{"id":23314,"date":"2021-06-24T10:18:35","date_gmt":"2021-06-24T16:18:35","guid":{"rendered":"https:\/\/otech.uaeh.edu.mx\/noti\/?p=23314"},"modified":"2021-06-24T10:19:01","modified_gmt":"2021-06-24T16:19:01","slug":"como-la-ia-esta-ayudando-a-mejorar-la-experiencia-de-la-atencion-medica-tres-casos-de-uso","status":"publish","type":"post","link":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/como-la-ia-esta-ayudando-a-mejorar-la-experiencia-de-la-atencion-medica-tres-casos-de-uso\/","title":{"rendered":"C\u00f3mo la IA est\u00e1 ayudando a mejorar la experiencia de la atenci\u00f3n m\u00e9dica: tres casos de uso"},"content":{"rendered":"

La cantidad de datos estructurados y no estructurados que se generan dentro de la atenci\u00f3n m\u00e9dica ha aumentado significativamente debido a factores como el envejecimiento de la poblaci\u00f3n y el aumento de la telesalud (consultas virtuales) como m\u00e9todo para brindar atenci\u00f3n m\u00e9dica.\u00a0Esto solo ha aumentado durante la pandemia.<\/span><\/p>\n

En este art\u00edculo, exploramos, a trav\u00e9s de varios casos de uso, que muestran c\u00f3mo las organizaciones de atenci\u00f3n m\u00e9dica pueden aprovechar la creciente cantidad de datos disponibles mediante inteligencia artificial (IA), aprendizaje autom\u00e1tico (ML) y an\u00e1lisis para mejorar la experiencia de atenci\u00f3n al paciente e impulsar la eficiencia operativa.<\/span><\/p>\n

Caso de uso n. \u00b0 1: utilizar datos no estructurados<\/span><\/h3>\n

Los datos no estructurados<\/a>\u00a0en el cuidado de la salud se refieren a cualquier cosa, desde notas escritas a mano por los m\u00e9dicos hasta formularios de prescripci\u00f3n y registros del centro de llamadas de pacientes.\u00a0Esta informaci\u00f3n est\u00e1 aumentando en volumen y se necesitan nuevas formas de capturar y analizar estos datos.<\/span><\/p>\n

Tripti Sethi<\/a>\u00a0, director senior de Global Azure y AI COE Lead en\u00a0Avanade<\/a>\u00a0,\u00a0analizando<\/a>\u00a0c\u00f3mo las organizaciones de atenci\u00f3n m\u00e9dica pueden usar estos datos no estructurados para desbloquear nuevos conocimientos e impulsar mejoras centradas en el paciente\u00a0\u00a0, proporcion\u00f3 un ejemplo del trabajo realizado con\u00a0\u00a0Answer ALS<\/a>\u00a0.<\/span><\/p>\n

El desaf\u00edo consist\u00eda en aprovechar los macrodatos y la inteligencia artificial para buscar respuestas y tratamientos.\u00a0El objetivo era aprovechar la computaci\u00f3n en la nube, el aprendizaje autom\u00e1tico, 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.<\/span><\/p>\n

Ella explic\u00f3: \u201cAnswer ALS es un programa de investigaci\u00f3n revolucionario fundado y dirigido por Johns Hopkins y el Centro Robert Packard para la Investigaci\u00f3n de ALS.\u00a0Participan m\u00e1s de 1000 pacientes con ELA.<\/span><\/p>\n

Answer ALS re\u00fane a centros de investigaci\u00f3n globales, empresas de tecnolog\u00eda l\u00edderes e investigadores de clase mundial.\u00a0Sin embargo, la cantidad de datos no estructurados generados a partir de esta colaboraci\u00f3n global present\u00f3 un desaf\u00edo.\u00a0\u00bfC\u00f3mo podr\u00edan los investigadores aprovechar estos datos de manera eficiente y obtener informaci\u00f3n valiosa? “<\/span><\/p>\n

Tripti continu\u00f3: \u201cPara resolver este desaf\u00edo, aprovechamos un poderoso modelo de computaci\u00f3n en la nube de infraestructura con ML para crear algo similar a un motor de consulta de datos basado en Azure.\u00a0El motor de consulta de datos era capaz de procesar consultas de investigaci\u00f3n en horas en lugar de d\u00edas y semanas.<\/span><\/p>\n

Los investigadores pudieron analizar muchos m\u00e1s datos en tiempos significativamente m\u00e1s r\u00e1pidos.\u00a0Esto permiti\u00f3 a los investigadores utilizar esta plataforma como base para nuevos ensayos cl\u00ednicos para ayudar a acelerar el desarrollo de protocolos de tratamiento exitosos para pacientes con ELA \u201d, agreg\u00f3.<\/span><\/p>\n

Caso de uso n. \u00b0 2: aprovechar la inteligencia artificial y el aprendizaje autom\u00e1tico en la cadena de suministro de atenci\u00f3n m\u00e9dica<\/span><\/h3>\n

La inteligencia artificial y el aprendizaje autom\u00e1tico tienen un\u00a0papel<\/a>\u00a0importante\u00a0que desempe\u00f1ar en el futuro de la atenci\u00f3n m\u00e9dica<\/a>\u00a0, en t\u00e9rminos de mejorar la atenci\u00f3n al paciente y la eficiencia operativa.<\/span><\/p>\n

Estos m\u00e9todos anal\u00edticos avanzados tambi\u00e9n se pueden utilizar para ayudar a las organizaciones de atenci\u00f3n m\u00e9dica a impulsar la eficiencia y resolver problemas como los desaf\u00edos de la cadena de suministro, que se han intensificado con la pandemia.<\/span><\/p>\n

En otro ejemplo, Sethi se refiere a un gran mayorista farmac\u00e9utico, con el que Avanade se asoci\u00f3 para ayudar a mejorar el seguimiento de su inventario, que era propenso a errores y poco confiable.<\/span><\/p>\n

Ella explica: \u201cLas tecnolog\u00edas de rastreo comunes como las tecnolog\u00edas RFID y Bluetooth que estaban implementando como sensores de c\u00e1lculo de peso eran poco confiables y engorrosas, esto llev\u00f3 a una disminuci\u00f3n en sus m\u00e1rgenes.<\/span><\/p>\n

Para resolver este desaf\u00edo, creamos una soluci\u00f3n que combin\u00f3 la inteligencia artificial, espec\u00edficamente la visi\u00f3n por computadora y los modelos de aprendizaje autom\u00e1tico de posprocesamiento con los nodos inform\u00e1ticos del borde con c\u00e1maras conectadas que monitoreaban y rastreaban continuamente los cambios de inventario casi en tiempo real.\u00a0Esto ayud\u00f3 al mayorista farmac\u00e9utico a mejorar los m\u00e1rgenes y aumentar su precisi\u00f3n de facturaci\u00f3n “.<\/span><\/p>\n

\n

\"\"<\/span><\/p>\n

Tripti Sethi es el director s\u00e9nior, l\u00edder de COE de IA y datos globales en Avanade.<\/span><\/p>\n<\/div>\n

Caso de uso n. \u00b0 3: aprovechar la anal\u00edtica para el descubrimiento de tratamientos<\/span><\/h3>\n

De manera similar a la importancia de la IA y el ML, la anal\u00edtica avanzada tendr\u00e1 un papel importante que desempe\u00f1ar en el futuro de la atenci\u00f3n m\u00e9dica, espec\u00edficamente en el descubrimiento de tratamientos.<\/span><\/p>\n

Refiri\u00e9ndose a otro caso de uso, Sethi se\u00f1ala el trabajo que hizo Avanade en un sistema de salud sin fines de lucro l\u00edder en los EE. UU.\u00a0Se asociaron para ayudar a extender cuatro veces las revisiones de casos de c\u00e1ncer, lo que aceler\u00f3 el diagn\u00f3stico y el tratamiento.<\/span><\/p>\n

Al explicar el problema inicial, dice: \u201cUna vez que se diagnostica a un paciente con c\u00e1ncer, se establece el mejor tratamiento.\u00a0Los m\u00e9dicos de diferentes especialidades utilizan la junta de tumores para revisar y discutir colectivamente los casos de c\u00e1ncer de forma virtual.\u00a0Regularmente, los equipos de especialistas se re\u00fanen para revisar y discutir los casos de c\u00e1ncer.\u00a0Su objetivo es obtener una perspectiva m\u00e1s profunda y analizar de manera integral la mejor estrategia para un paciente en particular.\u00a0Pero no siempre es f\u00e1cil tener un grupo de m\u00e9dicos en la misma sala “.<\/span><\/p>\n

Sethi contin\u00faa: \u201cPara ayudar a abordar este desaf\u00edo, trabajamos con la organizaci\u00f3n para crear una soluci\u00f3n piloto que capacit\u00f3 a los empleados en una nueva soluci\u00f3n colaborativa y us\u00f3 an\u00e1lisis para brindar informaci\u00f3n a los m\u00e9dicos y enfermeras para que estuvieran mejor involucrados y, al mismo tiempo, les permitiera aportan sus conocimientos sobre el descubrimiento del tratamiento “.<\/span><\/p>\n

En este piloto, era importante capacitar a los empleados de atenci\u00f3n m\u00e9dica para que usaran y entendieran el lado anal\u00edtico de la soluci\u00f3n para que pudieran obtener informaci\u00f3n f\u00e1cilmente y tambi\u00e9n resaltar la importancia de compartir sus conocimientos.<\/span><\/p>\n

\u201cLa adici\u00f3n de este conocimiento diverso ayud\u00f3 a asegurar que los pacientes recibieran la m\u00e1s alta calidad de atenci\u00f3n y que el hospital tambi\u00e9n pudiera acelerar el tiempo para el diagn\u00f3stico, as\u00ed como los tratamientos, lo que puede conducir a mejores \u00edndices de satisfacci\u00f3n\u201d, agrega Sethi.<\/span><\/p>\n

Con todos estos casos de uso, el trabajo que se realiza es cambiar la vida de las personas todos los d\u00edas y mejorar la experiencia de atenci\u00f3n, muchas veces sin que el paciente lo sepa.\u00a0Esto es importante, ya que estas mejoras deben ocurrir en segundo plano, sin causar ninguna interrupci\u00f3n en la atenci\u00f3n al paciente.<\/span><\/p>\n

Superar el dilema \u00e9tico<\/span><\/h3>\n

Los algoritmos impulsados \u200b\u200bpor IA observan los datos y aprenden de ellos para hacer predicciones o crear conocimientos.\u00a0Si estos datos est\u00e1n sesgados, los resultados se obtendr\u00e1n a expensas de los grupos minoritarios que son un segmento menos representado en los datos.<\/span><\/p>\n

Superar este sesgo y dilema \u00e9tico requiere la acumulaci\u00f3n de conjuntos de datos m\u00e1s diversos, al mismo tiempo que se entrena los algoritmos de IA o ML para analizar todos los segmentos de datos.<\/span><\/p>\n

\u201cPuede entrenar los modelos para que miren todos los segmentos de datos representados y amplifiquen la voz de los grupos menos representados en los datos\u201d, explica Sethi.\u00a0“Los analistas podr\u00edan tomar la muestra de capacitaci\u00f3n y volver a sopesar la importancia de los ejemplos de capacitaci\u00f3n, amplificando” la voz “del grupo minoritario”.<\/span><\/p>\n

Tambi\u00e9n es importante crear algoritmos que sean explicables y transparentes para el m\u00e9dico, quien podr\u00e1 comprender por qu\u00e9 se generan ciertos conocimientos basados \u200b\u200ben ciertos conjuntos de datos.<\/span><\/p>\n

Sethi cree que esto abre una pregunta m\u00e1s amplia de por qu\u00e9 las organizaciones de atenci\u00f3n m\u00e9dica est\u00e1n utilizando IA y ML.<\/span><\/p>\n

Ella pregunta: \u201c\u00bfTomamos absolutamente los resultados que se predicen?\u00a0\u00bfO aprendemos de esos conocimientos e identificamos las causas fundamentales de los desaf\u00edos de la atenci\u00f3n m\u00e9dica en diferentes grupos demogr\u00e1ficos? “<\/span><\/p>\n

Como ejemplo de \u00e9tica en acci\u00f3n.\u00a0Avanade, que busca resolver el dilema tecnol\u00f3gico \u00e9tico o responsable, ha creado un marco de \u00e9tica digital y lo ha aplicado a la inteligencia artificial.\u00a0Este marco crea una lista de verificaci\u00f3n de IA responsable que determina el impacto \u00e9tico de un proyecto, ya sea que se centre en la integridad de los datos, la privacidad, el sesgo o el impacto humano.<\/span><\/p>\n

El futuro de la IA en la asistencia sanitaria<\/span><\/h3>\n

La IA va a desempe\u00f1ar un papel fundamental en el sector de la salud a medida que se acelera a un entorno cada vez m\u00e1s virtual.<\/span><\/p>\n

El cambio a la atenci\u00f3n virtual se ha visto acelerado por la pandemia, que ha creado esta enorme explosi\u00f3n de datos.\u00a0Pero, se puede hacer m\u00e1s para recopilar informaci\u00f3n e impulsar un cambio significativo utilizando IA, ML y an\u00e1lisis, para ponerse al d\u00eda con esta explosi\u00f3n de datos.<\/span><\/p>\n

\u201cLa inteligencia artificial y la anal\u00edtica presentan una gran oportunidad para una mejor atenci\u00f3n al paciente, una mayor eficiencia interna y un descubrimiento de tratamientos m\u00e1s preciso.\u00a0Solo necesitamos aprovechar estas tecnolog\u00edas, sin olvidar la importancia de la \u00e9tica y el cumplimiento \u201d, agrega Sethi.<\/span><\/p>\n

Fuente:<\/p>\n

Ismail, N. (2021, 22 junio). How AI is helping improve the healthcare experience \u2014 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\/<\/p>\n","protected":false},"excerpt":{"rendered":"

La cantidad de datos estructurados y no estructurados que se generan dentro de la atenci\u00f3n m\u00e9dica ha aumentado significativamente debido a factores como el envejecimiento de la poblaci\u00f3n y el aumento de la telesalud (consultas virtuales) como m\u00e9todo para brindar atenci\u00f3n m\u00e9dica.\u00a0Esto solo ha aumentado durante la pandemia.<\/p>\n","protected":false},"author":1,"featured_media":23315,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[361],"tags":[],"class_list":["post-23314","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia"],"_links":{"self":[{"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/posts\/23314"}],"collection":[{"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/comments?post=23314"}],"version-history":[{"count":2,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/posts\/23314\/revisions"}],"predecessor-version":[{"id":23317,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/posts\/23314\/revisions\/23317"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/media\/23315"}],"wp:attachment":[{"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/media?parent=23314"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/categories?post=23314"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/tags?post=23314"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}