La promesa de la inteligencia artificial

0
4
La industria de la animación avanza con la realidad virtual

Pocos saben que el coronavirus y su enfermedad aliada Covid-19 fueron descubiertos por primera vez por un programa de minería de datos. HealthMap, un sitio web administrado por el Boston Children’s Hospital, emitió una alarma sobre múltiples casos de neumonía en Wuhan, China, calificando su urgencia en tres en una escala de cinco. Poco después de este descubrimiento, la pandemia golpea al mundo como un tsunami. A medida que avanzaba, los gobiernos lucharon para hacer frente a la crisis sin precedentes en múltiples frentes y se vieron obligados a buscar formas innovadoras de aumentar sus esfuerzos; presentando una oportunidad para aprovechar la Inteligencia Artificial (IA).

La IA se utilizó en diversos entornos, incluido el descubrimiento de fármacos, las pruebas, la prevención y la superación de las limitaciones de recursos, y su éxito abrió una puerta completamente nueva de posibilidades. Aquí hay un vistazo a algunos de los usos más intuitivos, innovadores y ventajosos de la tecnología durante el COVID-19, descritos en las cuatro categorías de diagnóstico y pronóstico, predicción y seguimiento, atención al paciente y desarrollo de fármacos:

Diagnóstico y pronóstico de COVID-19 usando IA

  • Diagnóstico de Neumonía por COVID-19: El diagnóstico rápido y la identificación de pacientes de alto riesgo fue un desafío durante el pico de COVID-19. Utilizando una gran base de datos de tomografía computarizada (TC) de 3777 pacientes, los investigadores 8 desarrollaron un sistema de IA que podía diagnosticar la nueva neumonía por coronavirus (NCP) y diferenciarla de la neumonía común. El sistema de IA pudo proporcionar un pronóstico clínico preciso, ayudando a los médicos con el manejo clínico temprano y la asignación adecuada de recursos.
  • Pronóstico usando IA en imágenes de rayos X: El sistema de IA fue entrenado para la predicción automática del riesgo de deterioro 9 utilizando una red neuronal profunda que aprendió de imágenes de rayos X de tórax y variables clínicas de rutina, utilizando datos de 3661 pacientes. La red neuronal profunda extrajo áreas informativas de imágenes de rayos X de tórax para ayudar a los médicos y funcionó de manera comparable a dos radiólogos en un estudio de lectura.
  • Detección de COVID-19 basada en el sonido de la tos: El equipo del MIT desarrolló un programa utilizando la entrada de audio de decenas de miles de pacientes que tosen e información clínica autoinformada para detectar diferencias en la forma en que un paciente sintomático de COVID-19 tose 10 en comparación con un paciente no infectado, aunque los médicos no pueden diferenciarlos. .
  • Predicción de resultados clínicos en pacientes con COVID-19: El aprendizaje federado es un método utilizado para entrenar modelos de inteligencia artificial con datos de múltiples fuentes, manteniendo el anonimato, eliminando así muchas barreras para compartir datos. Los investigadores usaron datos de 20 institutos de todo el mundo para entrenar un modelo, llamado Modelo de IA de rayos X de tórax de registro médico electrónico (EMR, por sus siglas en inglés) (EXAM 11), que predice los requisitos futuros de oxígeno de pacientes sintomáticos utilizando entradas de signos vitales, datos de laboratorio y datos de tórax. Rayos X.
  • Identificación de pacientes en riesgo: Medical Home Network, una organización sin fines de lucro con sede en Chicago, creó una plataforma de evaluación de riesgos para la salud 12 para identificar a los pacientes de Medicaid con mayor riesgo de COVID-19. La plataforma utilizó datos sobre complicaciones respiratorias, determinantes sociales de la salud y parámetros clínicos adicionales para predecir el riesgo para los pacientes. El programa tuvo éxito en ayudar a las personas en aislamiento social.

Asistencia de IA en predicción y seguimiento de Covid-19

  • Susceptibles, Infecciosos y Recuperados (SIR): Los modelos SIR categorizan a la población infectada de acuerdo con su estado individual de infección o síntomas. Si bien los modelos SIR tradicionales usaban un conjunto limitado de elementos de datos, los avances en el aprendizaje profundo permitieron a los investigadores usar todos los datos disponibles para modelar, analizar y pronosticar la propagación o contención del virus. Modelar con precisión la propagación de una infección es clave para ayudar a los gobiernos a tomar medidas de contención.
  • El modelo Global Epidemia y Movilidad (GLEAM 4 ): El modelo GLEaM combina datos del mundo real sobre la movilidad humana con elaborados modelos estocásticos de transmisión de enfermedades. Brinda poder analítico y de pronóstico para abordar los desafíos que se enfrentan al desarrollar estrategias de intervención que minimizan el impacto de epidemias potencialmente devastadoras. También permite a los equipos estudiar la eficacia y los resultados de varias estrategias de intervención, analizar amenazas a través de escenarios modelo y pronosticar enfermedades infecciosas de nueva evolución.
  • Sistema de Análisis y Simulación de Transporte (TRANSIMS): TRANSIMS 5 utiliza técnicas computacionales no convencionales para predecir la propagación de COVID-19. Puede simular el comportamiento de viaje de cada individuo durante un período completo de 24 horas en función de los datos de la encuesta recibidos, que incluyen estadísticas sobre el volumen de tráfico y la congestión, retrasos dependientes del tiempo para toda la red vial y de tránsito, y colas en las intersecciones. .
  • Mapa de seguimiento para predecir los puntos críticos de COVID-19: Cotiviti, una empresa de inteligencia artificial para el cuidado de la salud, desarrolló un mapa de seguimiento de COVID-19 6 que podía predecir con precisión nuevos brotes de COVID-19 en los Estados Unidos. El mapa de seguimiento utiliza modelos de big data y tecnologías de inteligencia artificial para mostrar el riesgo relativo de infección para las personas con problemas de salud subyacentes en las áreas afectadas. Esta fue una herramienta útil 7 para que los funcionarios de salud pública dirigieran sus recursos limitados a los más necesitados.

Atención superior respaldada por IA para pacientes con COVID-19

  • Hospitales de campaña inteligentes: Tras el brote, se construyó un hospital de campaña Smart 13 en el Centro Deportivo Hongshan en Wuhan, China. Estaba dotado de robots responsables de administrar medicamentos, tomar signos vitales y desinfectar las instalaciones. Además de ayudar al personal del hospital, se utilizaron robots especializados para brindar entretenimiento e información a las 200.000 personas del hospital.
  • Drones de detección térmica: Corea del Sur usó drones para desinfectar completamente las áreas de alta epidemia.

En el condado de Xinchang, China, los drones entregaron suministros médicos a los centros que los necesitaban, y los drones de detección térmica 14 identificaron a personas con fiebre, potencialmente infectadas con el virus.

  • Chatbots como asistentes: Varios proveedores de atención públicos y privados aprovecharon los chatbots 15 para ayudar a los pacientes y trabajadores médicos. Los chatbots pudieron responder a una avalancha de consultas sobre síntomas en varios idiomas con un toque humano, lo que permitió a las personas recibir información precisa y oportuna. El Centro para el Control y la Prevención de Enfermedades de los Estados Unidos y Microsoft desarrollaron un servicio de autoverificación de coronavirus para ayudar a los usuarios a autoevaluar su condición y sugerir un curso de acción.
  • Combatir la desinformación en las plataformas de redes sociales: Las redes sociales estaban llenas de información errónea sobre la pandemia, lo que llevó al público en general a desafiar las restricciones, a menudo reuniéndose en grandes cantidades para protestar por las medidas. Para contrarrestar esto, las redes sociales y los motores de búsqueda utilizaron información personalizada y algoritmos de IA para identificar material problemático en sus plataformas y eliminarlo.

Desarrollo de fármacos con IA

Hay varios mecanismos, donde AI aceleró la investigación sobre Covid 19. La clave a tener en cuenta es que gran parte de la investigación de vanguardia es de código abierto y, por lo tanto, está disponible para la comunidad de investigación científica y médica para un mayor desarrollo o consumo.

  • Predicciones computacionales de estructuras de proteínas asociadas con COVID-19: El conocimiento de la estructura de una proteína es esencial para comprender cómo funciona. AlphaFold 1 de DeepMind de Google es un sistema de aprendizaje profundo que predice la estructura de la proteína con precisión, incluso cuando no hay disponibles estructuras de proteínas similares. Esto se conoce como “modelado libre”. La predicción de AlphaFold coincidió con la estructura de la proteína de punta determinada experimentalmente para el SARS-CoV-2 en el Protein Data Bank.

Predicciones para un desarrollo de vacunas más rápido: El ARN mensajero (ARNm) tiene una estructura secundaria que instruye a las células para que produzcan proteínas. Comprender las instrucciones y la traducción de proteínas fue clave para el desarrollo de la vacuna de ARNm. Sin embargo, los ARNm tienen una vida media corta y se degradan rápidamente. Esto afecta el análisis estructural del virus. El acceso al análisis estructural viral rápido fue importante para acortar el tiempo que lleva diseñar una posible vacuna de ARNm con mayor estabilidad y mejor eficacia, brindando la oportunidad de salvar miles de vidas.

El equipo de IA de Baidu implementó Linearfold 2, un modelo para predecir la estructura secundaria de la secuencia de ARN de la COVID-19, lo que redujo el tiempo de análisis general de 55 minutos a 27 segundos. Baidu también lanzó el modelo para uso público.

  • Identificación de medicamentos existentes para reutilizar para el tratamiento de COVID-19: Los científicos del MIT realizaron una investigación 3 para identificar los medicamentos existentes que podrían reutilizarse para tratar el COVID-19. Su hipótesis fue que, dado que las personas mayores tienden a tener un mayor riesgo de enfermedad grave y muerte, el virus desencadenaría la expresión génica de manera diferente en ellos, en comparación con los pacientes más jóvenes. Esta información fue útil para determinar qué fármacos afectan a genes y proteínas específicos desencadenados por la infección.

Desafíos y el futuro de la IA en el cuidado de la salud

Una solución de IA debe someterse a una amplia gama de condiciones y escenarios de borde antes de que se considere adecuada para su uso en términos de equidad, confiabilidad, responsabilidad, privacidad, transparencia y seguridad. También requiere un monitoreo continuo de la producción en relación con el mundo real en constante cambio, para que pueda aprender de él.

Finalmente, la formulación de políticas debe respaldar la adopción de tecnología, pero actuar con cautela. La FDA está trabajando activamente con las partes interesadas para definir un marco integral basado en el ciclo de vida que aborde el uso de estas tecnologías en la atención médica. Este marco en evolución difiere significativamente del propio paradigma de control regulatorio tradicional de la FDA.

La inteligencia artificial ha demostrado su valor durante la pandemia y es muy prometedora para mitigar futuras crisis de atención médica. Sin embargo, esto es solo el comienzo y las posibilidades de atención inteligente son ilimitadas. Esto hace que la IA en el cuidado de la salud sea un área de gran oportunidad para los tecnólogos talentosos que también sienten pasión por tener un impacto en las personas y las comunidades a través de su trabajo. Con base en las lecciones aprendidas del uso de la IA durante la pandemia, los formuladores de políticas, los institutos de investigación, las empresas y los tecnólogos deben incorporar estos aprendizajes a medida que trazan el camino a seguir.



LinkedIn


Descargo de responsabilidad

Las opiniones expresadas anteriormente son del autor.



FIN DEL ARTÍCULO



.

LEAVE A REPLY

Please enter your comment!
Please enter your name here