COVID-19 y perspectivas para la Inteligencia Artificial en Sanidad

Con la aparición del COVID-19, se ha disparado el interés por las nuevas tecnologías ligadas a la Inteligencia Artificial aplicadas al campo de la salud. Según los expertos, el procesamiento de imágenes médicas, el análisis de datos, la minería de textos, el procesamiento del lenguaje natural, el aprendizaje automático, el Internet de las Cosas y hasta la biología computacional serán palancas clave para dar solución a la crisis sanitaria mundial actual y transformarán el sector salud. Pero, ¿Cuál es el estado del arte actual y el potencial de estas tecnologías en el sector salud?, ¿Son las expectativas realistas?, ¿Cómo ha cambiado el COVID-19 las reglas del juego?

———————————————————–

Desde 2010, y muy especialmente desde 2013, uno de los temas más recurrentes en debates, conferencias, foros y publicaciones del sector sanitario ha sido la transformación que iba a sufrir el sector gracias a la Inteligencia Artificial, generando unas expectativas muy altas sobre el potencial de estas tecnologías.

Como ejemplo, la prestigiosa consultora McKinsey publicó en 2011, un estudio en que se anticipaba que el desarrollo e implantación de tecnología big data podía producir un ahorro potencial de hasta 300 000 millones de dólares anuales en el sistema de salud americano y de hasta 250 000 millones de euros en los servicios de salud públicos europeos, más que todo el PIB de Grecia (McKinsey, 2011). Este informe, junto a otras publicaciones como el informe de Gartner, que anticipaba que para 2015 se deberían haber creado 4,4 millones de empleos directamente relacionados con la Inteligencia Artificial, constituyó el pistoletazo de salida de la explosión del interés por el big data, tanto en sanidad como en otros sectores (Gartner, 2012).

Sin embargo, los estudios demuestran que el avance en implantación y el impacto real de muchas de las aplicaciones más disruptivas han sido muy inferiores a las que se pronosticaron hacen unos años. En 2017, McKinsey publicó un nuevo estudio en el que se hacía un repaso a cómo han evolucionado los distintos sectores, en relación al pronóstico de su informe de 2011. El estudio concluye que, exceptuando el ámbito de la geolocalización, en la mayoría de los casos, no se han cumplido los pronósticos. En cuanto al sector de la salud, el informe indica que, un lustro después de la publicación del estudio original, se había generado solo entre un 10 y un 15% del valor que se esperaba (Mckinsey, 2017).

Otro estudio de la consultora Rolad Berger sobre el avance de nuevas tecnologías en España, también señala el sanitario como el sector de la economía que tiene un mayor «gap digital» con un 77 % de potencial no realizado. Se entiende como «gap digital» la diferencia entre el potencial estimado y el estado actual de desarrollo de tecnologías digitales. (Roland Berger, 2019).

¿Se ha exagerado entonces el potencial de la Inteligencia Artificial en salud todos estos años? La respuesta es «Sí» y «No».  Ante cambios tecnológicos que tienen un impacto realmente disruptivo, se produce en numerosas ocasiones lo que se conoce como la Ley de Amara: se sobreestima socialmente el efecto de una tecnología disruptiva a corto plazo y se subestima su efecto a largo plazo.

El desarrollo e implantación generalizada de tecnologías ligadas a la Inteligencia Artificial en el sector de la salud responde a esta ley. El potencial transformador es tan grande que se han generado unas expectativas exageradas en el corto plazo, olvidando algunos de los retos y dificultades técnicas. Sin embargo, en el largo plazo, cuando se solventen las barreras que existen actualmente, su implantación supondrá un cambio disruptivo en línea con las cifras estimadas por los distintos estudios publicados. No estamos ahora mismo, por tanto, ante una burbuja sino en una fase muy inicial de un gran cambio.

¿Por qué tiene la analítica de datos tanto potencial en Sanidad?

Aunque a día de hoy las cifras de potencial impacto varían según el estudio, antes incluso del comienzo de la emergencia sanitaria provocada por el COVID-19, el sector salud era uno de los ámbitos en los que se espera que la Inteligencia Artificial tuvieran un mayor potencial de futuro. Existen posibilidades casi infinitas para su avance en campos como la gestión hospitalaria, la investigación clínica, el diagnóstico de enfermedades o el desarrollo más eficiente de nuevos y mejores fármacos. Algunas de las razones por las cuales este tipo de tecnologías tienen tanto potencial en el sector salud son las siguientes:

1. Materia Prima: El sanitario es uno de los sectores que dispone de más «materia prima» necesaria para el desarrollo de tecnologías de Inteligencia Artificial: los datos. Se estima que más del 30 % de todos los datos almacenados en el mundo son datos de salud (NEJM, 2017) y el ritmo de crecimiento en la generación de datos relacionados con la salud es exponencial, muy superior al de otros sectores.
2. Reto de Sostenibilidad: El sanitario es desde hace años, un sector con importantes retos de sostenibilidad. Las tendencias estructurales y demográficas previstas, entre las que se incluyen el envejecimiento de la población y el consecuente aumento de las tasas de cronicidad o el incremento del coste de los tratamientos sanitario, apuntan a un aumento todavía mayor de los costes y necesidad de recursos del sector, con la consecuente presión adicional que ello va a provocar sobre el sistema. Es por lo tanto necesario que se produzcan cambios estructurales, muchos ellos ligados a la introducción de nuevas tecnologías, para garantizar la sostenibilidad futura del sistema.
3. Ineficiencias Evitables: Diversos estudios estiman que el 25% de todo el gasto sanitaria de EEUU (JAMA, 2019) y el 20% de todo el gasto sanitario Europeo (IMTJ, 2019), es dispendio innecesario, provocado por ineficiencias del sistema, que en gran medida se podría evitar gracias a la introducción de mejoras y apoyo tecnológico a los profesionales.

¿Qué impacto va a tener el COVID-19 sobre el futuro de la Inteligencia Artificial en Sanidad?

El COVID-19 está teniendo un efecto acelerador importante sobre este tipo de tecnologías. Podría decirse que se ha avanzado más en unas semanas que en los últimos 5 años. Algunas de las barreras más importantes que existían se están eliminando, creando un camino más fértil para el desarrollo de estas tecnologías:

1. Mayor Interés de la Comunidad Científica y Tecnológica: El COVID-19 ha focalizado la atención de la comunidad científica e investigadora mundial sobre el sector salud. Se estima que desde Enero de 2020, se han publicado más de 23.000 estudios sobre el Coronavirus, y se espera que el número total de estudios se duplique cada 20 días (Sciencemag, 2020). El COVID-19 también ha disparado el interés de la comunidad tecnológica por el sector salud, más interesada en el pasado por otros sectores con un potencial de rentabilidad mayor.
2. Mejor Acogida del Personal Sanitario y los Pacientes: Previo al inicio de la emergencia COVID-19, existía una cierta resistencia a la adopción de nuevas tecnologías relacionadas con la Inteligencia Artificial por una parte del personal sanitario. En muchos casos, dicha resistencia venía por recelo y desconocimiento, puesto que en el pasado se ha dado a entender, erróneamente, que las máquinas y la Inteligencia Artificial podrían sustituir el capital humano, haciendo innecesarios a numerosos profesionales, tanto clínicos como del área de gestión. Esto es un error. La tecnología va a suponer un cambio en la forma de trabajar de los profesionales, que les permitirá centrarse solo en las tareas de mayor valor añadido, pero no va a poner en peligro su puesto de trabajo. La emergencia COVID-19 ha evidenciado la limitación de recursos del sistema. Esto unido a una mayor y mejor difusión del potencial de este tipo de tecnologías, ha hecho que muchos profesionales sanitarios y pacientes se muestren más partidarios a la implementación de Inteligencia Artificial que en el pasado.
3. Mayor Intercambio de Información: Pese a ser uno de los sectores que más datos genera, la insuficiente interoperabilidad de los sistemas y las barreras al intercambio de información entre los distintos actores, ha hecho que en muchas ocasiones la información esté acumulada en silos independientes y no se esté aprovechando de forma óptima. Ante la emergencia sanitaria provocada por el COVID-19, se han iniciado importantes esfuerzos internacionales de colaboración e intercambio de información.  La OMS, la Comisión Europea, Naciones Unidades, La Cámara Internacional de Comercio, La Fundación Bill & Melinda Gates y numerosas otras organizaciones y centros de investigación mundiales han lanzado proyectos de colaboración para ayudar en la producción y acceso global a las nuevas tecnologías sanitarias esenciales para la lucha contra el COVID-19. A nivel nacional, muchas universidades y hospitales españoles como el Hospital Clínico San Carlos de Madrid están participando en proyectos internacionales de investigación (LaVanguardia, 2020) y hospitales como los pertenecientes al grupo HM Hospitales, han puesto a  disposición de la comunidad científica de 30 países su base de datos anonimizada de pacientes COVID-19 (HMHospitales,2020). Se espera que esta mayor predisposición para compartir información, se afiance de cara al futuro y facilite significativamente el desarrollo de nuevas tecnologías.

¿Cuáles son los principales retos para que estas tecnologías puedan realizar todo su potencial?

Pese al potencial tan extraordinario que tiene la Inteligencia Artificial en sanidad y al avance que se va a conseguir gracias a la crisis COVID-19, continúan existiendo retos sustanciales que se deben superar. Algunos de los más importantes son los siguientes:

1. Cambio de foco del big data al smart data. Estamos, en cierto modo, ante una «fiebre de los datos», que busca en muchos casos generar y acumular cantidades ingentes de información. Los datos no valen nada si no se saben interpretar. El foco debe estar en saber hacer las preguntas adecuadas y determinar cómo los grandes volúmenes de datos anonimizados y la tecnología nos ayudan a obtener respuestas a estas preguntas. Además, la calidad de la información utilizada en el desarrollo de modelos debe ser de muy alta fiabilidad. Los datos se deben validar y depurar, para evitar la obtención de resultados no válidos o con «bias» que impliquen tomas de decisión en política sanitaria basadas en diagnósticos erróneos.
2. Acercarse más a la realidad de los Hospitales y los profesionales sanitarios: Numerosas investigaciones y trabajos de I+D de investigadores individuales, universidades, empresas y start-ups se están realizando «in vitro», teniendo en cuenta la teoría o realidades de otros sectores que no son en absoluto aplicables al sector sanitario. Sanidad es un sector muy complejo, que es necesario conocer en profundidad para poder desarrollar e implantar innovaciones a gran escala. Es imprescindible que se tenga más en cuenta la opinión de los profesionales del sector y su realidad en el día a día.
3. Inversión en TIC: Según los últimos datos que ha hecho públicos la Sociedad Española de Informática de la Salud (SEIS) en su último congreso de Marzo 2020 en Madrid, la inversión en tecnologías de la información en España en 2019 ha decrecido un 3% y representa solo un 1,16 % del presupuesto sanitario total (SEIS, 2020). Para conseguir los resultados deseables, el nivel de inversión tiene que estar cercano al de otras industrias como el sector bancario, donde las nuevas tecnologías suponen un 8 % del presupuesto. Si queremos innovar, es necesario realizar las inversiones necesarias primero.

Lista de Referencias

European Commision. (s.f.). Big Data for Better Outcomes, Policy Innovation and Healthcare System Transformation (DO->IT). Recuperado 10 marzo, 2020, de https://cordis.europa.eu/project/rcn/209468/factsheet/fr

Gartner. (2012, 22 octubre). Gartner Says Big Data Creates Big Jobs: 4.4 Million IT Jobs Globally to Support Big Data By 2015. Recuperado 27enero, 2020, de https://www.gartner.com/newsroom/id/2207915

HMHospitales. (2020, abril) COMUNICADO: COVID DATA SAVE LIVES. Recuperado el 19 Mayo 2020 en: https://www.hmhospitales.com/prensa/notas-de-prensa/comunicado-covid-data-save-lives

IBM. (2018, 19 noviembre). Watson Health: Get the Facts. Recuperado 27 enero, 2020, de https://www.ibm.com/blogs/watson-health/watson-health-get-facts/

IMTJ. (2019, february). 20% OF EU HEALTH SPENDING IS WASTEFUL. Recuperado 19 Mayo 2020 de, https://www.imtj.com/news/20-of-eu-health-spending-is-wasteful/

JAMA Netwrokf (2019, octubre). Waste in the US Health Care System. Recuperado 19 Mayo 2020 de https://jamanetwork.com/journals/jama/article-abstract/2752664

LaVanguardia. (2020, 21 mayo) Un registro global con 6.000 pacientes de COVID caracterizará la enfermedad Artículo publicado en https://www.lavanguardia.com/vida/20200521/481313212251/un-registro-global-con-6000-pacientes-de-covid-caracterizara-la-enfermedad.html

Mckinsey Global Institute. (2011, mayo). The age of analytics: Competing in a data-driven world. Recuperado 17 febrero, 2020, de https://www.mckinsey.com/~/media/mckinsey/business%20functions/mckinsey%20digital/our%20insights/big%20data%20the%20next%20frontier%20for%20innovation/mgi_big_data_exec_summary.ashx

Mckinsey Global Institute. (2017, enero). Big Data: The Next Frontier for Innovation, Competition and Productivity. Recuperado 17 febrero, 2020, de https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/the-age-of-analytics-competing-in-a-data-driven-world

New England Journal of Medicine. (2017, mayo). Using It or Losing It? The Case for Data Scientists Inside Health Care. Recuperado 17 febrero, 2020, de https://catalyst.nejm.org/case-data-scientists-inside-health-care/

Roland Berger. (2017, junio). España 4.0: El reto de la transformación digital en el Economía. Recuperado 18 febrero, 2020, de https://w5.siemens.com/spain/web/es/estudiodigitalizacion/Documents/Estudio_Digitalizacion_Espana40_Siemens.pdf

ScienceMag. (2020, mayo) Scientists are drowning in COVID-19 papers. Can new tools keep them afloat? Recuperado el 19 de mayo en https://www.sciencemag.org/news/2020/05/scientists-are-drowning-covid-19-papers-can-new-tools-keep-them-afloat

SEIS. (2020, marzo). Índice SEIS 2019. Presentación preliminar de resultados en congreso InforSalud 2020. Sesión Inauguración del congreso. Madrid, 3 Marzo 2020.