Hace unos años se acuñó la expresión “Data is the new oil” (Los datos son el nuevo petróleo). La hemos leído en revistas especializadas como The Economist, y la hemos oído en televisión en programas como El Gran Hackeo (el documental sobre el escándalo de Cambridge Analítica).
La comparación no podría ser más acertada: es un activo del que conocemos la existencia hace mucho tiempo; en crudo tiene un valor limitado; y requiere de trabajadores cualificados y tecnologías sofisticadas para extraer todo su potencial.
Las tecnologías Big Data nos han permitido extraer, transformar y almacenar gran cantidad de información; pero continuando con el símil, el hecho de construir un impresionante oleoducto de crudo (datos desestructurados) no sirve para cargar de gasolina un coche (datos estructurados).
Según diferentes estimaciones, dentro del global de la industria tecnológica, la cantidad de datos estructurados no pasa del 21%. Cuesta pensar que en el sector de la salud sea mayor este porcentaje.
En ASHO nos dedicamos a la codificación clínica desde hace casi tres décadas, hemos extraído manualmente información útil de un sinfín de fuentes desestructuradas, y con ese conocimiento nos hemos preparado para extraer información de forma masiva con Inteligencia Artificial (IA).
Una de las primeras aplicaciones de la IA, y que más utilidad puede tener en los hospitales más longevos u otros en entornos menos desarrollados, es ayudar a la digitalización de sus archivos. En muchos casos, cuestiones como trazar el histórico de enfermedades tratadas por un hospital, puede resultar en un gran dolor de cabeza si no se cuentan con estas bases de datos estructuradas para reducir esfuerzos, tiempos y costes.
Cabe resaltar, además, que la digitalización es un paso previo para desarrollar herramientas más complejas, pero el poder de la IA es tan grande que incluso puede ayudarnos en esta necesaria etapa, con aplicaciones como el reconocimiento de escritura manual.
La Inteligencia Artificial aplicada en textos
Una vez pasada la etapa de digitalización, la IA puede usarse para estructurar datos en textos. La IA aplicada a textos se denomina Natural Language Process (Procesamiento del Lenguaje Natural), y es el área que más puede ayudar a los hospitales y centros de salud a mejorar su gestión.
Contando con la NLP, los hospitales pueden extraer información de los registros electrónicos sin tener que perder su “legacy” cuando surgen nuevas necesidades.
Esto añade una flexibilidad muy grande a los equipos de IT, que no tienen que pensar en hipotéticas estructuras complejas de mantener para sus bases de datos, y centrarse en las necesidades más inmediatas.
Pongamos un ejemplo: para un estudio clínico, se hace necesario saber el número de cigarrillos al día que fuman determinados pacientes, en un periodo concreto de tiempo. A priori es una información muy específica, que posiblemente no se registre de forma estructurada en las bases de datos. En este caso la Inteligencia Artificial puede ayudarnos a obtener esa información sin el trabajo manual.
Un paso más allá de la extracción de datos, es la aplicación de conocimiento según el contexto, como puede ser el caso de la codificación clínica. En este ámbito, el codificador debe discernir qué partes del documento médico son relevantes o no, y en función de ellas asignar códigos a los diagnósticos y procedimientos empleados.
Este ámbito de la Inteligencia Artificial se denomina Natural Language Understanding (NLU), y es uno de los más punteros dentro del campo de la IA. Más aún para la codificación clínica, la cual tiene una serie de dificultades añadidas que otras áreas de conocimiento no tienen.
Por ejemplo, determinadas palabras como “cálculo”, cambian completamente de significado en función de si vienen precedidas o no de un área anatómica, y los modelos de NLU deben ser entrenados teniendo esto en cuenta. Otro ejemplo distinto, es que dos codificadores expertos, para un mismo caso, pueden codificar de forma distinta, lo cual implica un escollo en el entrenamiento de la IA.
Además, en empresas con tanto volumen de datos clínicos como ASHO, nos encontramos con realidades a la que nos debemos adaptar.
El modelo de ASHO
Como muestra, en ASHO tenemos un modelo de IA que detecta automáticamente el idioma en el que está escrito el texto, por lo que en función de si el documento está redactado en catalán o en español podemos pretratar los datos con diccionarios distintos (por ejemplo: litiasi vs litiasis, en catalán y español respectivamente). Este pretratamiento es clave a la hora de mejorar el acierto de nuestros modelos.
Estos modelos además son personalizables, y según las necesidades del hospital podemos adaptarlos.
Es curioso percatarse de que en cada hospital existe una cultura corporativa, no sólo a la hora de estructurar los documentos, sino también a la hora de redactarlos. Es lógico: tendemos a escribir de una manera similar a nuestros compañeros. Nos habituamos a leer informes de una forma y lo reproducimos consciente o inconscientemente.
Al entrenar algoritmos para cada cliente, nos aprovechamos de esta cultura corporativa y mejoramos el accuracy. No sólo eso, sino que además adaptamos la búsqueda a ámbitos concretos bajo demanda. Un ejemplo de eso, es el trabajo en el curso clínico para buscar las dosis prescritas de medicamentos.
Por otro lado, cabe destacar que no solo desarrollamos estas herramientas de IA para uso externo, nuestros codificadores también hacen uso de la IA para mejorar su productividad.
En los casos en los que el código del CIE10 no es claro, tenemos entrenado un algoritmo que nos propone uno en función de casos anteriores similares.
A partir de ahí, podemos calcular fácilmente los Grupos Relacionados por Diagnóstico (GRD) para clasificar los casos en grado de dificultad, lo que afecta directamente a la gestión y financiación del hospital.
Como vemos, la aplicación de estas nuevas tecnologías no tiene un uso meramente testimonial, sino que las englobamos como una metodología más eficiente para aproximarnos a los problemas en los que puede ser usada, que virtualmente son todos.
La usabilidad de la Inteligencia Artificial y su impacto en el sector
Según la consultora internacional Accenture, la inversión en IA en el sector médico ha pasado de los 600 millones de dólares en 2014 hasta los 6600 millones con los que tienen previsto finalizar este año 2021. Esto es un espectacular crecimiento del 40% anual, que se estima continuará por lo menos hasta 2026.
Como muestra, la pandemia no ha hecho más que agilizar la adopción de estas tecnologías, y por ejemplo en España, a mediados de 2020, el Estado daba ayudas a todo aquel investigador en IA que tratase de aplicarla en la lucha contra el COVID.
La Unión Europea, por su parte, ha desbloqueado un fondo de ayudas anual de 1.000 millones de euros, una tercera parte al menos destinada a salud, con la intención de acercarse a los países que marcan el rumbo de la IA: Estados Unidos y China.
Simplemente, es una revolución a la altura de la popularización de internet, que no puede ser ignorada. En términos de calidad y cantidad, aquellos que no la abracen tienen un gran riesgo de perder competitividad.
Es por eso que desde ASHO nos adaptamos a las necesidades de nuestros clientes usando toda nuestra inteligencia, tanto artificial, como la del experto y brillante grupo humano del que tenemos la suerte de disponer.
Puede descargar este artículo en PDF sobre el uso de la Inteligencia Artificial para el tratamiento de datos en los hospitales haciendo click aquí.
Fuente: Hospitecnia
