Un buen artículo en The Guardian, «GPs use AI to boost cancer detection rates in England by 8%«, señala cómo los médicos de familia en el Reino Unido han logrado, utilizando una herramienta relativamente sencilla de inteligencia artificial que analiza la información de un paciente para reunir su historial médico, los resultados de pruebas, recetas y tratamientos, y características personales como su código postal, edad e historia familiar, mejorar la detección temprana de casos de cáncer en un 8%, y salvar gracias a ello un buen número de vidas.
El uso de algoritmos en la medicina es algo que tiene toda la lógica del mundo, pero que en muchas ocasiones se encuentra con problemas derivados de una mala interpretación del derecho a la privacidad o con procedimientos administrativos y compartimentos estancos que impiden un uso adecuado de los datos.
La herramienta que han desarrollado en el Reino Unido se denomina «C the signs« («ver las señales»), y se corresponde con el uso más desarrollado y probado de la inteligencia artificial: procesos de machine learning capaces de identificar anomalías estadísticas en la evolución de los parámetros de un paciente y compararlos con casos en los que esa anomlaía se ha correspondido con un patrón determinado. En este tipo de desarrollos no hay nada generativo, ni especialmente novedoso: es estadística aplicada, en formas en las que a un observador humano le sería simplemente imposible extraer conclusiones al tener que analizar un número elevado de variables con variaciones muchas veces dependientes entre sí.
La información médica es y debe ser, obviamente, un dato sometido al máximo nivel de protección. Pero por otro lado, los pacientes siempre están dispuestos a que esa información pueda ser sometida a niveles adicionales de análisis si con ello pueden mejorar sus expectativas de diagnóstico temprano de posibles complicaciones para su salud, bien por una simple cuestión de preservación de su propia vida, o por un sentimiento más altruista de colaborar con el desarrollo de herramientas que puedan ayudar a la sociedad en general. A partir de ahí, todo lo que sea compartimentar sistemas, aislarlos en función de barreras tecnológicas o geográficas, o impedir la comunicación, por ejemplo, entre sistemas de gestión pública y privada, es poner palos en las ruedas de un desarrollo tecnológico que no puede ser más obvio y que puede ofrecer, además, resultados prácticamente inmediatos.
Si añadimos a este tipo de sistemas, como están haciendo ya algunas compañías, la monitorización de parámetros del paciente en su día a día, como los que ofrecen sus wearables, su báscula conectada o simplemente la observación de su cara durante medio minuto para controlar de manera aproximada variables como la frecuencia cardíaca, la presión arterial, la frecuencia respiratoria o el nivel de estrés, estamos sin duda añadiendo variables a un proceso de diagnosis que puede beneficiarse en gran medida de ellas, aunque no provengan directamente de instrumental médico de la máxima precisión. Si algo hace bien la estadística es tener en cuenta los errores estándar y su distribución.
Con esto en la cabeza, es preciso entender que la detección temprana no solo evita un potencial sufrimiento del paciente, sino que además, contribuye prácticamente en todos los casos a un incremento de la eficiencia y una rebaja del coste de los tratamientos médicos, lo que debería hacer del uso de este tipo de tecnologías una opción completamente obvia.
¿Estamos viendo las señales? ¿A qué esperamos para implementar más herramientas como esa?
This article is also available in English on my Medium page, «It’s simply common sense to use AI in healthcare«
Los wearables o la observación continuada de las constantes, no aportan ninguna información relevante de salud, son gadgets y productos de Vanity Metrics, para consumo de personas con obsesion por su salud u ortorexia.
Por ejemplo, los parches medidores de glucosa, que no son pulseras, solo se usan en pacientes diabeticos. No son útiles prácticamente para nadie más.
Los algoritmos de diagnóstico, o triaje, como Apache II, Sofa y Curb-65, además de una pleyade de protocolos diagnósticos automatizados más, se utilizan desde los años 80, por ejemplo, se usaron durante el Covid en las UCIs para determinar la supervivencia de los pacientes. Se usan todos los días para desconectar máquinas de soporte vital. No son decisiones arbitrarias.
Pero no como no son material para doctores de salón, no es de dominio público.
Hay cerca de 15.000 algoritmos catalogados para diagnóstico, que se llevan usando en hojas de Excel, desde hace decadas.
The Medical Algorithms Project
Pero como son necesarios análisis clínicos y de laboratorio, no sirven nada más que de forma de metodología diagnóstica y toma de decisiones, no de oráculos médicos.
–
Por supuesto, solo estamos en el inicio de un cambio de paradigma.
Es lo que pasa con las revoluciones en medicina, a cada paso que damos, se desvelan nuevas realidades, un nuevo París ilustrado, que crece sobre la corteza pelada del anterior.
Es un Anna karenina sin cesar.
No sé a qué esperan en el consejo de RTVE para firmar el guión. O sí, que diría Germán Areta.
–
Disclaimer
El secretario de comunicación de Podemos de mi autonomía, dice que tengo voz radiofónica. No puede ser.
Desde que Boris se sentó en mi mesa a desayunar, tan seguro se sentía, un mundo de posibilidades se abre en el wardrobe.
Le dejé el periódico. No tengo tele, no sabía quién era.
–
Estuve hace muchos años en un proyecto de Tarjetas Sanitarias para las sociedades médicas, que se fue al garete por no encontrar la forma de adecuar el acceso de los médicos a los datos sanitarios de un enfermo, con las fuertes, (y justificadas), medidas de privacidad que tiene este tipo de datos,
Cuando posteriormente he visto que la Seguridad Social y Sanitas acceden sin problemas a mis datos sanitarios me pregunto cómo lo habrán hecho.
Sin embargo, aun siguen los problemas. Sanitas no puede ver los datos de la Seguridad Social y viceversa, e incluso Sanitas, no puede acceder a datos solicitados y obtenidas en otras clínicas que trabajan para ella, como el Hospital San Francisco de Asís, que no pertenec en a la red de Sanitas.
Resulta muy difícil proteger la privacidad de los datos clínicos y a la vez permitir su acceso para estudios clínicos, que por otra parte y en gran medida están basados en datos estadísticos.
Eso responde a esa hojita de papel, que te dan en cada visita medica (privada), en la que firmas la cesion de tus datos para todo su conglomerado (No para el «exterior»).
No obstante eso, tienes el derecho y ellos, la obligacion, de poder llevarte tu historial medico de una mutua (Adeslas, Sanitas, etc) para entregarlo a la SS. Previo eso si, de la firma de 20 papeles mas.
Evidentemente, el uso irracional de datos que tiene el maremagnum de la informática actual, privada o pública, tan siliconada ella, dudo mucho que tenga que ver con la Lógica que estudiaba el amigo Bertrand Russell.
Y por otro lado, sin ánimo de indicar que la entrada no tiene su típico valor, cuando una actriz se tiene que morir antes, por no tener un seguro médico… la lógica capitalista si que tiene mucho más de russelliana.
Desde luego, son noticias esperanzadoras. Es una lástima que, como bien dices, por temas administrativos y una mala interpretación de la privacidad, no puedan avanzar lo suficiente. De hecho, es una de las muchas contradicciones en las que nos encontramos. Por un lado, tenemos las redes sociales que usan nuestros datos privados de forma vergonzosa. Y, por otro lado, no somos capaces de compartir nuestros datos médicos, o el sistema está configurado para que no se puedan compartir de forma totalmente anonimizada para elaborar estudios que podrían mejorar la salud de millones de personas.
En la zona donde vivo, por ejemplo, hay una alta incidencia de cáncer y no he podido encontrar estudios o datos abiertos sobre tipos de cáncer por segmentos de edad, población, etc. Al menos, yo no sé si existen. Creo que puede haber intereses para que esto no se sepa, porque podría revelar una incidencia de una determinada enfermedad en un lugar específico y, al estudiar los datos, se podrían identificar causas como algún tipo de industria o la calidad del agua, lo que quizá no quieren que se descubra.
En este sentido, creo que hay millones de datos que se pueden anonimizar y que las empresas privadas podrían utilizar para avanzar muchísimo sin necesidad de compartir datos privados de personas. Con millones de datos digitalizados, podríamos mejorar tratamientos, diagnósticos, etc. Es una pena que estas oportunidades se vean obstaculizadas.
Has provado en Red Española de Registros de Cáncer ???
No, lo miraré, gracias
Qué zona es? Es una zona afectada por el radón o es otro el origen?
No lo se… Solo te puedo decir que, en la clase de mi hija mayor (14 niños) 3 madres menores de 40 años afectadas de cáncer de pecho, entre ellas mi mujer. Puede ser casualidad, pero me gustaría poner disponer de datos.
Lo lamento. Tienes mapas de zonas de radón por la web. Suelen sen zonas graníticas en las que el radón se acumula en estancias cerradas, y se soluciona bastante con ventilación forzada asociada a un sensor de radón, o «de flujos cruzados» con un adecuada programación (pre calienta el aire en invierno y viceversa en verano).
Mucho ánimo!
La Xunta de Galicia tiene editada una guía titulada: Radon, Guía de recomendaciones de mitigación en viviendas existentes.
Galicia es una tierra eminentemente granítica, y donde hay granito, hay emisiones de Radon. El PDF de la Guía lo puedes bajar de internet.
te dejo el enlace del SERGAS: https://igvs.xunta.gal/radon?langId=es_ES
Existe un servicio en el SERGAS que te pueden proporcionar los medidores para medir las emisiones de radon en tu vivienda. Lo mas sencillo es utilizar los filtros de carbón activo.
Los filtros de carbón activo son dispositivos compuestos por gránulos de carbono que necesitan adsorber el radón ambiental durante 48 h. El análisis de los resultados es rápido pudiendo disponer de los resultados aproximadamente unas 4-5 horas después de finalizar las medidas. Se trataría de una medida rápida y de coste moderado.
La información que nos ofrecen estos sensores pasivos es una imagen instantánea, resultado del promedio de actividad en los dos días que dura la exposición.
Normalmente el protocolo de medida que se utiliza minimiza la renovación de aire, ya que resulta necesario reducir la ventilación al máximo en los locales, con lo cual ayuda a identificar los puntos de entrada del radón en los edificios.
Este método es recomendable cuando resulta necesario saber de forma rápida a qué nivel de radón está expuesta la vivienda y también a la evaluación de la eficiencia tras una actuación de remedio.
El dinero que el uso de IA puede ahorrar en medicina es mucho, y muchos son los beneficios que esta nos puede proporcionar. Solo con pensar en gasto que se puede evitar por acudir a un servicio de urgencias, ya nos parece un buen motivo para utilizar la IA. Pensemos que hoy el coste de una urgencia no ingresada en un servicio de urgencias del SERGAS gallego asciende a 361,59 €/día y paciente, ocupar una cama por ingreso en planta cuesta 528,95€/día, mientras que una cama de UCI cuesta 1.142,47 €/día.
Un día de invierno en el que se atienden 200 urgencias elevaría el coste total a 72.318 €, y estamos hablando de un día normal. Un hospital medio con 500 camas ocupada cuesta 264.475 €/día, y una UCI de 15 camas ocupadas tiene un coste de estancia de 17.137,05€/día. Y hablamos solo de estancia.
El problema que tiene la sanidad española es que la atención primaria presta un servicio escaso e ineficiente. Hoy por ejemplo las agendas de la atención primaria en Galicia están bloqueadas en la web del SERGAS, debido a la escasez de personal para atenderlas. En condiciones normales el tiempo de espera para conseguir una cita es de 15 días, tiempo suficiente para que muchos pacientes hayan recuperado por si solos la salud.
Para el seguimiento contínuo de algunas patologías ( monitorización de la función cardiaca, de la respiratoria, de la diabetes, del sueño, etc.), los waeables suponen una gran ayuda, pues proporcionan mucha información en tiempo real que puede anunciar mediante alertas un problema que hay que resolver con urgencia, por ejemplo: una arritmia cardíaca, apneas, hipoglucemias, etc. sin necesidad de acudir a un servicio de urgencias, pero avisando de acudir de inmediato a uno de ellos.
Un dispositivo como el Kardia Mobile, que es una tarjeta que cabe en la billetera, es capaz de detectar fibrilación auricular, bradicardia, taquicardia y ritmo cardíaco normal, pudiendo enviar mediante un móvil un electrocardiograma a un médico que puede valorar el estado del paciente desde la distancia y decidir el tipo de actuación que el paciente necesita de inmediato.
Todos tenemos un historial clínico depositado en alguna parte, pero que no siempre es accesible para el médico que lo necesita para tomar una decisión, decisión que podría tomar un algoritmo considerando el historial del paciente y los datos actuales de su estado clínico.
En las UCIS hospitalarias la digitalización y optimización de los datos a través de las plataformas de monitorización permiten minimizar errores, proveer información útil en tiempo real y facilitar la toma de decisiones clínicas en entornos críticos, y esto se consigue con datos, estadística y algoritmos.
La empresa Phillips sin ir mas lejos, propone su sistema ICCA, que permitiría avanzar hacia el concepto de Smart UCI, disponiendo de la información con más detalle, más rápido y con más contexto para tomar mejores decisiones. Con ICCA, se minimizan los errores de transcripción de datos y se libera tiempo para la realización de otras tareas que aportan valor a pie de cama. Además, se permite la prescripción electrónica de forma segura a través de bibliotecas de fármacos y conexión con la farmacia hospitalaria.
Los Sistemas Expertos de las UCIS permiten predecir infartos con cuatro horas de antelación en enfermos ingresados en UCIs, lo que mejora en más de tres horas los tiempos de predicción de los cardiólogos. Otro ejemplo exitoso de aplicación del aprendizaje profundo es el análisis combinado de imágenes médicas de rayos rayos X, MRI y ultrasonidos desarrollado por un grupo de la Universidad de Queensland (Australia), el cual puede diagnosticar el cáncer de mama mejor que los médicos.
La Medicina Intensiva está teniendo en su seno una auténtica revolución que descansa en el uso inteligente de la tecnología, y debe de facilitar y reducir la cantidad de trabajo, tener capacidad de interacción bidireccional con los sistemas informáticos existentes, debe desarrollar algoritmos aplicables tanto para la detección, como para la solución de los sistemas y ser autodidacta. Este es el futuro de la medicina, y en el la IA ocupara un lugar esencial, y a todos nos irá mejor, y nos ahorrará muchísimo tiempo y dinero.