Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
Introducción
La inteligencia artificial (IA) es una disciplina que ha experimentado un desarrollo acelerado en los últimos años. John McCarthy acuñó el término en 1955, definiéndola como "la ciencia y la ingeniería de crear máquinas inteligentes" 1. La IA utiliza tecnología informática para investigar y desarrollar métodos, técnicas y sistemas de aplicación para la simulación, extensión y expansión de la inteligencia humana 2. En los últimos años, el desarrollo de la IA ha despertado gran interés con la implementación de nuevos modelos y aplicaciones prácticas. Además, la IA ha sido usada ampliamente en diversos campos y desempeña un papel importante en las mejoras técnicas. La combinación de IA y medicina, ha demostrado ser especialmente prometedora y ha cambiado el modelo médico tradicional 3. Por ejemplo, el diagnóstico de un paciente basado en exámenes radiológicos, patológicos, endoscópicos, ultrasonográficos y bioquímicos se ha promovido eficazmente con una mayor precisión y una menor carga de trabajo humano 4)(9. Los tratamientos médicos durante el período perioperatorio, incluida la preparación preoperatoria, el período quirúrgico y el período de recuperación posoperatoria, se han mejorado significativamente con resultados quirúrgicos superiores 10)(13. Además, la tecnología basada en IA también ha desempeñado un papel crucial en la producción de medicamentos, la gestión médica y la educación médica, llevándolos hacia una nueva dirección 14)(17.
La necesidad de implementar dispositivos digitales avanzados se ha convertido en un requisito para ofrecer una mayor satisfacción de los pacientes, permitiendo el seguimiento, la verificación del estado de salud y una mejor adherencia a los medicamentos 18. Las tecnologías de salud digital incluyen tecnología de la información sanitaria, dispositivos portátiles, telesalud, telemedicina, dispositivos móviles de internet, medicina personalizada, entre otros 19. Estas tecnologías han ayudado a la detección temprana de enfermedades mortales y al manejo remoto de enfermedades crónicas, siguiendo un método novedoso para monitorear la adherencia al tratamiento 20.
Las nuevas herramientas digitales desarrolladas con IA ofrecen a los proveedores de atención médica una visión más amplia de la salud de los pacientes al permitirles acceder a una gran cantidad de información en muy poco tiempo. En este contexto aparecen oportunidades reales para mejorar los resultados terapéuticos de la medicina moderna a la vez que surgen nuevos desafíos. El objetivo de esta revisión es describir las principales aplicaciones, oportunidades y desafíos de la IA en medicina brindando una perspectiva del contexto actual.
Materiales y métodos
Se realizó una revisión narrativa de la literatura, identificando la información más actualizada y relevante acerca del tema de estudio para responder a la siguiente pregunta de investigación: ¿cuáles son las aplicaciones, oportunidades y desafíos de implementar la IA en medicina? Para ello se realizó una búsqueda bibliográfica en las bases de datos electrónicas PubMed, Scopus y SciELO, desde enero de 2019 a marzo de 2024, tanto en inglés como en español, incluyendo las palabras claves: aplicación, oportunidades, desafíos, inteligencia artificial y medicina, así como sus respectivas traducciones y variaciones. Para combinar estos términos, se empleó AND como operador booleano. También, se realizó una revisión manual de las referencias bibliográficas de los artículos seleccionados. En total se seleccionaron 75 artículos, mismos que constan en las referencias bibliográficas del manuscrito, y fueron agrupados en las siguientes categorías: aplicaciones, oportunidades y desafíos, tal y como se muestra en la figura 1. Entre estos se incluyeron revisiones sistemáticas y no sistemáticas de la literatura, scoping reviews, artículos originales y capítulos de libros; mismos publicados en revistas de alto impacto y de gran aporte sobre el tema desarrollado. Los autores evaluaron la calidad metodológica de los estudios de forma independiente; las discrepancias se discutieron y resolvieron en conjunto. Se excluyeron artículos duplicados, trabajos científicos poco claros, aquellos de bajo rigor científico y literatura gris.
Resultados
1. Aplicaciones
La implementación de la IA y las tecnologías digitales avanzadas ha desplegado una amplia gama de oportunidades en el sector de la salud 21. A continuación, se describen las aplicaciones actuales y los beneficios derivados de la adopción de la IA en este campo.
1.1 Recopilación de información, asistencia médica y comunicación
La IA ha mejorado y agilizado los procesos de recopilación de información médica, la transcripción de conversaciones médico-paciente y el análisis de los registros médicos electrónicos (RMEs) generados a partir de la interacción directa con el paciente y el procesamiento del lenguaje natural 22)(23)(24)(25. Los RMEs incluyen información sensible acerca del estado de salud del paciente, incluyendo sus antecedentes personales y familiares, diagnósticos, exámenes complementarios, tratamientos, entre otros. Una vez recopilados, éstos son almacenados, procesados y analizados por la IA en dependencia de las necesidades del paciente y el médico (ver Figura No. 1) 26)(27. Pero aún más importante, éstos registros son la base para el desarrollo de la investigación basada en IA, entre los que figuran la optimización y personalización de los tratamientos médicos, descubrimiento de nuevos medicamentos y terapias, diseño de modelos predictivos de riesgo o enfermedad, entre otros 26.
Por otro lado, estas herramientas facilitan la comunicación e interacción médico-paciente en entornos multilingües, mediante la traducción automática de documentos médicos, notas clínicas y entrevistas en tiempo real 25)(28. Además, proporcionan asistencia al paciente al responder consultas sobre salud, lo que mejora la accesibilidad a la información médica, facilita la identificación y comprensión del motivo de consulta o del estado actual de salud del paciente, y el encuentro entre éste y el proveedor de atención médica 25)(29. Sin embargo, el análisis de los casos clínico-quirúrgicos complejos y del lenguaje no verbal son las potenciales limitaciones de la IA en este aspecto 22. En consecuencia, se requiere de la revisión y corrección del contenido generado por parte del personal médico para garantizar una atención integral, precisa, de calidad y calidez.
1.2 Diagnóstico asistido y estudios complementarios
Durante la exploración física, la IA mejora significativamente la precisión del diagnóstico y compensa habilidades auscultatorias deficientes 30)(31. Estas tecnologías permiten detectar sonidos cardíacos y pulmonares patológicos, así como la identificación de patrones característicos para enfermedades como el Parkinson y la COVID-19 23)(32. Además, la IA posibilita la evaluación precisa de las lesiones dermatológicas 24)(32)(33. El análisis de estos datos, junto con otros como imágenes médicas, estudios de laboratorio y registros médicos electrónicos previos, proporciona al médico un amplio abanico de potenciales diagnósticos diferenciales mediante el uso de algoritmos de aprendizaje automático, mismos que detectan automáticamente enfermedades y las clasifican 24)(29)(34)(35. También, las herramientas de IA facilitan la comprensión y apoyan la discusión de diagnósticos clínicos y quirúrgicos complejos 24)(25)(32. Se ha observado que su rendimiento es comparable con el de los médicos especializados y supera a aquellos con menos experiencia 36)(37. No obstante, se requieren más estudios o ensayos prospectivos sobre el tema 38. La integración de la IA en la atención médica no solo agiliza el proceso y mejora la precisión del diagnóstico, sino que también mejora los resultados médicos, optimiza el flujo de trabajo y reduce la carga procedimental 29)(34)(39.
Otro aspecto importante es que los algoritmos de IA pueden analizar e interpretar resultados de exámenes de laboratorio (p.ej.: sangre, orina, líquido cefalorraquídeo, etc.), e identificar patrones y alteraciones sugestivas de ciertas enfermedades o condiciones médicas 35)(40)(41)(42. Asimismo, estos modelos han permitido evaluar con precisión datos moleculares complejos en aras de facilitar el diagnóstico y manejo de trastornos genómicos 43. La IA puede predecir resultados en función de exámenes de laboratorio previos y recomendar pruebas de laboratorio sensibles y específicas en función de los síntomas y signos del paciente, su historial médico y factores de riesgo 40)(41)(42. A su vez, pueden monitorear de forma continua los resultados de los exámenes de laboratorio, detectando cambios significativos y facilitando el seguimiento de la evolución de la enfermedad 42.
En cuanto a la aplicación de la IA en patología estructural, ésta ha permitido clasificar de forma precisa imágenes de neoplasias prostáticas, dermatológicas y ginecológicas mediante la identificación de patrones morfológicos específicos 23)(24)(32)(39. De la misma forma, en el ámbito de la radiología, la IA ha demostrado ser altamente efectiva en la clasificación de nódulos pulmonares, tiroideos y lesiones tumorales, así como en el diagnóstico temprano de diversas enfermedades (p.ej.: afecciones retinianas, cánceres gastrointestinales y mamarios, eventos cerebrovasculares, enfermedades neurológicas, artritis reumatoide, etc.) 23)(24)(32)(33)(34)(39)(44. Estas herramientas facilitan la generación de informes, planificación de seguimiento, almacenamiento de datos y adquisición de imágenes. En adición, ofrecen recomendaciones personalizadas para su aplicación clínica y quirúrgica 24)(25)(33. Todo esto se lleva a cabo mediante el empleo de algoritmos de aprendizaje profundo y el procesamiento de imágenes médicas y datos multimedia 28)(33.
1.3 Tratamiento personalizado, evolución y pronóstico
La IA ha mejorado los resultados del paciente y la experiencia global de la atención médica al desarrollar planes de tratamiento precisos y personalizados mediante el análisis de datos genómicos y fenotípicos para diversas enfermedades 24. Los algoritmos de IA tienen la capacidad de identificar las variaciones genéticas asociadas a la enfermedad, predecir los resultados del paciente y adaptar las principales opciones de tratamiento 23)(25)(39. Además, las herramientas de IA se utilizan en tiempo real o de forma retoma para planificar intervenciones clínicas y quirúrgicas complejas, monitorear los datos de salud del paciente, predecir posibles eventos adversos, llevar a cabo procedimientos mínimamente invasivos, y brindar asistencia en la recuperación y rehabilitación del paciente en el período postoperatorio 10)(11)(12)(13)(22)(25)(39)(45. También, la IA puede prever con precisión el riesgo de desarrollar ciertas enfermedades, su evolución y pronóstico mediante el análisis de big data y el uso de modelos predictivos 23)(34)(35. De la misma forma, la IA también ayuda a los médicos a tomar decisiones informadas acerca del cuidado del paciente, su manejo y tratamiento, lo que contribuye a una atención médica más efectiva, personalizada y segura 35)(46. Incluso, se ha usado la IA para la vídeo-vigilancia del paciente 28.
1.4 Investigación médica y desarrollo de nuevos fármacos
En materia de investigación, la IA ha revolucionado el análisis de big data y la identificación de patrones predictivos, al mismo tiempo ha acelerado el reclutamiento de pacientes, mejorado los procesos de selección, diagnóstico y tratamiento asistidos, y la estratificación de los riesgos 23)(24)(39)(47. Asimismo, la IA ha facilitado el intercambio de datos médicos entre diferentes instituciones, lo que ha acelerado los avances en salud pública al generar evidencia sobre la seguridad y efectividad de las intervenciones médicas 28)(48)(49. También, ha proporcionado un apoyo sólido a los investigadores, al facilitar la búsqueda de información, identificación de barreras y facilitadores, análisis de datos, generación de hipótesis, redacción científica, traducción, evaluación objetiva, entre otros 25)(29. Además de eso, la IA ha sido aplicada en la predicción, detección, clasificación, control y prevención de emergencias sanitarias, empleando técnicas de aprendizaje automático y profundo 23)(24)(34. El manejo de la pandemia por la COVID-19 constituye un claro ejemplo de la eficacia de la IA aplicada en este campo.
Por su parte, tanto la industria farmacéutica como biotecnológica han desarrollado modelos que han simplificado y acelerado el diseño, clasificación y predicción de las propiedades, interacciones fármaco-receptor y las reacciones de los compuestos farmacológicos más efectivos 22)(24. Estas herramientas innovadoras no solo han agilizado los ensayos clínicos y reducido los costos asociados a la investigación, sino que también han abierto el camino para el desarrollo de nuevos fármacos 24.
1.5 Gestión y calidad de los servicios de atención
La aplicación de la IA ha trasformado significativamente la tradicional forma gestión hospitalaria, al aprovechar el uso de tecnologías de automatización, optimización, entre otras 22)(29. Se han implementado modelos predictivos para anticipar tiempos de espera y complicaciones intrahospitalarias (p.ej.: sepsis, infecciones respiratorias, depresión, etc.), reducir los tiempos hospitalización y la tasa de mortalidad intrahospitalaria, optimizar los recursos, aumentar la eficiencia de los servicios y prever tasas de readmisión 22)(23)(29)(39. Además, la IA ha mejorado notablemente la generación de expediente clínicos, la integración y normalización de datos, la detección de reclamos fraudulentos y la reducción de costos operativos 24)(28.
1.6 Educación médica y formación continua
Se han empleado sistemas basados en IA para mejorar la experiencia y complementar el aprendizaje y formación continua de los estudiantes de medicina de pregrado y postgrado, a través de la tutoría inteligente y entornos de aprendizaje virtual inmersivos e interactivos 50)(51)(52)(53)(54. De tal forma, la IA ha ayudado a los estudiantes a reconocer y diagnosticar diversas enfermedades y condiciones, así como predecir resultados, optimizar planes de tratamiento, identificar posibles complicaciones, tomar decisiones clínicas y mejorar sus habilidades quirúrgicas 51)(52)(53. Sumado a eso, se ha usado IA en la evaluación objetiva del aprendizaje y planes de estudios 50)(53.
Conocido esto, tras la incorporación de la IA; pacientes, personal de salud, instituciones de salud y el sector de la salud en general han experimentado notables beneficios, con perspectivas prometedoras para el futuro 34)(55. Las herramientas de IA han introducido soluciones innovadoras y relevantes, mejorando la calidad de la atención a los usuarios, la comunicación y la interacción en entornos médicos multilingües, y acelerado el proceso de diagnóstico, tratamiento e investigación 25)(28)(29)(34.
2. Oportunidades
Se espera que, a medida que aumente el volumen de los datos y se desarrollen nuevas metodologías y enfoques de aprendizaje, las herramientas de IA sean cada vez más precisas 56. Pues, su implementación promete mejorar significativamente la calidad de la atención, reducir los costos médicos y agilizar el trabajo en todas las áreas de especialidad y servicios de atención 21. Estas tecnologías también realizarán tareas administrativas y operacionales rutinarias con solvencia, sin asistencia humana 21. Por consiguiente, se prevé que, en el futuro, el aprendizaje automático y asistencia automatizada serán parte integral de las instituciones de atención médica 57. Aunque se ha planteado que la IA podría superar a los médicos expertos, estas herramientas son y seguirán siendo un complemento en la práctica médica diaria 58)(59. De la misma forma, la IA transformará completamente los sistemas de educación médica a través del aprendizaje activo e individualizado, y la asistencia en escritura e investigación 60)(61; siendo imperativo integrarla cuidadosamente desde ahora 60. Además, la evolución de estas tecnologías generará nuevos empleos en materia de desarrollo de software, gestión de datos y atención al paciente 56.
Por otro lado, es importante destacar que el paciente podrá participar activamente en el proceso diagnóstico y terapéutico de la enfermedad, así como explorar opciones nuevas y personalizadas de tratamiento, y seguir de forma informada e independiente su evolución. Además, la integración de datos fisiológicos, psicológicos, conductuales y ambientales al análisis clínico permitirá comprender de forma holística la condición del paciente y personalizar su tratamiento 56. También, se cree que estas herramientas impulsarán la investigación en salud pública y proporcionarán apoyo en la identificación de poblaciones de riesgo, promoción de la salud, así como en la predicción, prevención, vigilancia, manejo de enfermedades y evaluación de resultados 21)(62. Asimismo, facilitarán la toma de decisiones basada en la evidencia mediante revisiones sistemáticas y automatizadas de la literatura médica en tiempo real 62. Por último, el desarrollo de nuevos medicamentos se verá beneficiado con la incorporación de conocimientos sobre biología y química en los modelos de IA 56. Es así que, conforme estas tecnologías maduren y surjan nuevas formas de IA, aparecerán oportunidades que transformarán la medicina tradicional 59.
3. Desafíos
Aunque podemos predecir un futuro optimista para la IA en el ámbito sanitario, donde sus capacidades y posibilidades son prácticamente ilimitadas, también debemos ser conscientes de los desafíos y problemas que presenta su integración en la atención médica. La diversidad de los entornos y situaciones sanitarias combinados con una tecnología puramente mecánica basada en el aprendizaje automático puede generar ciertas dificultades 28. Los desafíos de la IA en el sector de la salud están relacionados con los siguientes aspectos:
3.1 Desafíos en precisión y confiabilidad
La complejidad de la atención médica, con sus múltiples variables ambientales y situacionales, dificulta la aplicación de la IA en el diagnóstico y tratamiento de enfermedades. Estos factores, a menudo no digitalizados o demasiado complejos para codificarse, son cruciales para una atención precisa y personalizada. La falta de información contextual en los datos de entrenamiento de la IA limita la validez y aplicabilidad de sus decisiones, dificultando que el personal médico las comprenda y justifique. La IA aún no puede reemplazar el juicio humano en la toma de decisiones médicas, ya que su enfoque se basa en los datos existentes y no en las particularidades de cada caso 25)(28. La escasez de datos de alta calidad para el entrenamiento y la evaluación de los modelos de IA puede producir sesgos, predicciones y diagnósticos inexactos. Los algoritmos de IA pueden estar sesgados si los datos utilizados para entrenarlos no son representativos de la población objetivo. La inversión en investigación y desarrollo de algoritmos más transparentes, junto con la implementación de mecanismos de control y supervisión, son claves para superar estos obstáculos 63.
3.2 Desafíos éticos y de privacidad
Es importante tener presente que la IA puede cometer errores en ciertas situaciones debido a que su toma de decisiones se basa en predicciones probabilísticas. Por lo tanto, requiere un cumplimiento estricto de las leyes, regulaciones y reglas claras sobre quién es responsable legalmente en casos en los que la IA falle o cause daños 64. El juicio clínico siempre ha sido dominio de profesionales de la salud capacitados y certificados. Sin embargo, el mayor uso de sistemas de apoyo a las decisiones de IA para ayudar con las tareas clínicas puede afectar la responsabilidad profesional de los proveedores de atención médica hacia sus pacientes 65. Además, para que los modelos de IA funcionen de manera efectiva, se necesitará una gran cantidad de datos, lo que puede generar preocupaciones sobre la privacidad y la seguridad de quienes proporcionan esos datos, tanto en médicos como en pacientes 66)(67. La implementación de la IA en el área de la salud enfrenta grandes retos en la gestión de datos, la seguridad técnica y la aprobación ética. Por lo tanto, es crucial garantizar cuestiones de privacidad, responsabilidad, derechos de propiedad intelectual, transparencia, supervisión humana, la no discriminación, la equidad, el bienestar social y la accesibilidad económica en el uso de la IA en la atención médica 68. No obstante, la falta de uniformidad en los sistemas de atención médica entre países, regiones y hospitales dificulta la recopilación de datos y por tanto la regulación legal y ética de estos sistemas 33)(69.
3.3 Desafíos tecnológicos
La transición de las arquitecturas informáticas tradicionales a las de IA presenta desafíos tecnológicos considerables. La implementación de la IA a gran escala exige una infraestructura robusta y escalable que pueda soportar la carga computacional y de datos. Además, la integración de la IA con los sistemas informáticos existentes puede ser complicada y requerir soluciones personalizadas. Los nuevos procesadores para IA ofrecen mayor potencia y eficiencia, pero también requieren cambios en la infraestructura informática tradicional 57. Sin embargo, implementar estas infraestructuras y almacenamientos puede resultar complejo y costoso para organizaciones con recursos limitados 70. Por otro lado, la baja familiaridad con la tecnología digital entre algunos profesionales de la salud, como médicos, enfermeras, auxiliares de enfermería, etc., puede ser un obstáculo para la adopción de la IA en la atención médica. Los profesionales de la salud pueden mostrarse reacios a utilizar nuevas tecnologías como la IA. La curva de aprendizaje para las herramientas de IA puede ser mayor, dificultosa y abrumadora para algunos usuarios, especialmente para aquellos que no están familiarizados con las tecnologías digitales 21 . Los estudiantes de medicina profesionales de la salud pueden no ser capaces de utilizar las herramientas de IA de manera efectiva si no tienen la formación, habilidades y conocimientos necesarios para la implementación de esta en entornos médicos 54)(58)(71. Por tanto, es necesario que las escuelas de medicina enseñen a los futuros médicos las habilidades necesarias para trabajar, gestionar e interactuar con la IA 53)(72, solo de esta forma se mejorará y asegurará la calidad de atención al paciente 54.
3.4 Desafíos económicos, de sostenibilidad y equidad
Los nuevos avances en hardware y técnicas de entrenamiento han creado redes neuronales más grandes y precisas con avances notables en la precisión de diversas tareas de procesamiento del lenguaje. Sin embargo, su precisión depende de recursos computacionales considerables, que a su vez demandan un consumo de energía significativo. Como consecuencia, el entrenamiento y desarrollo de estos modelos es costoso, tanto en términos financieros (por el hardware, la electricidad o el tiempo de computación en la nube) como ambientales (por la huella de carbono del hardware de procesamiento) 73. El alto costo de los modelos podría limitar el acceso a esta tecnología por lo que se necesitan soluciones para hacer que la IA sea más sostenible y accesible. Así también, la implementación de la IA en la atención médica en países de altos ingresos representa un desafío para los países de bajos y medianos ingresos (PIBM). Los datos utilizados para desarrollar la IA en países de altos ingresos no reflejan el contexto de los PIBM, lo que genera sesgos en los modelos predictivos. Este sesgo amenaza la promesa de la IA de democratizar los servicios de salud. Los sistemas de IA se entrenan con datos específicos del contexto en el que se desarrollan por lo que la implementación de la IA creada en países de altos ingresos y aplicada en PIBM puede generar resultados erróneos debido a las diferencias en los sistemas de salud, la epidemiología y los factores socioeconómicos 74. La construcción de herramientas de apoyo a la toma de decisiones para la atención primaria con datos erróneos puede generar resultados inexactos y perjudicar a los pacientes. El desarrollo aventajado de la IA en países de altos ingresos puede concentrar los recursos y el poder de decisión en un grupo limitado, aumentando la inequidad en el acceso a la atención médica 75.
Conclusión
La integración de IA en medicina ha generado un cambio significativo en la forma en que se brinda atención médica. Se ha implementado en una variedad de situaciones médicas, desde el diagnóstico de enfermedades hasta la gestión de datos y la investigación farmacéutica. La capacidad de la IA para mejorar la precisión del diagnóstico, personalizar el tratamiento y optimizar la gestión de recursos ha sido fundamental para su adopción en el campo de la salud. Sin embargo, junto con los beneficios, también surgen desafíos a tener en cuenta. La precisión y confiabilidad de los algoritmos de IA, la ética y la privacidad de los datos, los desafíos tecnológicos y los problemas de costos y equidad son áreas que requieren atención y soluciones. Es esencial abordar estos desafíos para garantizar que la IA se usada de manera responsable y equitativa.
A medida que la IA continúe desarrollándose y expandiéndose en la medicina, es crucial mantener un enfoque centrado en el paciente y garantizar que estas tecnologías se utilicen para mejorar los resultados en salud y promover la equidad en el acceso a la atención médica. La colaboración entre profesionales de la salud, investigadores, entidades reguladoras y desarrolladores de tecnología será fundamental para enfrentar estos desafíos y aprovechar todo el potencial de la IA en beneficio de la salud humana.
