamos una solución que combinó la inteligencia artificial, específicamente la visión por computadora y los modelos de aprendizaje automático de posprocesamiento con los nodos informáticos del borde con cámaras conectadas que monitoreaban y rastreaban continuamente los cambios de inventario casi en tiempo real. Esto ayudó al mayorista farmacéutico a mejorar los márgenes y aumentar su precisión de facturación “.
Tripti Sethi es el director sénior, líder de COE de IA y datos globales en Avanade.
Caso de uso n. ° 3: aprovechar la analítica para el descubrimiento de tratamientos
De manera similar a la importancia de la IA y el ML, la analítica avanzada tendrá un papel importante que desempeñar en el futuro de la atención médica, específicamente en el descubrimiento de tratamientos.
Refiriéndose a otro caso de uso, Sethi señala el trabajo que hizo Avanade en un sistema de salud sin fines de lucro líder en los EE. UU. Se asociaron para ayudar a extender cuatro veces las revisiones de casos de cáncer, lo que aceleró el diagnóstico y el tratamiento.
Al explicar el problema inicial, dice: “Una vez que se diagnostica a un paciente con cáncer, se establece el mejor tratamiento. Los médicos de diferentes especialidades utilizan la junta de tumores para revisar y discutir colectivamente los casos de cáncer de forma virtual. Regularmente, los equipos de especialistas se reúnen para revisar y discutir los casos de cáncer. Su objetivo es obtener una perspectiva más profunda y analizar de manera integral la mejor estrategia para un paciente en particular. Pero no siempre es fácil tener un grupo de médicos en la misma sala “.
Sethi continúa: “Para ayudar a abordar este desafío, trabajamos con la organización para crear una solución piloto que capacitó a los empleados en una nueva solución colaborativa y usó análisis para brindar información a los médicos y enfermeras para que estuvieran mejor involucrados y, al mismo tiempo, les permitiera aportan sus conocimientos sobre el descubrimiento del tratamiento “.
En este piloto, era importante capacitar a los empleados de atención médica para que usaran y entendieran el lado analítico de la solución para que pudieran obtener información fácilmente y también resaltar la importancia de compartir sus conocimientos.
“La adición de este conocimiento diverso ayudó a asegurar que los pacientes recibieran la más alta calidad de atención y que el hospital también pudiera acelerar el tiempo para el diagnóstico, así como los tratamientos, lo que puede conducir a mejores índices de satisfacción”, agrega Sethi.
Con todos estos casos de uso, el trabajo que se realiza es cambiar la vida de las personas todos los días y mejorar la experiencia de atención, muchas veces sin que el paciente lo sepa. Esto es importante, ya que estas mejoras deben ocurrir en segundo plano, sin causar ninguna interrupción en la atención al paciente.
Superar el dilema ético
Los algoritmos impulsados por IA observan los datos y aprenden de ellos para hacer predicciones o crear conocimientos. Si estos datos están sesgados, los resultados se obtendrán a expensas de los grupos minoritarios que son un segmento menos representado en los datos.
Superar este sesgo y dilema ético requiere la acumulación de conjuntos de datos más diversos, al mismo tiempo que se entrena los algoritmos de IA o ML para analizar todos los segmentos de datos.
“Puede entrenar los modelos para que miren todos los segmentos de datos representados y amplifiquen la voz de los grupos menos representados en los datos”, explica Sethi. “Los analistas podrían tomar la muestra de capacitación y volver a sopesar la importancia de los ejemplos de capacitación, amplificando” la voz “del grupo minoritario”.
También es importante crear algoritmos que sean explicables y transparentes para el médico, quien podrá comprender por qué se generan ciertos conocimientos basados en ciertos conjuntos de datos.
Sethi cree que esto abre una pregunta más amplia de por qué las organizaciones de atención médica están utilizando IA y ML.
Ella pregunta: “¿Tomamos absolutamente los resultados que se predicen? ¿O aprendemos de esos conocimientos e identificamos las causas fundamentales de los desafíos de la atención médica en diferentes grupos demográficos? “
Como ejemplo de ética en acción. Avanade, que busca resolver el dilema tecnológico ético o responsable, ha creado un marco de ética digital y lo ha aplicado a la inteligencia artificial. Este marco crea una lista de verificación de IA responsable que determina el impacto ético de un proyecto, ya sea que se centre en la integridad de los datos, la privacidad, el sesgo o el impacto humano.
El futuro de la IA en la asistencia sanitaria
La IA va a desempeñar un papel fundamental en el sector de la salud a medida que se acelera a un entorno cada vez más virtual.
El cambio a la atención virtual se ha visto acelerado por la pandemia, que ha creado esta enorme explosión de datos. Pero, se puede hacer más para recopilar información e impulsar un cambio significativo utilizando IA, ML y análisis, para ponerse al día con esta explosión de datos.
“La inteligencia artificial y la analítica presentan una gran oportunidad para una mejor atención al paciente, una mayor eficiencia interna y un descubrimiento de tratamientos más preciso. Solo necesitamos aprovechar estas tecnologías, sin olvidar la importancia de la ética y el cumplimiento ”, agrega Sethi.
Fuente:
Ismail, N. (2021, 22 junio). How AI is helping improve the healthcare experience — three use cases. Recuperado 24 de junio de 2021, de https://www.information-age.com/three-use-cases-how-ai-is-helping-improve-the-healthcare-experience-123494858/