Aprovechar la inteligencia artificial para resumir continuamente la literatura médica combinada hace posible brindar a cada paciente el mejor tratamiento posible basado en la investigación más actual.
Dado que el conocimiento médico se duplica aproximadamente cada 73 días , es simplemente imposible para cualquier médico o investigador estar al tanto de los últimos avances. Si hay un campo que necesita la ayuda de la IA para lidiar con una avalancha de información, es la atención médica.
Ha habido un progreso significativo en el uso de inteligencia artificial para analizar texto, posiblemente las más famosas de las cuales son las herramientas GPT-2 y ahora GPT-3 de Open AI. Estos avances son emocionantes, pero como señalan los autores, los modelos siguen siendo “frágiles” y tienen una gran cantidad de errores. En el mundo de la salud, hay muy poca tolerancia al error.
Estos modelos también se entrenan en un corpus más general y, por lo tanto, no son apropiados para la atención médica sin antes refinarlos en un corpus médico. Como resultado, las aplicaciones prácticas de la IA en el análisis de textos sanitarios son limitadas. A medida que se expande el uso de la IA para el análisis de texto en la atención médica, aquí hay algunas consideraciones clave:
Ten un objetivo claro. Ser capaz de predecir la siguiente palabra en una oración es un truco de salón genial, pero las herramientas generalizadas requerirán un enfoque mucho más personalizado con un objetivo específico en mente. Podría decirse que el objetivo más importante en la atención médica es crear una herramienta de inteligencia artificial para resumir automáticamente toda la literatura médica y decidir el siguiente mejor tratamiento para un paciente en particular. Para lograr este objetivo, debemos ser capaces de identificar si un artículo se relaciona con un avance de tratamiento, extraer automáticamente la información crítica y agregar automáticamente esos resultados a todas las investigaciones anteriores relacionadas.
Reconozca la necesidad de expertos médicos. Los expertos médicos deben revisar los resultados de cualquier IA basada en texto para asegurarse de que el resultado sea de la más alta calidad. Eso significa que cualquier esfuerzo de IA llevará tiempo y será costoso. En casi todos los usos sanitarios de la IA para la extracción de texto, los expertos médicos crean una base de datos estándar en la que se entrena cualquier modelo. Por ejemplo, con el objetivo de crear metanálisis continuos, se llama primero a los expertos médicos para que revisen un conjunto representativo de artículos y extraigan la información destacada, como el tratamiento utilizado y el número de pacientes tratados, de la investigación. Con esta base de datos en la mano, los modelos de IA se pueden entrenar para resumir automáticamente la investigación y extraer la información clave.
Tenga en cuenta el progreso científico. No todas las investigaciones son igualmente valiosas. Con el objetivo de resumir automáticamente los resultados acumulativos de la investigación, debe haber una manera de sopesar cada investigación en función del valor incremental que proporciona. Afortunadamente, en el sector sanitario hay un par de elementos que señalan la calidad. El primero es el tipo de estudio; Los ensayos controlados aleatorios producen los resultados más fiables en comparación con los estudios de un solo brazo o los análisis retrospectivos. El segundo es el tamaño del estudio. Un estudio de 10 pacientes es mucho menos confiable que un estudio de 1,000 pacientes. Al extraer estos elementos críticos de cada artículo, los resultados se sopesan adecuadamente al desarrollar resultados acumulativos.
Comprenda que cada enfermedad es única. Hay aproximadamente 10,000 enfermedades identificadas en humanos, muchas con marcadores genéticos únicos y pruebas y tratamientos especializados. Aunque el conjunto completo de literatura biomédica es vasto, la cantidad de literatura específica disponible para muchas de estas enfermedades es demasiado escasa para entrenar un modelo de IA basado en texto. Para abordar esto, es fundamental identificar cómo se relaciona cada enfermedad con otras para que podamos aprovechar toda la literatura biomédica al tiempo que proporcionamos información precisa para cada enfermedad, una tarea que no es pequeña. Esta es un área activa de exploración que tiene en cuenta las similitudes genotípicas y fenotípicas para identificar qué tan estrechamente relacionadas están las enfermedades.
Una palabra final
En la actualidad, los médicos implementan una variedad de tácticas para mantenerse actualizados sobre su campo, que incluyen centrarse en un área de enfermedad limitada, leer solo publicaciones de las principales revistas y asistir a conferencias y eventos de educación médica continua. Desafortunadamente, aunque estas prácticas son efectivas, están incompletas. Como resultado, y a pesar de sus mejores esfuerzos, es casi imposible para los profesionales de la salud mantenerse al día con todos los avances en su campo. Al aprovechar la IA para resumir continuamente la literatura médica combinada, será posible que cada paciente tenga el mejor tratamiento posible informado por la investigación más actual.
Fuente:
Transforming Data With Intelligence. (2020, 26 octubre). Recuperado 27 de octubre de 2020, de https://tdwi.org/articles/2020/10/26/adv-all-text-based-ai-in-healthcare.aspx