Tras un paro cardíaco, las familias y los médicos suelen enfrentarse a una incertidumbre abrumadora. Una nueva investigación de Duke-NUS muestra cómo la IA puede afinar las predicciones y apoyar la atención en hospitales con recursos limitados, mientras expertos internacionales presionan para establecer medidas de seguridad sólidas para mantener la seguridad de los pacientes.
En hospitales con pocos especialistas y equipamiento limitado, los médicos que atienden a alguien después de un paro cardíaco a menudo deben tomar decisiones de vida o muerte con poco más que la experiencia y la esperanza de poder guiarlos.
Una nueva investigación dirigida por la Facultad de Medicina Duke-NUS en Singapur sugiere que la inteligencia artificial podría cambiar eso, ayudando a los médicos en entornos con recursos limitados a predecir mejor qué pacientes tienen probabilidades de recuperarse y cuál es la mejor manera de concentrar los escasos recursos médicos.
En un estudio publicado in npj medicina digitalLos investigadores de Duke-NUS y sus colaboradores demostraron que un modelo avanzado de IA desarrollado originalmente en Japón podría adaptarse con éxito para su uso en Vietnam, donde los hospitales tienen muchos menos datos e infraestructura.
El equipo utilizó una técnica llamada aprendizaje por transferencia, que toma un modelo entrenado con un conjunto de datos muy grande y lo ajusta para un nuevo entorno con muchos menos datos locales. Este enfoque es especialmente prometedor para países de ingresos bajos y medios, donde desarrollar herramientas de IA potentes desde cero suele ser imposible.
El modelo original de predicción de recuperación cerebral se entrenó con datos de 46,918 pacientes con paro cardíaco extrahospitalario en Japón. Posteriormente, el equipo de Duke-NUS lo adaptó a un hospital vietnamita y lo probó en un grupo mucho más pequeño de 243 pacientes.
Una vez adaptada, la herramienta de IA logró separar correctamente a los pacientes de alto riesgo de los de bajo riesgo en aproximadamente el 80 % de los casos. En cambio, cuando el modelo japonés original se utilizó en Vietnam sin adaptación, su precisión fue solo del 46 %.
Los hallazgos muestran que los sistemas de salud no necesitan empezar desde cero para beneficiarse de la IA, señaló el autor principal. Liu Nan, profesor asociado en el Centro de Ciencias de Datos Biomédicos de Duke-NUS y director de la Iniciativa de Inteligencia Artificial + Ciencias Médicas de Duke-NUS.
"El estudio Muestra que los modelos de IA no necesitan reconstruirse desde cero para cada nueva configuración. "Al adaptar las herramientas existentes de forma segura y eficaz, el aprendizaje por transferencia puede reducir los costos, reducir el tiempo de desarrollo y ayudar a extender los beneficios de la IA a los sistemas de atención médica con menos recursos", afirmó Liu en un comunicado de prensa.
Para las familias y los profesionales sanitarios, una predicción más precisa tras un paro cardíaco puede ayudar a orientar las conversaciones difíciles sobre las opciones de tratamiento, la rehabilitación y la atención a largo plazo. En los hospitales con camas, personal y equipos limitados, una mejor predicción del riesgo también puede contribuir a un uso más justo y eficiente de los recursos.
Avances de la IA en entornos de bajos recursos
Más allá de este único ejemplo, los investigadores de Duke-NUS dicen que la IA podría respaldar muchos aspectos de la atención en entornos de bajos recursos, desde el diagnóstico hasta el triaje y la toma de decisiones clínicas.
En un estudio separado publicado en Salud de la naturalezaCientíficos de Duke-NUS y colaboradores, incluyendo colegas del University College London (UCL), examinaron cómo los grandes modelos lingüísticos (LLM) podrían impulsar la salud global. Los LLM son sistemas de IA entrenados con grandes cantidades de texto para comprender y generar lenguaje humano.
Los investigadores destacaron ejemplos reales que ya se utilizan. En Sudáfrica, un chatbot proporciona información sobre el embarazo a las futuras madres, lo que ayuda a cubrir las necesidades en lugares donde es difícil acceder a la atención presencial. En Sierra Leona, los trabajadores sanitarios comunitarios utilizan herramientas basadas en teléfonos inteligentes para detectar infecciones de malaria a partir de imágenes de frotis de sangre, lo que ofrece una alternativa más económica a los sistemas tradicionales basados en microscopios.
Sin embargo, el equipo descubrió que la mayor parte del desarrollo e implementación de la IA aún se realiza en países de ingresos altos y medianos altos. Muchos países de ingresos bajos y medianos se enfrentan a barreras básicas, como internet y electricidad deficientes, infraestructura informática limitada, escasez de especialistas en IA capacitados y escasa orientación local sobre cómo cerrar estas brechas.
El coautor Siegfried Wagner, del Instituto de Oftalmología de la UCL y del Moorfields Eye Hospital NHS Foundation Trust, enfatizó que la mayor necesidad es a menudo allí donde la IA podría tener el mayor impacto.
“Los LLM tienen la mayor oportunidad de transformar la atención médica en entornos donde los médicos especialistas son más escasos, pero la comunidad de salud global necesita trabajar en conjunto con cierta urgencia para garantizar que la implementación de los LLM tenga apoyo en las regiones donde su adopción es más difícil”, dijo en el comunicado de prensa.
El equipo de Duke-NUS argumenta que la tecnología por sí sola no es suficiente. Para que las herramientas de IA sean realmente útiles y seguras, los profesionales sanitarios y las comunidades deben comprenderlas y confiar en ellas.
Ning Yilin, investigador principal del Centro de Ciencias de Datos Biomédicos de Duke-NUS y coautor principal del artículo Salud de la naturaleza El estudio destacó que es esencial desarrollar habilidades y confianza entre el personal de primera línea.
“Fortalecer la alfabetización digital y generar confianza en el uso de estas herramientas garantizará que la IA apoye a la fuerza laboral, en lugar de interrumpirla”, afirmó. “Las vías de desarrollo de habilidades personalizadas pueden ayudar a los trabajadores con recursos limitados a adaptarse y prosperar, permitiendo que la IA mejore y agregue valor a las funciones clínicas y administrativas”.
Construyendo un consenso global sobre las barreras de seguridad de la IA
Al mismo tiempo, la rápida expansión de la IA en la medicina plantea cuestiones urgentes sobre ética, seguridad y rendición de cuentas. Las regulaciones tradicionales sobre dispositivos médicos a menudo no abordan los riesgos específicos de la IA, como la gestión de los datos de los pacientes, qué hacer cuando los modelos generan resultados incorrectos o engañosos, o quién es responsable cuando una decisión asistida por IA perjudica a un paciente.
Para abordar estos desafíos, los investigadores y socios de Duke-NUS han propuesto un consorcio internacional llamado Asociación para la Supervisión, el Liderazgo y la Responsabilidad en la Regulación de Sistemas Inteligentes-Modelos Generativos en Medicina, o POLARIS-GM.
El grupo propuesto reuniría a líderes del sector salud, reguladores, especialistas en ética y representantes de pacientes de todo el mundo para desarrollar una guía práctica para la gestión de la IA en medicina. Sus objetivos incluyen establecer las mejores prácticas para evaluar nuevas herramientas, monitorear su impacto en el mundo real, establecer medidas de seguridad y garantizar que las regulaciones sean eficaces tanto para entornos con recursos limitados como para entornos con recursos limitados.
POLARIS-GM planea comenzar revisando las investigaciones y los enfoques regulatorios existentes y luego trabajar hacia un consenso global sobre cómo supervisar la IA en la atención médica.
Jasmine Ong, de la Iniciativa de IA + Ciencias Médicas de Duke-NUS y farmacéutica clínica principal del Hospital General de Singapur, es la primera autora de un correspondencia sobre este esfuerzo publicado en Nature Medicine.
Con una supervisión clara y unas directrices bien definidas, los sistemas sanitarios pueden aprovechar con confianza las numerosas ventajas de la IA para mejorar los resultados sanitarios, evitando posibles obstáculos. Desde los responsables políticos hasta las asociaciones de pacientes, todas las partes interesadas desempeñan un papel crucial para hacer realidad este objetivo, añadió.
En conjunto, los estudios de Duke-NUS apuntan a un futuro en el que la IA puede ayudar a cerrar algunas de las brechas más persistentes en la salud global. Al adaptar modelos eficaces a nuevos entornos, apoyar a los profesionales de primera línea y construir una gobernanza sólida, los investigadores afirman que la IA podría ayudar a garantizar que el lugar de residencia de una persona o la capacidad financiera de un hospital sean menos importantes a la hora de determinar la atención que recibe.
Para los pacientes y las familias que enfrentan la incertidumbre de un paro cardíaco u otra enfermedad grave, eso podría significar respuestas más claras, una atención más consistente y, en algunos casos, una mejor posibilidad de recuperación.
Fuente: Escuela de Medicina Duke-NUS