>

"Implementando el potencial transformador de la Inteligencia Artificial en el ámbito de la salud"

Julieta Di Marco y Bioing. Candelaria Mosquera

La implementación de Sistemas de Información de Salud se ha incrementado en los últimos años y existe un creciente reconocimiento de que las mismas no sólo pueden mejorar la calidad, la seguridad y la eficiencia de la atención sanitaria y la prestación de salud pública, sino que también pueden empoderar a los pacientes en el cuidado de su salud. La pandemia de COVID-19 creó desafíos que llevaron a muchas organizaciones de salud a introducirse al campo de la Inteligencia Artificial (IA), con algoritmos diseñados para ayudar a monitorear y evaluar a pacientes.  Los algoritmos de IA y otras aplicaciones impulsadas por IA se utilizan para ayudar a los profesionales de la salud en entornos clínicos y en investigaciones favoreciendo el desarrollo de la medicina algorítmica, donde los algoritmos analizan información, identifican patrones y muestran resultados quedando la decisión final en manos de los profesionales de la salud, que asistidos con la tecnología, pueden llegar a resoluciones más precisas. Actualmente, las funciones más comunes de la IA son el análisis de imágenes, el procesamiento y análisis de texto, de audio, datos clínicos, genéticos o bioseñales a través de distintas aplicaciones y el soporte a la toma de decisiones clínicas (Clinical Decision Support Systems - CDSS -). 

El Departamento de Informática en Salud del Hospital Italiano de Buenos Aires (DIS-HIBA) trabaja desde hace varios años en desarrollos relacionados a IA. A partir del año 2018, con el apoyo y colaboración de servicios como Diagnóstico por Imágenes del Hospital Italiano de Buenos Aires (DxI-HIBA) y Dermatología, se establecen las bases para crear lo que posteriormente se consolidó en un programa institucional traslacional, denominado programa de Inteligencia Artificial en Salud del Hospital Italiano de Buenos Aires (pIASHIBA).

pIASHIBA comprende un equipo de trabajo transdisciplinario, con profesionales de Ingeniería Biomédica,  Medicina de diversas especialidades e Ingeniería de software, entre otros. 

El objetivo de pIASHIBA es desarrollar e integrar tecnologías de Inteligencia Artificial en el ámbito de la salud para mejorar la seguridad del paciente, la calidad de atención y la eficiencia de procesos hospitalarios. A su vez, como visión, se busca liderar la transición a un nuevo estándar de atención médica, aplicando el potencial transformador de la Inteligencia Artificial en el ámbito de la salud. Asimismo se estimula la conciliación de tecnologías globales emergentes a las problemáticas locales y aportar a la comunidad científica internacional con desarrollos propios. Esto se hace integrando conocimientos de computación, informática, estadística y medicina, relevando necesidades, diseñando y desarrollando herramientas de IA que luego se implementan en la institución hospitalaria dado su carácter traslacional. En este proceso se acompaña a los profesionales en el cambio de rol que atraviesan en la actualidad. 

Cuando una herramienta de IA es implementada en salud, el o la profesional de la salud deja de ser una fuente única de conocimiento y análisis de los datos, y pasa a ser responsable de la interpretación y validación de los resultados de los algoritmos de IA, teniendo en cuenta el contexto social, clínico y personal del paciente. Además, está a cargo de proponer posibles aplicaciones de IA en su ámbito de trabajo, participando activamente en el desarrollo de las mismas. Desde pIASHIBA, se promueve que los profesionales de la salud que tienen interacción con estas herramientas comprendan su funcionamiento y sus limitaciones, y estén preparados para interpretar los resultados que estas aplicaciones ofrecen.

Proceso de desarrollo e implementación

Cada proyecto del programa atraviesa una serie de etapas, y en todas ellas participan el servicio médico solicitante, además de las áreas involucradas del DIS-HIBA. En forma resumida , las etapas son:

Anteproyecto: algunos proyectos comienzan como ideas en pIASHIBA, otros surgen de las necesidades de distintos profesionales que trabajan en el hospital. Aquí la intención es determinar los objetivos, el alcance, y la factibilidad del proyecto. 

Proyecto de Innovación e investigación: si se decide avanzar, en el siguiente estadio el equipo trabaja para desarrollar la herramienta en cuestión hasta la selección del sistema final y su evaluación en laboratorio.

Desarrollo del modelo de IA: aquí se documenta el algoritmo de IA seleccionado y los resultados del proyecto de innovación, así como se definen los requerimientos y lineamientos pertinentes a la aplicación de la herramienta en terreno.

Desarrollo del sistema de IA: en esta etapa se integra la herramienta de IA a los aplicativos de uso asistencial y se realiza la evaluación pre-implementación, a través de la cual se valida el comportamiento de la herramienta. 

Integración de la herramienta al flujo de trabajo: el objetivo aquí es implementar la herramienta en producción, así como también se realiza el monitoreo y la evaluación de la implementación. Quienes usarán el sistema reciben capacitación y soporte para utilizar el nuevo recurso en su flujo de trabajo diario. 

Evaluación externa: para esta etapa, sometemos el producto final a validación externa, para explorar la posibilidad de que sea aplicable fuera de nuestra institución.

Más detalle de las mismas se puede observar en el siguiente gráfico

Proyectos con imágenes médicas

Los sistemas de IA que se desarrollan en pIASHIBA incluyen sistemas expertos (CDSS), procesamiento del lenguaje natural,  sistemas de reconocimiento automático del habla y visión computacional. Estos últimos trabajan procesando y realizando predicciones sobre imágenes médicas. Si bien hay proyectos en todas las áreas, actualmente en nuestro portfolio predominan los proyectos con imágenes médicas.

Las imágenes médicas son una herramienta fundamental en el proceso diagnóstico actual en el campo de la salud, dado que permiten obtener información anatómica y funcional de las distintas regiones del cuerpo humano mediante técnicas mínimamente invasivas para el paciente. En los últimos años, la tendencia a adoptar prácticas relacionadas con la medicina de precisión requiere una mayor precisión diagnóstica en el análisis de las imágenes médicas para delinear los subtipos de pacientes y su respuesta a las terapias. Esta situación ha llevado a una sobrecarga en la tarea de interpretar y analizar las imágenes para los profesionales de salud, impulsando así la aplicación de visión computacional mediante IA para generar herramientas de asistencia y soporte para la toma de decisiones clínicas. A continuación se resumen algunos proyectos ya implementados (Artemisia y TRx) o en proceso (Valquiria y Carpian).

Artemisia: el objetivo de este proyecto es desarrollar, validar e implementar estrategias de análisis basadas en aprendizaje profundo para un análisis integral de los estudios mamográficos. El proyecto se divide en varias fases. La primera se enfoca en la categorización de densidad mamaria, y se encuentra integrada al flujo de trabajo de los profesionales del hospital desde 2019. Hoy están en desarrollo las fases subsiguientes de Artemisia cuyos objetivos son la detección y clasificación de hallazgos.

TRx: este proyecto consiste en la detección automática de hallazgos en radiografía de tórax, que es el estudio de imagen con mayor volumen en nuestro hospital y en el mundo. TRx está integrado en la historia clínica y el sistema de informes radiológicos desde 2020, con el objetivo de asistir en forma transversal a todos los profesionales de distintas especialidades y nivel de experiencia que se enfrentan al análisis de esta imagen, especialmente cuando la sobrecarga de trabajo impide contar con un informe radiológico inmediato.  Actualmente TRx detecta cinco tipos de hallazgos radiológicos en la radiografía de tórax: opacidades pulmonares, neumotórax, derrames pleurales, fracturas, y silueta cardíaca aumentada. En particular, para el hallazgo de neumotórax 

Valquiria: este proyecto consiste en tres fases que tienen como objetivo desarrollar, validar e implementar una serie de herramientas basadas en Deep Learning para analizar y clasificar lesiones cutáneas. La primera se enfoca en la clasificación de lesiones cutáneas por medio de imágenes dermatoscópicas y se encuentra actualmente en proceso de ser integrada al flujo clínico. La segunda fase está orientada a profesionales de atención primaria, para clasificación de imágenes clínicas y se encuentra en la fase de prueba de concepto. La última fase estará destinada a pacientes, donde se espera que el paciente adquiera una imagen mediante su celular y esta pueda ser procesada para clasificar el riesgo de la lesión.

Carpian: se trata de un sistema de IA para el cálculo automático de la edad ósea de un paciente pediátrico a partir de una radiografía de mano. Buscamos reducir la variabilidad interobservador en este diagnóstico y complementar el método tradicional basado en Atlas, que actualmente puede resultar desactualizado. Luego de concluir satisfactoriamente una prueba de concepto en la que participaron especialistas en radiología pediátrica, pediatras generales, pediatras endocrinólogos y residentes de imágenes, nos encontramos desarrollando las aplicaciones de software que permitirán integrar el algoritmo en el flujo clínico.

Líneas en desarrollo 

Hay otras líneas que se encuentran también en desarrollo. Por ejemplo, una herramienta para calcular parámetros de alineación espinal a partir de un espinograma lateral, para asistir a cirujanos de columna y reducir demoras en su tiempo de trabajo. También se encuentra en proceso un proyecto para detección de hemorragias en tomografía cerebral, que se implementará en la Central de Emergencias buscando disminuir demoras en el diagnóstico de este hallazgo crítico. De igual manera, el proyecto con imágenes de retinógrafos para la detección de retinopatía diabética, así como proyectos para la clasificación de metástasis vertebrales en tomografía, la detección de estenosis coronaria en angiografía, entre otros.