Investigadores en Singapur han demostrado que técnicas avanzadas de inteligencia artificial (IA) pueden mejorar significativamente el diagnóstico clínico en países con recursos limitados, sin la necesidad de grandes conjuntos de datos locales.
Un equipo de la Duke-NUS Medical School ha aplicado con éxito el aprendizaje por transferencia, un método en el que un modelo desarrollado para una tarea se reutiliza como punto de partida para otra, para predecir los resultados de los pacientes después de un paro cardíaco. El estudio, publicado en npj Digital Medicine, aborda un desafío común en la adopción de la IA en países de bajos y medianos ingresos: la falta de datos extensos y de alta calidad necesarios para entrenar modelos algorítmicos desde cero.
Para probar la eficacia del aprendizaje por transferencia, los investigadores utilizaron un modelo de predicción de recuperación cerebral originalmente creado en Japón con datos de 46.918 pacientes con paro cardíaco extrahospitalario. Adaptaron este modelo para su uso en Vietnam, probándolo en un grupo más pequeño de 243 pacientes. Los resultados mostraron una mejora significativa en la precisión del diagnóstico. Cuando el modelo japonés original se aplicó directamente al contexto vietnamita, distinguió entre pacientes de alto y bajo riesgo con una precisión del 46%. Sin embargo, el modelo de aprendizaje por transferencia adaptado alcanzó una tasa de precisión de alrededor del 80%.
“El estudio demuestra que los modelos de IA no necesitan ser reconstruidos desde cero para cada nuevo entorno”, afirmó Liu Nan, profesor asociado del Centro de Ciencia de Datos Biomédicos de Duke-NUS. “Al adaptar las herramientas existentes de forma segura y eficaz, el aprendizaje por transferencia puede reducir los costos, disminuir el tiempo de desarrollo y ayudar a extender los beneficios de la IA a los sistemas de salud con menos recursos.”
A pesar del creciente potencial de la IA en la atención médica, su adopción sigue siendo desigual en todo el mundo. Un estudio separado publicado en Nature Health, realizado por investigadores de Duke-NUS y colaboradores de University College London (UCL), señaló que, si bien el 63% de los proveedores de atención médica encuestados utilizan herramientas de IA, su adopción es más frecuente en países de ingresos altos y medianos altos.
La investigación destacó el potencial de los modelos de lenguaje grandes (LLM) para mejorar el acceso a la atención, el diagnóstico y la toma de decisiones clínicas en países de bajos y medianos ingresos que continúan enfrentando barreras de adopción, como la infraestructura y la experiencia limitadas. Ejemplos de esto incluyen Sierra Leona, donde los trabajadores de la salud comunitaria utilizan aplicaciones para teléfonos inteligentes para detectar infecciones por malaria a partir de muestras de frotis de sangre, un método más rentable que los sistemas convencionales basados en microscopios. Y en Sudáfrica, los chatbots brindan asesoramiento prenatal a las madres embarazadas.
“Los LLM tienen la mayor oportunidad de transformar la atención médica en entornos donde los médicos especialistas son más escasos, pero la comunidad global de salud debe trabajar en conjunto con urgencia para garantizar que la implementación de los LLM se apoye en las regiones donde la adopción es más desafiante”, dijo Siegfried Wagner del UCL Institute of Ophthalmology y Moorfields Eye Hospital NHS Foundation Trust.
Ning Yilin, investigadora principal del Centro de Ciencia de Datos Biomédicos de Duke-NUS, agregó que empoderar a las personas debe ser la prioridad al integrar los LLM en la atención médica. “Fortalecer la alfabetización digital y generar confianza en el uso de estas herramientas garantizará que la IA apoye, en lugar de interrumpir, la fuerza laboral. Las vías de desarrollo de habilidades personalizadas pueden ayudar a los trabajadores con pocos recursos a adaptarse y prosperar, permitiendo que la IA mejore y agregue valor a los roles clínicos y administrativos”, señaló.
Llamado a la gobernanza internacional
Si bien las herramientas de IA tienen el potencial de mejorar la prestación de atención médica, los marcos de gobernanza son clave para una implementación segura y ética de la tecnología. Actualmente, las regulaciones para las tecnologías médicas a menudo no abordan los riesgos específicos de la IA, como las preocupaciones sobre la privacidad, las alucinaciones del modelo, la seguridad y la necesidad de supervisión de nuevas herramientas.
Para abordar estos problemas, los investigadores liderados por Duke-NUS han propuesto la formación de un consorcio internacional llamado Partnership for Oversight, Leadership, and Accountability in Regulating Intelligent Systems-Generative Models in Medicine (Polaris-GM). El consorcio tiene como objetivo proporcionar orientación para regular nuevas herramientas, monitorear su impacto, establecer salvaguardias de seguridad y adaptarlas para entornos con recursos limitados. Al reunir a líderes de la atención médica, reguladores, éticos y grupos de pacientes de todo el mundo, Polaris-GM revisará la investigación existente antes de trabajar hacia un consenso global sobre la gobernanza de la IA en la atención médica.
Jasmine Ong, de la iniciativa de IA y ciencias médicas de Duke-NUS y farmacéutica clínica principal del Singapore General Hospital, dijo: “Con una supervisión clara y pautas bien definidas, los sistemas de salud pueden aprovechar con confianza las muchas fortalezas de la IA para mejorar los resultados de salud y evitar posibles errores. Desde los responsables políticos hasta los grupos de pacientes, todas las partes interesadas tienen un papel crucial que desempeñar para hacer realidad este objetivo”. Computer Weekly
