"Bien entrenados, los chatbots ayudan a combatir la desinformación"

No hay un ámbito de la asistencia sanitaria que esté quedando al margen . Carlos Mateos , coordinador del Instituto #SaludsinBulos y vicepresidente de la Asociación de Innovadores en eSalud , valora que " la inteligencia artificial (IA) generativa está transformando la asistencia sanitaria y la investigación como ninguna otra tecnología en el pasado, con un impacto en nuestra vida mucho mayor al que supuso la llegada de internet y el teléfono móvil, y de una manera más rápida ".

Explica que está ayudando en la toma de decisiones diagnósticas y de tratamiento en una mayor precisión e individualización, en todos los campos, aunque hay especialidades en las que se ha adoptado más que en otras. " Igualmente en la investigación clínica, en la gestión, en el automanejo de la enfermedad y en la comunicación con el paciente ", matiza. Advierte de que " la IA generativa también representa amenazas "; como la desinformación originada por los deep fakes , vídeos que parecen reales pero están generados por IA , la confidencialidad de los datos de los pacientes , y los sesgos, derivados de los intereses de los creadores de estos sistemas que se reflejan en la orientación que dan a sus respuestas, así como en los datos con los que son entrenados, que muchas veces no son inclusivos. En el ámbito de la desinformación pueden representar una oportunidad, " ya que, bien entrenados, los chatbots ayudan a combatir la desinformación , puesto que no sólo informan sino que educan y motivan en hábitos saludables ".

Destaca que ya hay mucha evidencia sobre cómo diferentes modelos de IA pueden ofrecer criterios diagnósticos con mayor nivel de acierto que el clínico más experimentado. Explica que, en imagen médica, hace muchos años que lleva utilizándose con éxito para el diagnóstico diferencial. En otros ámbitos, ha ido imponiéndose, tanto incorporado en el software de la máquina diagnóstica como en el procesamiento de toda la información contenida en el historial clínico. Del mismo modo, en la medicina de precisión, se ha avanzado en la última década con modelos predictivos sobre las posibilidades de efectividad de fármacos antitumorales. " En muchos hospitales, ya trabajan con gemelos digitales para predecir el resultado de un tratamiento en base a copias digitales pormenorizadas de un individuo. Sin embargo, el cambio más rápido y profundo ha sido el de los grandes modelos basados en el lenguaje natural, como ChatGPT, al que han seguido otros como Gemini, Copilot, Claude, etcétera. Todos estos chatbots inteligentes están siendo utilizados para la orientación al diagnóstico y tratamiento, aunque han surgido miles específicos de salud ", afirma.

En el Hackathon Salud , un concurso de innovación para profesionales sanitarios que organizan con la plataforma ITEMAS , tuvieron varios retos en los que animaban a presentar proyectos basados en chatbots de salud y se presentaron decenas de iniciativas cocreadas por profesionales sanitarios para todo tipo de especialidades. Recuerda que, sea con chatbots o con otros sistemas, " el profesional sanitario tendrá la última palabra, pero en poco tiempo será considerada una negligencia cualquier diagnóstico o tratamiento que no incorpore la IA ".

¿Qué usos prácticos tiene la IA generativa en la generación de informes clínicos, resúmenes de historias clínicas o diagnósticos iniciales? Responde que uno de los que más éxito está teniendo es el de la traslación de la conversación con el paciente en el historial clínico uniendo la IA generativa y el Procesamiento del Lenguaje Natural, de modo que el lenguaje hablado queda convertido en lenguaje médico, con independencia de los giros lingüísticos del paciente e incluso de su idioma, y, además, se ofrece una orientación de diagnóstico y tratamiento que el profesional sanitario puede aceptar o no. En el citado Hackathon Salud, uno de los proyectos ganadores fue precisamente un sistema de este tipo en fisioterapia. Al parecer de Mateos, " esto no sólo ayuda al médico a reducir el margen de error y mejorar su diagnóstico y tratamiento, sino que favorece la comunicación con el paciente, que se fideliza más al sentirse escuchado ".

En planificación quirúrgica , la IA procesa imágenes médicas (como tomografías computarizadas o resonancias magnéticas) para crear modelos 3D precisos del área quirúrgica. " Esto ayuda a los cirujanos a planificar mejor las incisiones y el acceso a tejidos específicos, con una simulación de resultados y de complicaciones posteriores ", manifiesta el coordinador del Instituto #SaludsinBulos. Ya hay empresas, como la española Cella , que están logrando " algo impensable hasta hace poco tiempo " y es que, por ejemplo, desde nuestro país se pueda planificar una cirugía muy compleja de separación de siamesas en Arabia Saudí o hacer impresiones 3D de tejidos blandos. Cirujanos del Hospital La Luz han operado por primera vez un tumor con gafas de realidad aumentada. Asevera que " eso no sería posible sin una IA que recoja toda la información del paciente y la actualice en tiempo real ".

Se está incorporando la IA a los dispositivos robóticos , básicamente para ser " más seguros, eficientes y autónomos ", en todo el proceso quirúrgico, desde la planificación a la operación y el postoperatorio. En la propia cirugía, " la visión computerizada identifica tejidos, órganos o vasos sanguíneos en tiempo real y adapta la planificación quirúrgica, incluso corrigiendo errores derivados de temblores o movimientos imprecisos del cirujano ". Hay ya procedimientos que se pueden realizar de manera automática, como suturas. El aprendizaje no solo es en tiempo real sino de cirugías previas. Da Vinci, como otros robots, puede aprender de miles de procedimientos y mejorar su capacidad para manejar situaciones complejas. Aparte de esto, permite la colaboración entre equipos situados a miles de kilómetros.

Por otro lado, en el desarrollo de fármacos , la IA permite analizar grandes bases de datos biológicas y químicas para identificar moléculas prometedoras más rápidamente. Insilico Medicine y Atomwise han desarrollado fármacos candidatos en meses, un proceso que tradicionalmente toma años. Modelos de machine learning predicen propiedades farmacológicas, como afinidad con proteínas diana, toxicidad y biodisponibilidad. Las redes neuronales generativas (como GANs) generan estructuras moleculares innovadoras que aceleran el diseño de nuevos compuestos. Del mismo modo, " se analizan medicamentos ya aprobados para identificar nuevas indicaciones, reduciendo el tiempo y coste del desarrollo, como ocurrió en la pandemia ". Y herramientas como AlphaFold mejoran la predicción de estructuras proteicas, facilitando la identificación de interacciones moleculares clave.

Mateos expone que, en los ensayos clínicos , algoritmos de IA analizan datos de historias clínicas electrónicas y datos genómicos para seleccionar participantes con perfiles más adecuados, mejorando la eficacia de los ensayos. Herramientas de procesamiento de lenguaje natural extraen y analizan datos no estructurados de informes médicos y publicaciones científicas para encontrar patrones relevantes. Y sistemas de cruce de consultas sobre datos, lo que se llama datos federados, están permitiendo investigaciones multicéntricas sin tener que compartir información confidencial.

En logística , " la IA optimiza el abastecimiento y la distribución de medicamentos, reduciendo desperdicios y asegurando la disponibilidad en áreas críticas. Ya se emplea en hospitales, farmacias y distribución ".

Hace más de una década que existen herramientas basadas en IA de monitorización continua de pacientes crónicos , como los diabéticos e hipertensos, y en el ámbito del ejercicio físico. Mateos comenta que los sensores adheridos a la ropa y los relojes inteligentes están ayudando al diagnóstico de patologías y la predicción de crisis, con sistemas que analizan millones de datos, no sólo del usuario sino de todos los otros miles conectados en todo el mundo. " Lo que ha cambiado es la democratización del acceso a la IA. Antes sólo los ingenieros podían desarrollar sistemas de este tipo y ahora casi cualquiera puede crear un programa que ayude a la prevención y el diagnóstico ", dice. En el Hackathon Salud que acaban de organizar, uno de los ganadores fue un equipo de cardiólogos del Hospital Clínico de Madrid que ha ideado un reloj inteligente que monitoriza la insuficiencia cardiaca. Aún es poco más que un proyecto, pero ya no necesitan recurrir a tecnologías costosas para su desarrollo.

En resumen, " la propia asistencia sanitaria va a cambiar hacia un modelo mucho más preventivo, ya lo está haciendo ". Si los pacientes están accediendo a información detallada e individualizada sobre su patología y pueden ser telemonitorizados de manera continua, el centro sanitario será cada vez más un lugar para atención de procesos agudos y hospitalización cuando no pueda realizarse desde el hogar. Eso implica un modelo basado en la prevención de la salud en lugar de uno basado en la atención a la enfermedad.