La inteligencia artificial analítica, las plataformas cognoscitivas y los tableros de control ¿son el fin de la historia clínica electrónica como la conocemos? Parte 2

 Autor: Rafael Enrique Brango. MD Esp. Gerencia y Auditoria de Calidad. Miembro Fundador AIpocrates.

Articular la ciencia de datos y los equipos con plataformas cognitivas implica aprovechar la potencia de los datos y la inteligencia artificial para mejorar la atención médica.

En el contexto de la inteligencia artificial aplicada al sector salud, una plataforma cognitiva es un sistema o conjunto de herramientas que utilizan técnicas de procesamiento del lenguaje natural, aprendizaje automático y análisis de datos para mejorar la atención médica a través de la toma de decisiones clínicas como se muestra en la siguiente tabla:

Diagnóstico y Detección de Enfermedades

Mejorar la velocidad y precisión de la detección temprana de anormalidades y de diagnóstico de enfermedades. Utilizan algoritmos y modelos de inteligencia artificial para analizar datos médicos, como textos (datos no estructurados y estructurados), resultados de pruebas de laboratorio e imágenes y asiste a los médicos proporcionando recomendaciones. Es útil para enfermedades complejas o raras, donde la experiencia de un especialista puede complementarse con la capacidad de la plataforma cognitiva para procesar grandes cantidades de información.

Atención Clínica y Toma de Decisiones

Asiste a los profesionales de la salud en la toma de decisiones al proporcionar acceso a información relevante, pautas clínicas actualizadas y posibles tratamientos, además, puede sugerir opciones de tratamiento basadas en el historial médico del paciente y la evidencia científica disponible.

Investigación y Desarrollo de Medicamentos

Pueden analizar grandes conjuntos de datos para identificar patrones, predecir resultados y acelerar el proceso de descubrimiento de fármacos.

Apoyo a la Salud Pública

Participar en la vigilancia de la morbilidad, la respuesta a brotes de enfermedades, la gestión de sistemas de salud y facilitar el acceso a los servicios de salud en áreas rurales o con recursos limitados.

Existen diversas plataformas cognitivas destacadas en el ámbito de la salud, como Aimentia, una herramienta de inteligencia artificial que facilita el diagnóstico de trastornos mentales y que actualmente apoya a más de 31.000 usuarios registrados (https://www.aimentia.com/es/index).

Symptomate, por su parte, es una aplicación de IA para diagnóstico médico que realiza una evaluación exhaustiva de los síntomas (https://symptomate.com/es-ES).

Healthily ofrece un verificador de síntomas impulsado por inteligencia artificial y brinda servicios médicos en línea, incluyendo la búsqueda de farmacias y recomendaciones de aplicaciones para la salud mental (https://www.livehealthily.com/).

PathAI colabora con patólogos para diagnosticar y clasificar cánceres utilizando IA (https://www.pathai.com/), mientras que BenevolentAI se enfoca en comprender enfermedades y desarrollar medicamentos más efectivos mediante IA (https://www.benevolent.com/). GNS Healthcare emplea IA para descubrir nuevos medicamentos y predecir la eficacia del tratamiento (https://www.aitiabio.com/), y SAS Health analiza datos de salud para identificar patrones y predecir tendencias (https://www.sas.com/en_us/software/health.html).

La combinación equilibrada de la experiencia clínica con la potencia de la inteligencia artificial con la para mejorar la atención médica y la salud de las personas^2,3 se logra integrando herramientas de análisis de datos avanzadas con plataformas cognitivas que puedan interpretar, aprender y tomar decisiones basadas en el conocimiento médico y los datos disponibles.

Las plataformas cognitivas pueden incorporarse en el flujo de trabajo clínico para proporcionar recomendaciones personalizadas y en tiempo real a los médicos y otros profesionales de la salud, agilizando el proceso de diagnóstico y tratamiento. Además, estas plataformas pueden mejorar la atención al paciente al identificar necesidades específicas y proporcionar recomendaciones de tratamiento adaptadas a su situación individual.

En conjunto, esta integración de ciencia de datos y plataformas cognitivas puede conducir a mejoras significativas en la calidad de la atención médica y la eficiencia operativa en el sector de la salud ^11,12.

El término plataforma cognoscitiva puede fácilmente confundirse con el de tableros de control, las diferencias se describen en la siguiente tabla:

Plataforma Cognoscitiva		Tablero de Control
sistema de inteligencia artificial que combina procesamiento del lenguaje natural, que busca comprender, razonar y aprender de datos no estructurados, imitando la forma en que los seres humanos procesan información y extraen conocimiento, con características clave		tablero de control es una herramienta visual que presenta datos e indicadores clave (KPI) de manera resumida y fácil de entender. Su objetivo principal es proporcionar una vista rápida del rendimiento de una organización o proceso.
Aprendizaje continuo	a medida que se les proporciona más información, mejoran su capacidad de análisis y toma de decisiones adaptándose en el tiempo.	Visualización	Representa datos en gráficos, tablas y otros elementos visuales, facilitando la comprensión.
Interacción natural	Interacción con los usuarios a través del lenguaje natural, como chatbots o asistentes virtuales	Personalización	Puede adaptarse a las necesidades específicas de la empresa, mostrando los KPI relevantes para cada contexto.
Análisis profundo	Extraen significado de datos no estructurados, como texto, imágenes o voz, permitiendo un entendimiento más completo.	Interactividad	Permite a los usuarios explorar datos y filtrar información según sus necesidades.
Razonamiento basado en conocimiento	Utilizan bases de datos y reglas para tomar decisiones informadas.	Automatización	Puede integrarse con sistemas para actualizar datos en tiempo real, manteniendo la información actualizada.

Articular la ciencia de datos y las torres de control de datos en el sector salud implica fusionar tecnología y conocimientos médicos para mejorar la atención y la gestión de recursos. Estos modelos evolucionan hacia un enfoque envolvente, centrado en el paciente, y las torres de control de datos emergen como elementos cruciales para este cambio.

Estas torres permiten el acceso en tiempo real a una variedad de datos clínicos, administrativos y financieros, facilitando decisiones informadas y mejorando la calidad de la atención⁹. 

Mientras que el tablero de control muestra datos relevantes, la plataforma cognitiva agrega inteligencia a la aplicación y para proporcionar una experiencia completa a los usuarios, Se requiere del frontend y el backend que trabajan juntos.

El frontend, Desarrollo del Lado del Cliente o Interfaz de usuario, es la parte visible y tangible de la aplicación, es el medio por el cual los usuarios finales interactúan directamente con ella.

Sus elementos fundamentales incluyen las estructuras de navegación, que organizan los componentes que se vinculan entre sí para realizar funciones específicas. E layout define la disposición de elementos como menús, botones y el footer, lo que facilita la navegación.

El contenido o información relevante para los usuarios, abarca desde texto, sonido hasta materiales interactivos que enriquecen la experiencia. Asimismo, las imágenes y recursos visuales, como videos, animaciones, mapas, gráficas, infografías, GIFs e ilustraciones, añaden un componente visual atractivo que aumenta el interés y la interacción.

En cuanto a sus funciones, el frontend se encarga de mostrar la interfaz gráfica para que los usuarios interactúen con la aplicación, con aspectos clave como la usabilidad, la accesibilidad y la satisfacción del usuario, lo que se conoce como Experiencia del Usuario y realiza las solicitudes al backend para obtener o enviar datos, estableciendo así una comunicación bidireccional entre ambas partes.

En lo relacionado con los tableros de control, el frontend muestra los datos a través de características visuales llamativas y fácilmente entendibles, como gráficos y representaciones visuales de la información que permiten establecer tendencias en el tiempo, así como las semaforizacion la identificación de resultados crítico o la ubicación espacial de una variable (rango deseable/rango indeseable).

En la plataforma cognitiva a través de APIs para procesar datos no estructurados, como texto o imágenes, integrando así capacidades de inteligencia artificial en la aplicación.

El backend, también llamado desarrollo del lado del servidor o lógica del negocio, de una aplicación se define como la parte invisible encargada de procesar la información que luego alimenta al frontend. Está compuesto por diversos elementos, como marcos, bases de datos y códigos, que trabajan en conjunto para garantizar el funcionamiento adecuado de la aplicación.

Sus funciones principales incluyen la lógica de aplicación, que se encarga de realizar cálculos, tomar decisiones, gestiona el acceso a la base de datos, almacenando y recuperando datos según sea necesario para el correcto funcionamiento de la aplicación, también se encarga de garantizar la seguridad de la aplicación, autenticando usuarios y protegiéndola contra posibles amenazas externas y procesar solicitudes provenientes del frontend.

La integración del backend con el frontend se puede lograr mediante servicios web, APIs, integración de datos o plataformas como SDK. Para el frontend, opciones como React, Angular, Vue.js, Bootstrap y D3.js ofrecen diversas ventajas según las necesidades del proyecto, mientras que para los tableros de visualización de datos, herramientas como Microsoft Power BI, Tableau y TIBCO Spotfire son populares y potentes⁹.

El backend juega un papel fundamental al extraer datos de la base de datos y suministrarlos al tablero de control para su visualización. Esta funcionalidad es esencial para la monitorización y análisis de información relevante, la cual es crucial para la toma de decisiones. El tablero de control, como herramienta indispensable en la gestión de datos, establece conexiones clave tanto con el frontend como con el backend del sistema. Desde una perspectiva de interacción usuario-sistema, el frontend presenta los datos que han sido recopilados y procesados por el tablero de control, ofreciendo una visualización clara y comprensible para los usuarios. Simultáneamente, el backend desempeña un papel crucial al proporcionar los datos necesarios para alimentar y permitir la visualización y análisis eficiente del tablero de control.

Adicionalmente, el backend puede comunicarse con la plataforma cognitiva para analizar datos no estructurados y obtener recomendaciones de modelos de inteligencia artificial, incorporando así un componente de aprendizaje y adaptación a la aplicación. La interacción de la plataforma cognitiva con el backend y el frontend amplía significativamente sus capacidades, permitiendo el procesamiento de datos y la oferta de respuestas inteligentes, lo que añade un nivel de sofisticación y adaptabilidad a la aplicación. En particular, el frontend puede enviar datos no estructurados, como texto de usuarios, a la plataforma cognitiva para su análisis, mientras que el backend integra esta funcionalidad para tomar decisiones basadas en conocimientos adquiridos, enriqueciendo así la funcionalidad y la inteligencia del sistema.

En las consideraciones para el Desarrollo de un Backend de Datos en Salud para estructurar adecuadamente un backend de datos en el ámbito de la salud, es vital considerar aspectos como el almacenamiento seguro y la integración de datos desde diversas fuentes. Asimismo, es esencial el desarrollo de servicios web que permitan el acceso y herramientas de análisis que transformen los datos en información útil. La autenticación y autorización son fundamentales para garantizar la seguridad y privacidad de los datos, aspectos que deben complementarse con un monitoreo constante y mantenimiento regular del sistema.

Conclusión

En el contexto del siglo XXI, la integración de la inteligencia artificial en la analítica de datos en salud se revela como un factor clave para revolucionar la atención médica. Esta combinación de tecnología avanzada y conocimiento médico está abriendo nuevas posibilidades para mejorar tanto la calidad de vida como la eficiencia de los servicios de salud.

La analítica de datos en salud se ha convertido en una herramienta esencial que puede transformar fundamentalmente el enfoque hacia los retos médicos. Detrás de cada innovación en este ámbito, existe un equipo diverso de profesionales altamente capacitados que utilizan su experiencia para transformar grandes volúmenes de datos en conocimientos prácticos y aplicables. Cada miembro, desde el analista hasta el científico de datos, juega un rol vital en la evolución hacia una atención más eficaz y personalizada.

Además, al integrar la ciencia de datos con plataformas cognitivas y formar equipos competentes en analítica de datos en salud, se potencia el uso de inteligencia artificial, optimizando así la atención médica. Esta estructuración no solo fomenta la innovación, sino que también promueve un futuro donde la atención médica sea accesible y equitativa para todos.

«No es momento de oponerse porfiadamente a un hecho inevitable, ya que la inteligencia artificial, sí o sí, continuará desarrollándose a una velocidad sorprendente» Osvaldo Artaza⁷

Bibliografía

1. Beneficios de la analítica de datos en el sector de la salud https://www.heinsohn.co/blog/analitica-de-datos-en-salud/#:~:text=El%20uso%20de%20la%20anal%C3%ADtica,de%20pacientes%20en%20tiempo%20real.
2. Análisis de datos en salud  https://www.theinformationlab.es/blog/analisis-de-datos-en-salud/
3. Masterclass: Cómo estructurar un equipo de analítica de datos https://www.youtube.com/watch?v=EfPAXEEPBes
4. 5 Roles clave en el mundo de los Datos y la Inteligencia Artificial https://www.digitalhouse.com/blog/5-roles-clave-en-el-mundo-de-los-datos-y-la-inteligencia-artificial/#:~:text=Los%20Data%20Scientists%20son%20expertos,de%20decisiones%20informadas%20y%20estrat%C3%A9gicas.
5. Salud e inteligencia artificial: ¿cómo hemos evolucionado? https://www.elsevier.es/es-revista-revista-medica-clinica-las-condes-202-articulo-salud-e-inteligencia-artificial-como-S0716864022001262
6. Inteligencia artificial al servicio de la salud del futuro https://www.elsevier.es/es-revista-revista-medica-clinica-las-condes-202-articulo-inteligencia-artificial-al-servicio-salud-S0716864023000032
7. Inteligencia artificial y salud, una realidad con luces y sombras https://www.cnnchile.com/opinion/columna-osvaldo-artaza-inteligencia-artificial-salud_20240130/
8. Cómo estructurar y administrar un equipo de ciencia de datos https://kwfoundation.org/blog/2021/01/07/como-estructurar-y-administrar-un-equipo-de-ciencia-de-datos/
9. Torres de control de datos para el sector salud https://consultorsalud.com/torres-de-control-datos-sector-salud/
10. Ingenieria y ciencias de la vida: Relación simbiótica para la supervivencia humana  https://www.redalyc.org/journal/2654/265473137017/html/
11. Tendencias tecnológicas de la computación cognitiva y direcciones futuras de investigación en atención médica: una revisión sistemática de la literatura https://www.sciencedirect.com/science/article/abs/pii/S0933365723000271?via%3Dihub
12. Una buena dosis de tecnología cognitiva y de máquinas para la atención sanitaria https://www2.deloitte.com/us/en/pages/deloitte-analytics/articles/cognitive-technology-for-health-care.html

En la redacción de esta columna se emplearon diversas herramientas en línea para parafrasear algunos párrafos. Se recurrió a sitios como https://parafrasear.org/, https://paraphraz.it/es/, https://spinbot.com/ y también se utilizó la capacidad de parafraseo de ChatGPT.