El futuro de la IA en la atención médica

Cómo la inteligencia artificial impacta la salud y la medicina.

C.Rosso

Fuente: C.Rosso

Neil Jacobstein, presidente de AI and Robotics Track en Singularity University, y ex presidente de Singularity University, tiene su dedo en el pulso de todo lo relacionado con la inteligencia artificial (IA). Es Henry Crown Fellow en Aspen Institute y Distinguished Visiting Scholar en el programa Media X de la Universidad de Stanford. Fue presidente de la 17ª Asociación para el Avance de la Inteligencia Artificial (AAAI), la aplicación innovadora de la Inteligencia Artificial (IAAI). Jacobstein ha sido presentado o citado en el Wall Street Journal , The Financial Times , Forbes , PC Magazine , VentureBeat , CIO , Foreign Policy y BBC News, además de otras publicaciones en los medios.

“AI está aquí hoy. No con la inteligencia amplia, profunda y sutil que asociamos con la inteligencia humana, pero con la capacidad de ofrecer miles de millones de dólares en valor, y ayuda real a los médicos en el campo de la medicina “, dijo Jacobstein en la conferencia de Medicina Exponencial. en San Diego, California.

La consultora de gestión global McKinsey & Company estima que el ahorro anual potencial de IA en atención médica será del 0,7 por ciento del producto interno bruto, o $ 300 mil millones de dólares estadounidenses en los Estados Unidos y £ 3,3 mil millones de libras esterlinas en el Reino Unido [1]. Según ABI Research, AI ahorrará $ 52 mil millones de dólares al sector sanitario en 2021, con ahorros de $ 21 mil millones de dólares en América del Norte solamente. [2]

“No es solo mejor, más rápido, más barato, es diferente”, dijo Jacobstein. “La IA nos permite hacer cosas que los humanos no podían hacer antes … como considerar todo su perfil genómico antes de hacer una recomendación”, agregó.

En 2017, Verily Life Sciences de Google lanzó DeepVariant, una herramienta de inteligencia artificial de código abierto de red neuronal convolucional profunda. Los polimorfismos de un solo nucleótido (SNP) son el tipo más común de variación genética y se utilizan para predecir el riesgo de enfermedad de una persona y su sensibilidad a las influencias ambientales en la expresión génica, como alimentos, drogas o toxinas. DeepVariant pudo identificar los SNP con un 99.9587 por ciento de precisión, obteniendo el premio “Highest SNP Performance” en el 2016 PrecisionFDA Truth Challenge. [3]

Varias nuevas empresas de inteligencia artificial han ingresado a la atención médica. Por ejemplo, en 2017 Cloud DX ganó el premio “Bold épica innovadora” de XPRIZE Foundation [4]. Cloud DX está aplicando el aprendizaje automático con un gran conjunto de datos de sonido para identificar infecciones respiratorias y enfermedades basadas en el sonido de la tos de un paciente.

AI se está implementando en análisis predictivos en dispositivos de monitorización de pacientes, diagnóstico por imágenes y diagnóstico, descubrimiento de fármacos y oncología. Las recientes aprobaciones de la FDA para soluciones de cuidado de la salud basadas en la inteligencia artificial incluyen Imagen de OsteoDetect para análisis de imágenes de rayos X (mayo de 2018); IDx-DR para detección de retinopatía diabética (abril de 2018); y Viz.AI Contacto para la detección temprana del accidente cerebrovascular (febrero de 2018) [5].

Las innovaciones de AI en el cuidado de la salud incluyen:

Análisis Predictivo en Dispositivos de Monitoreo de Pacientes

ABI Research estima que el número de dispositivos de monitorización de pacientes para el entrenamiento de análisis predictivo de la IA crecerá a 3.1 millones en 2021 con una tasa de crecimiento anual compuesta del 176% [6]. Las startups financiadas con capital de riesgo en este espacio incluyen Sense.ly, Sentrian, Babylon Health y AiCure [7].

AI en Imagen y Diagnóstico

El reconocimiento de patrones, un área de avances recientes en la IA, es un ajuste natural en la imagen y el diagnóstico de la atención médica. La radiología es un área con grandes conjuntos de datos estructurados que se pueden utilizar para entrenar algoritmos de aprendizaje profundo. Por ejemplo, en 2017, los Institutos Nacionales de Salud (NIH) publicaron más de 100,000 imágenes de rayos X de tórax de más de 30,000 pacientes anónimos para instituciones de investigación académica y científica [8].

En la conferencia de Medicina Exponencial, Jacobstein citó un ejemplo de un reciente avance en la atención médica de la IA en 2017, donde un equipo de científicos informáticos en Stanford entrenó una red neuronal convolucional profunda para clasificar las lesiones de la piel. Utilizando una base de datos de 129.450 imágenes clínicas, el algoritmo de aprendizaje profundo tenía una precisión a la par con los dermatólogos humanos en la detección de carcinomas malignos y melanomas [9].

AI y Drug Discovery

Varias compañías como Calico, BenevolentAI y Deep Genomics buscan aplicar el aprendizaje automático a grandes conjuntos de datos para el descubrimiento y desarrollo de fármacos [10]. Otras startups en el descubrimiento de fármacos AI incluyen dos fondos de capital riesgo (Andreessen Horowitz), Numerate (Capital de la Fundación), Atomwise (Khosla Ventures y Data Collective) y Numedii (Lightspeed Venture Partners) [11].

AI para Oncología

Las nuevas empresas financiadas con capital en oncología de IA incluyen compañías como Freenome, Globavir Biosciences, CureMetrix, Notable Labs, Cyrcadia, Enlitic, Entopsis, Insilico Medicine, OncoraMedical, Pathway Genomics, Proscia y SkinVision [12]. Flatiron Health, una compañía de tecnología IA con sede en Nueva York centrada en oncología respaldada por Google Ventures y otros inversionistas, fue adquirida recientemente por la farmacéutica suiza Roche por $ 1.9 mil millones en 2018 por sus conjuntos de datos masivos curados para soporte de decisión y plataforma electrónica de registro de salud.

En mayo de 2018, Annals of Oncology publicó un histórico estudio alemán en el que una red neuronal convolucional de aprendizaje profundo (CNN) formada en 100.000 imágenes superó a un grupo internacional de 58 dermatólogos de 17 países en el diagnóstico de melanomas malignos.

Los obstáculos a superar en IA en la atención médica incluyen el acceso a grandes conjuntos de datos para el entrenamiento de algoritmos de aprendizaje profundo, y el curado de registros electrónicos de salud (EHR) que carecen de etiquetado de datos y en su mayoría son texto no estructurado.

“El mayor desafío es convertir toda la atención sanitaria en impulsada por los datos”, dijo Jacobstein, “la IA forma parte de esa transformación”.

El florecimiento reciente en AI se debe en gran parte a los avances en el reconocimiento de patrones con algoritmos de aprendizaje profundo. En el futuro, Jacobstein anticipa una mayor convergencia de diferentes tipos de IA, como el razonamiento basado en modelos, el análisis predictivo y los modelos de simulación, para ir más allá del reconocimiento básico de patrones.

“Por primera vez en la historia de la humanidad, podremos intervenir en nuestro cuidado de la salud de una manera que antes era impensable”, dijo Jacobstein. “Creo que podremos utilizar IA y biología sintética para tratar nuestra salud como un problema de información”, agregó [14] “.

Jacobstein considera que este enfoque de AI centrado en la información es clave no solo para la previsión y la medicina preventiva, sino también para la mejora de la calidad de vida en general y, en última instancia, para la extensión de la vida humana en sí misma.

Referencias

1. Bughin, Jacques; Hazan, Eric; Ramaswamy, Sree; Chui, Michael; Allas, Tera; Dahlstrom, Peter; Henke, Nicolaus; Trench, Monica. “Inteligencia artificial: ¿la próxima frontera digital?”. Documento de debate del McKinsey Global Institute . Junio ​​de 2017.

2. Investigación de ABI (2018, 4 de junio). AI para salvar al sector de la salud US $ 52 mil millones en 2021 [Comunicado de prensa].

3. Moteni, Megan. “Google está regalando IA que puede construir tu secuencia de genoma”. Con cable . 12.08.17.

4. Kimbrell, Gideon. “¿La regulación está matando la innovación en el cuidado de la salud?” Forbes . 19 de marzo de 2018.

5. McCaney, Kevin. “La IA en medicina se acerca a hacer rondas regulares”. GovernmentCIO Media . 31 de mayo de 2018.

6. Investigación de ABI (2018, 4 de junio). AI para salvar al sector de la salud US $ 52 mil millones en 2021 [Comunicado de prensa].

7. CB Insights. “De las enfermeras virtuales al descubrimiento de medicamentos: 106 Startups de Inteligencia Artificial en la atención médica”. CB Insights Research Briefs . 3 de febrero de 2017.

8. Institutos Nacionales de Salud (2017, 27 de septiembre). NIH Clinical Center proporciona uno de los mayores conjuntos de datos de radiografía de tórax disponibles públicamente a la comunidad científica [Comunicado de prensa].

9. Esteva, Andre; Kuprel, Brett; Novoa, Roberto A .; Ko, Justin; Swetter, Susan M.; Blau, Helen M.; Thrun, Sebastian. “Clasificación a nivel dermatológico del cáncer de piel con redes neuronales profundas”. Naturaleza . 2 de febrero de 2017. 542, 115-118.

10. Caballero, Will. “Una empresa genómica impulsada por Ai se está volcando hacia las drogas”. MIT Technology Review. 3 de mayo de 2017.

11. CB Insights. “De las enfermeras virtuales al descubrimiento de medicamentos: 106 Startups de Inteligencia Artificial en la atención médica”. CB Insights Research Briefs . 3 de febrero de 2017.

12. CB Insights. “12 Startups Fighting Cancer with Artificial Intelligence” . Escrito de investigación de CB Insights. 15 de septiembre de 2016.

13. Mukherjee, Sy. “Por qué Drug Giant Roche tiene un acuerdo de $ 1.9 mil millones para comprar datos de inicio de Flatiron Health Matters”. Fortune . 16 de febrero de 2018.

14. Guidewell. “XMed 2016 Insights Lounge – Neil Jacobstein” . YouTube. 8 de octubre de 2016.

Related of "El futuro de la IA en la atención médica"