Avances y aplicaciones de la inteligencia artificial en cardiología [1]
Avances y aplicaciones de la inteligencia artificial en cardiología
Las velocidad en la que la IA está evolucionando cambiará el futuro de la atención en cardiología. Estas son algunas propuestas que están en marcha para favorecer a más pacientes y a la comunidad científica.
Cuando antes pensábamos en el futuro, era común imaginar el uso de máquinas y robots en la vida diaria. Hoy la inteligencia artificial (IA) ha hecho realidad eso que parecía ocurrir solo en la ciencia ficción, de modo que estamos comenzando a observar cómo su aplicación puede cubrir diversas problemáticas cotidianas.
Parece ser que la inteligencia artificial recién ha sido creada, pero su historia se remonta a mediados del siglo pasado. Fue hasta las primeras décadas del 2000 que comenzaron las aplicaciones existosas, incluso algunas de ellas continúan utilizándose, como el reconocimiento de voz que hoy puede existir en cualquier smarthpone.
Hasta el momento, tenemos prueba de que este avance tecnológico ha alcanzado a industrias como la de entretenimiento, servicios financieros y marketing. Como no puede ser excepción por la relevancia que tiene en nuestras vidas, el mundo de la salud también está cambiando gracias a la IA.
Inteligencia artificial en la cardiología
Desde análisis de tomografías y asistencia virtual personalizada, la forma en la que las nuevas herramientas tecnológicas basadas en IA son aplicadas a la medicina logran reducir márgenes de error, costos y tiempo en procesos primordiales para el cuidado de los pacientes.
Hasta el 2019, se habían identificado un total de 673 artículos originales en PubMed sobre contribuciones de la inteligencia artificial en diferentes áreas de aplicación en cardiología que mejoran el diagnóstico y terapia que realizan simulaciones de labores humanas para agilizar la atención médica.
Arritmias cardíacas
Entre las funciones más comúnes de la inteligencia artificial se encuentran las predicciones. Para los problemas del ritmo cardíaco, esto ya es posible con modelos predictivos y mediante la detección con análisis de imágenes o señales electrocardiográficas.
Cariopatía isquémica
Con el historial que proviene de la atención primaria, la inteligencia artificial se aplica a tales datos y genera una predicción de enfermedad cardiovascular. Comparado con las escalas de riesgo utilizadas desde hace mucho tiempo, esta aplicación tecnológica ha mostrado superioridad.
Insuficiencia cardíaca y trasplantes
Luego de la alta hospitalitaria de pacientes, se ha utilizado IA vía remota para la telemonitorización de pacientes con insuficiencia cardíaca. Hasta el momento, se ha logrado mejora de la evolución clínica de los pacientes. Por otro lado, también se ha apostado por predecir la probabilidad de trasplante en pacientes en lista de espera y la predicción del éxito de dicho proceso médico.
Iniciativas en el mundo real
La startup argentina MultiplAI [2] Health combina la IA con la secuenciación de ARN, molécula central para predecir con alta precisión las enfermedades cardiovasculares. Aunque desde hace tiempo esta molécula se puede secuenciar, el problema era hacerlo a nivel masivo y a bajo costo.
Esta iniciativa propone sacar una muestra de sangre completa para extraer el ARN y convertirlo en un archivo de entre 15 y 20 gigabytes, que después se transforma en una imagen para entrenar algortimos y redes neutológicas. La inteligencia artificial clasifica las muestras en distintas patologías, pero, especialmente, en cardiología.
Este proyecto es liderado por Mark Ramondt y Santiago Miriuka, un médico y un paciente que se conocieron, se volvieron amigos y, luego, fundadores de MultiplAI. Esto es importante de mencionar porque su trabajo colaborativo ha tenido no solo un enfoque para cubrir necesidades médicas, sino también inquietudes de los pacientes.
No cabe duda que los beneficios de la inteligencia artificial en cardiología potenciará mejores resultados para la comunidad científica y, sobre todo, para la vida de los pacientes. Sin embargo, continúan las limitaciones en tanto que estas herramientas dependen de bases de datos, por lo tanto, si la información es poco certera, la calidad de las predicciones y modelos puede dañarse.