La IA en la medicina

● ¿Cómo podría la IA ayudar a diagnosticar enfermedades?

● ¿Cómo podría la IA ayudar a desarrollar nuevos tratamientos?

● ¿Cómo podría la IA ayudar a mejorar la atención médica?

Beneficios ejemplos desafíos limitaciones conclusión, casos de éxitos.

Fujifilm (Fujifilm Holdings Corporation) es una compañía japonesa que se fundó en 1934 con el
objetivo de convertirse en la primera compañía del país en película fotográfica

Fujifilm desarrolla herramientas para detectar con mayor eficacia y velocidad posibles síntomas
analizando una gran cantidad de datos e imágenes en tiempo real incorporando nuevas maneras
de realizar diagnósticos en los que el procesamiento de grandes cantidades de datos asiste al
especialista, La llegada de la IA aplicada a las imágenes médicas, como radiografías, TACs o
scanners, viene de la mano de los algoritmos matemáticos y es el resultado de experiencias como
los vehículos autónomos” que son capaces de reconocer objetos y patrones, y esta misma
tecnología se ha trasladado al reconocimiento de las imágenes médicas, surge el análisis de
imágenes a través de la IA, Esto comenzó a ser posible cuando se desarrollaron unas posibilidades
de computación basadas en las consolas de videojuegos” Eran capaces de procesar una cantidad
de imágenes inmensa, y este tipo de unidades gráficas se ha utilizado para desarrollar estos
algoritmos que reconocen imágenes.

“Por ejemplo, existen soluciones de IA que nos dicen el grado de la atrofia que tiene un cerebro o,
y en pandemia, nos informó qué pacientes estaban afectados por una neumonía derivada de la
covid-19 a través de una radiografía de tórax. Otras detectan un tumor de manera automatizada,
en un pulmón o una mama, y avisan al radiólogo que está realizando ese estudio para que no se le
pase por alto”

Otra de las pruebas en las que la Inteligencia Artificial se está aplicando con grandes resultados es
la colonoscopia en este campo, está orientada a detectar pólipos y cánceres precoces, Un pólipo
es similar a una verruga en el colón, que puede crecer, degenerar y convertirse en cáncer. La
colonoscopia nos permite detectarlos y, si es necesario, eliminarlos”.

Hasta ahora, el conocimiento médico y científico se basaba en registrar datos clínicos de

pacientes, analizarlos con los métodos estadísticos tradicionales que conocíamos para descubrir
qué factores y variables eran importantes, y así construir patrones. Esa información ya la
teníamos, pero no la sabíamos explotar lo suficiente. La IA abre una puerta de un mundo de
extracción de datos, de creación de patrones muy detallados, y aplicarlos a los pacientes”.

Con la herramienta desarrollada por Fujifilm tiene dos finalidades: ayudar a detectar pólipos ,
mediante la observación de su superficie, establecer de qué tipo es entrenándola con miles de
vídeos y enseñando al software qué es y qué no es un pólipo, de esa forma se ha construido un
patrón de reconocimiento”.

Una de sus grandes ventajas es la capacidad de mantener la atención en todo momento y reforzar
el trabajo del especialista. “Este sistema no sustituye al médico, pero es de gran ayuda porque le
alerta.

El CAD EYE nos alerta, señalándolo con un cuadrado azul. Otras veces, nos sirve para contrastar. Se
puede observar algo que parece un pólipo pero no estar seguros.

“De esta manera podemos dejar los pólipos benignos, y los que son extraídos ya no es necesario
analizarlos porque ya tenemos ese diagnóstico gracias a la IA.

Esto representa una gran mejora en el proceso: cuando termina la colonoscopia ya podemos hacer
las recomendaciones al paciente sin esperar al resultado de una biopsia”.

CAD EYE, de Fujifilm, un software que ‘aprende’ la caracterización de los pólipos más peligrosos de
colon en prevención del cáncer.

CAD EYE es una de las innovaciones de la compañía Fujifilm incorporadas en los equipos de
endoscopia. Se trata de un software con una función para la caracterización de pólipos de colon
que utiliza un sistema de Inteligencia Artificial (IA) basado en Deep learning, que va ‘aprendiendo’
de imágenes y vídeos de alta definición.

Esta tecnología detecta y caracteriza lesiones, por el momento sólo en el tracto digestivo inferior
aunque, con el tiempo y ese ‘aprendizaje’ a través de actualizaciones podrá hacer lo mismo en la
zona del estómago y del esófago. Combinado con la cromoendos copia LCI mejora la detección en
tiempo real de pólipos y adenomas. Es eficaz hasta un 100% especialmente ante lesiones
aserradas planas de muy difícil detección.

De esta manera, cuando un pólipo sospechoso se detecta dentro de la imagen endoscópica, el

equipo indica el área donde se encuentra, acompañándolo de una señal sonora y sin necesidad de
realizar operaciones complicadas, como la magnificación y la captura de imagen, ya que se activa
automáticamente.

“Se convierte así en un software muy útil que facilita la labor de los profesionales y que ayuda a
desarrollar una tarea formativa en aquellos endoscopistas menos experimentados en el
diagnóstico óptico de lesiones, ayudándoles así con el resultado diagnóstico.»

Fujifilm Synapse 3D

Synapse 3D, por otro lado, es el software avanzado de Fujifilm para procesar y analizar imágenes
médicas, cuya aplicación abarca campos que van de la radiología a la cardiología.
Características

Tecnología FUJIFILM: 70 años de innovación. Líder en procesamiento de imágenes, Fujfilm es

capaz de explotar la mejor tecnología originada en la rama fotográfica, así como en el campo
clínico y de diagnóstico.

Calidad de imagen y excelencia clínica: La exclusiva tecnología Fujifilm permite poderosas

herramientas de procesamiento que garantizan resultados clínicos y de diagnóstico de alta calidad
con más de 50 módulos de aplicaciones que están en constante evolución para satisfacer
plenamente las necesidades de cada cliente.

Gran variedad de soluciones clínicas: Synapse 3D ofrece un importante soporte diagnóstico, clínico
y quirúrgico para varios servicios médicos de toda la organización de atención médica.

Soporte para el flujo de trabajo clínico y quirúrgico: Synapse 3D permite la cooperación

interdisciplinaria entre profesionales de la salud en aplicaciones de diagnóstico, clínicas y
quirúrgicas. La plataforma común, que recopila todos los módulos funcionales de Synapse 3D,
optimiza el flujo de trabajo, permitiendo a cada radiólogo, médico, cirujano o equipo de
tratamiento y atención interactuar en cada estudio individual y compartir su trabajo con otros
dentro de la organización de atención médica.

Neutral y multimodal: Synapse 3D puede procesar cualquier estudio DICOM adquirido de una
variedad de modalidades de imágenes, proporcionando una herramienta de procesamiento única
e integrando así todas las modalidades presentes en el departamento.

La solución integrada más ajustada: Gracias a la integración y sincronización de Synapse 3D con

Synapse PACS, todo el flujo de trabajo se beneficia en términos de ahorro de tiempo y precisión de
diagnóstico, ya que el usuario cuenta con todas las herramientas necesarias para ayudar en el
reporte, análisis y diagnóstico, solo con una estación de trabajo.

Las herramientas tecnológicas basadas en inteligencia artificial, además, continúan

desarrollándose y encontrando nuevas aplicaciones, no solo para el diagnóstico sino abriendo
puertas a otras combinaciones. “No solo sirven para la detección de enfermedades, sino también
para establecer cierto pronóstico respecto a la evolución de ese paciente, y también se están
generando algoritmos que, uniendo los datos de la imagen y con los datos clínicos, son capaces de
predecir el tratamiento más adecuado para ese paciente. Es lo que llamamos la medicina
personalizada”

Una de la ventajas de la IA con respecto a la inteligencia humana en el ámbito médico es su

capacidad de manejar el big data. Ingentes cantidades de datos que el cerebro humano necesitaría
años para poder ordenar. Es una grandísima ayuda en el diagnóstico y la orientación terapéutica
de los profesionales de la salud”, concluye.

Reili, la tecnología que ayuda a combatir el cáncer de mama

Reili, apoya, en gran medida, el flujo de trabajo de diagnóstico por imagen, aprovechando la
combinación del Deep Learning en tecnología de IA, esta tecnología reducirá el tiempo del
procedimiento de interpretación de imágenes y respaldar la toma de decisiones clínicas de los
radiólogos, además, facilita la medición de las lesiones con dos puntos de interés y proporciona un
mecanismo para medir el crecimiento del tumor a lo largo del tiempo a través del seguimiento de
comparación.

El programa REiLI es un conjunto de soluciones que engloba más de 70 sistemas de

reconocimiento de imagen, a los que se van sumando nuevas aplicaciones que apoyan al
diagnóstico médico.

Dicho estudio se debe realizar una vez al año a partir de los 40 años de edad para ver cómo
evolucionan diferentes patologías.

DeepHealth: nuevo proyecto para la mejora de los diagnósticos médicos

En este proyecto europeo, se están empleando técnicas muy innovadoras de Inteligencia Artificial,
combinadas con la Computación de Alto Rendimiento y el Big Data.

Qué es el big data?

Si hacemos alusión a la literalidad de su nombre, podemos interpretar que el big data consiste en
un gran volumen de datos de todo tipo. Estos datos se pueden presentar estructurados o no
estructurados, y de ellos podemos extraer información muy valiosa, siempre y cuando sepamos
cómo interpretarla.

El big data nos ayuda a extraer información útil de la inmensa marea de datos que se generan cada
día. Apoyándose en un conjunto de algoritmos, los analiza y saca conclusiones que nos permiten
distinguir tendencias e identificar posibles problemas y oportunidades.

Big data e inteligencia artificial: así trabajan juntos

Big data e inteligencia artificial están tan relacionados que cuesta concebirlos de manera
independiente. Explicándolo de una manera gráfica: el big data nutre con sus datos a la
inteligencia artificial, que no podría funcionar ni sostenerse sin él. Del mismo modo, el big data no
encontraría sentido sin una inteligencia que lo interpretara y fuera capaz de exprimir todo su
potencial.

Por lo tanto, big data e inteligencia artificial se apoyan y se retroalimentan, y trabajan como
auténticos aliados con un mismo fin: perseguir el éxito de la compañía, sacando el máximo partido
de los recursos disponibles.

Proyecto DeepHealth tiene una función en la salud: en su aplicación directa al sector en el

desarrollo de las áreas tecnológicas de la computación de alto rendimiento.
Computación de Alto Rendimiento al servicio de las aplicaciones biomédicas, empleando técnicas
de vanguardia de Aprendizaje Profundo, Inteligencia Artificial y Visión Artificial para dar soporte a
nuevas formas más eficientes para el diagnóstico, seguimiento y tratamiento de enfermedades.

La idea es combinar la Computación de Alto Rendimiento con entornos Big Data para mejorar la
labor de los técnicos expertos y del personal médico en el etiquetado y procesamiento de
imágenes biomédicas, así como en el entrenamiento de modelos de Inteligencia Artificial. Este
entorno incluye el desarrollo de dos nuevas librerías de software libre y código abierto

De esta forma, se busca crear nuevas formas más eficientes de diagnóstico, seguimiento y
tratamiento de enfermedades.

Deep learning trata de imitar el cerebro humano, aunque lejos de igualar su capacidad, lo que
permite a los sistemas agrupar datos y realizar predicciones con una gran precisión

Deep learning es un subconjunto de machine learning, que es básicamente una red neuronal con
tres o más capas. Estas redes neuronales intentan emular el comportamiento del cerebro humano
—aunque lejos de igualar su capacidad— pero le permiten "aprender" a partir de grandes
cantidades de datos. Aunque una red neuronal con una sola capa ya puede realizar predicciones
aproximadas, las capas ocultas adicionales ayudan a optimizar y refinar la precisión.

Deep learning impulsa muchos servicios y aplicaciones de inteligencia artificial (IA) que mejoran la
automatización, realizando tareas analíticas y físicas sin intervención humana. La tecnología de
deep learning reside detrás de muchos productos y servicios de uso cotidiano (como los asistentes
digitales, los controles de TV habilitados por voz y la detección de fraudes con tarjeta de crédito),
así como de tecnologías emergentes (como los automóviles autónomos).

La inteligencia artificial y el aprendizaje automático o Machine Learning son los pilares de la

próxima revolución informática. Estas tecnologías dependen de la capacidad de reconocer
patrones y luego, en función de los datos observados en el pasado, predecir resultados futuros.

Ejemplos de la vida cotidiana en los que se utiliza el 'Deep Learning'

1. Reconocimiento facial: muchas aplicaciones y dispositivos utilizan el Deep Learning para

reconocer caras. Por ejemplo, los smartphones pueden desbloquearse mediante el
reconocimiento facial, y las cámaras de seguridad pueden identificar a personas en tiempo real.

2. Asistentes virtuales: Siri, Alexa y Google Assistant utilizan el Deep Learning para entender y
responder a las preguntas y comandos de los usuarios. Aprenden a medida que más personas los
utilizan y mejoran su capacidad de entender el lenguaje natural.

3. Traducción automática: plataformas como Google Translate utilizan el Deep Learning para
traducir texto de un idioma a otro. La red neuronal aprende patrones en los datos de
entrenamiento para poder generar traducciones precisas.
4. Reconocimiento de voz: los sistemas de reconocimiento de voz, como los utilizados en los
smartphones o en los coches con comandos de voz, se basan en el Deep Learning para interpretar
y convertir el habla en texto.

5. Filtrado de spam: los filtros de spam en el correo electrónico utilizan técnicas de Deep Learning
para analizar el contenido de los mensajes y determinar si son legítimos o no.

https://expansion.mx/tecnologia/2019/10/19/reili-la-tecnologia-que-ayuda-a-combatir-el-cancer-
de-mama

https://www.ibm.com/es-es/topics/deep-learning

https://computerhoy.com/tecnologia/deep-learning-considera-revolucion-ia-1241180

https://griensu.com/producto/synapse-3d/

https://www.ituser.es/actualidad/2019/05/deephealth-el-proyecto-europeo-para-mejorar-los-
diagnosticos-medicos-con-inteligencia-artificial

https://www.tableau.com/es-es/data-insights/ai/ai-big-data
Detección de pólipos mediante la herramienta CAD-EYE, que utiliza soluciones de inteligencia artificial.

Esta tecnología forma parte de la Inteligencia Artificial que se desenvuelve en distintas capas o niveles
9 Beneficios de la Inteligencia Artificial en la medicina

El término Inteligencia Artificial se refiere a la capacidad de las máquinas para realizar tareas que
normalmente son realizadas y requieren inteligencia humana. En el ámbito de la salud, la IA ha
demostrado ser una herramienta invaluable para los profesionales médicos en varias áreas.

1. Diagnóstico preciso y temprano

Uno de los principales beneficios de la inteligencia artificial en la salud es su capacidad para ayudar
a mejorar el diagnóstico médico. Los sistemas de IA pueden analizar grandes cantidades de datos y
reconocer patrones que podrían pasar desapercibidos para los médicos. Esto permite identificar
enfermedades en etapas tempranas, cuando el tratamiento es más efectivo.

2. Mejora de la precisión quirúrgica

La inteligencia artificial también se ha utilizado para mejorar la precisión en las intervenciones

quirúrgicas. Los sistemas robóticos controlados por IA pueden realizar cirugías de manera precisa,
con reducción de riesgos para los pacientes y mejora de los resultados quirúrgicos.

3. Optimización del flujo de trabajo

La IA puede ayudar a los profesionales de la salud a optimizar su flujo de trabajo diario. Los
sistemas de IA pueden analizar datos médicos, registros electrónicos de salud y otros documentos
para proporcionar información relevante en tiempo real. Esto ahorra tiempo a los médicos y les
permite centrarse más en el cuidado de los pacientes.

4. Personalización de la atención al paciente

Cada paciente es único y puede requerir un enfoque de tratamiento personalizado. La inteligencia

artificial puede analizar datos de pacientes individuales y proporcionar recomendaciones
específicas para su atención. Esto permite una atención más personalizada y precisa, mejorando
los resultados para los pacientes.

Así mismo, con la utilización de chatbots basados en IA se pueden responder preguntas comunes,
proporcionar información médica y ofrecer orientación básica. Esto alivia la carga de trabajo de los
profesionales de la salud y permite una atención más accesible para los pacientes.

5. Monitoreo remoto y cuidado de la salud en el hogar

La IA también ha facilitado el monitoreo remoto de los pacientes y el cuidado de la salud en el

hogar. Los dispositivos conectados pueden recopilar datos de salud y transmitirlos a los
profesionales médicos en tiempo real. Esto permite un seguimiento continuo de la salud de los
pacientes y una intervención temprana en caso de problemas.
6. Prevención de enfermedades y promoción de la salud

La inteligencia artificial puede ayudar a prevenir enfermedades y promover la salud a través del
análisis de datos. Al identificar factores de riesgo y patrones en grandes conjuntos de datos, la IA
puede proporcionar recomendaciones para la prevención de enfermedades. Esto es
especialmente útil en el campo de la medicina preventiva.

7. Mejora de la investigación médica

Con la capacidad de analizar y procesar grandes volúmenes de datos, la IA puede ayudar a los
investigadores a identificar patrones, descubrir nuevas terapias y acelerar el desarrollo de
medicamentos. Esto agiliza el proceso de investigación y abre nuevas posibilidades para el
tratamiento de enfermedades.

8. Análisis de imágenes médicas

La inteligencia artificial ha demostrado ser altamente efectiva en el análisis de imágenes médicas,

como radiografías, tomografías computarizadas y resonancias magnéticas. Los algoritmos de IA
pueden identificar anomalías y ayudar a los radiólogos a realizar diagnósticos más precisos. Esto
mejora la detección temprana de enfermedades y contribuye a un tratamiento más efectivo.

9. Mejora de la gestión de datos y registros médicos

Los sistemas de IA pueden analizar registros médicos electrónicos, historias clínicas y otros datos
para identificar tendencias y patrones. Esto ayuda a los profesionales de la salud a tomar
decisiones informadas y proporcionar un cuidado más personalizado.

https://medicinaysalud.digital/beneficios-de-la-inteligencia-artificial/

Ejemplos reales de la inteligencia artificial en medicina

“Robot-assisted surgery”: asistente robótico para cirugías

La combinación de la inteligencia artificial y la robótica ha dado lugar a la creación de un robot de

asistencia en cirugías4. Su papel es actuar como una extensión del profesional sanitario, brindando
la posibilidad de realizar operaciones quirúrgicas a distancia.

Junto a él, también se han creado las “virtual nursing assistant” - asistentes de enfermería-, con el
objetivo de atender al paciente en todo momento4.
Inteligencia artificial al servicio de la medicina: así ayuda a conseguir diagnósticos más certeros

Detectar con mayor eficacia y velocidad posibles síntomas ahora es posible gracias a
herramientas como las que desarrolla Fujifilm, que sirven de apoyo a los profesionales médicos
analizando una gran cantidad de datos e imágenes en tiempo real.

La tecnología es, por supuesto, una gran aliada de la ciencia médica, incorporando nuevas
maneras de realizar diagnósticos en los que el procesamiento de grandes cantidades de datos
asiste al especialista.

“Hasta ahora, el conocimiento médico y científico se basaba en registrar datos clínicos de

pacientes, analizarlos con los métodos estadísticos tradicionales que conocíamos para descubrir
qué factores y variables eran importantes, y así construir patrones. Esa información ya la
teníamos, pero no la sabíamos explotar lo suficiente. La IA abre una puerta de un mundo de
extracción de datos, de creación de patrones muy detallados, y aplicarlos a los pacientes”
Puig Él trabaja con CAD EYE, una función para la detección de pólipos de colon desarrollada por
Fujifilm. “Tengo la suerte de disponer de esta herramienta que tiene dos finalidades: ayudar a
detectar pólipos , mediante la observación de su superficie, establecer de qué tipo es. ¿Cómo se
ha desarrollado? Entrenándola con miles de vídeos y enseñando al software qué es y qué no es
un pólipo. De esa forma se ha construido un patrón de reconocimiento”.

“Este sistema no sustituye al médico, pero es de gran ayuda porque le alerta.

El CAD EYE nos alerta, señalándolo con un cuadrado azul. Otras veces, nos sirve para contrastar.
Podemos ver algo que parece un pólipo pero no estar seguros, normalmente contrastamos con
compañeros, pero de esta manera tienes a otro experto a tu lado”.

Gracias a esta herramienta, el especialista no solo detecta con mayor precisión y eficacia estos
pólipos, sino que también determina de manera inmediata su tipología. “De esta manera podemos
dejar los pólipos benignos, y los que son extraídos ya no es necesario analizarlos porque ya
tenemos ese diagnóstico gracias a la IA. Esto representa una gran mejora en el proceso: cuando
termina la colonoscopia ya podemos hacer las recomendaciones al paciente sin esperar al
resultado de una biopsia”.

“La llegada de la IA aplicada a las imágenes médicas, como radiografías, TACs o scanners, viene de
la mano de los algoritmos matemáticos y es el resultado de experiencias como los vehículos
autónomos”

Porque son capaces de reconocer objetos y patrones, y esta misma tecnología se ha trasladado al
reconocimiento de las imágenes médicas”.

“Esto comenzó a ser posible cuando se desarrollaron unas posibilidades de computación basadas
en las consolas de videojuegos”, prosigue Escobar. “Eran capaces de procesar una cantidad de
imágenes inmensa, y este tipo de unidades gráficas se ha utilizado para desarrollar estos
algoritmos que reconocen imágenes. De ahí viene la explosión en el sector de la imagen médica de
soluciones de IA que son capaces de detectar patrones y clasificarlos”.

Estas herramientas se están aplicando a diferentes campos de la medicina, encontrando nuevas

maneras de ayudar a la detección de enfermedades diversas.

“Por ejemplo, existen soluciones de IA que nos dicen el grado de la atrofia que tiene un cerebro o,
y en pandemia, nos diagnostico qué pacientes pueden estar afectados por una neumonía derivada
de la covid-19 a través de una radiografía de tórax. Otras detectan un tumor de manera
automatizada, en un pulmón o una mama, y avisan al radiólogo que está realizando ese estudio
para que no se le pase por alto”, detalla Escobar.

Una de la pruebas en las que la Inteligencia Artificial se está aplicando con grandes resultados es la
colonoscopia. “En este campo, está orientada a detectar pólipos y cánceres precoces”
El programa REiLI es un conjunto de soluciones que engloba más de 70 sistemas de
reconocimiento de imagen, a los que se van sumando nuevas aplicaciones que apoyan al
diagnóstico médico.

Synapse 3D, por otro lado, es el software avanzado de Fujifilm para procesar y analizar imágenes
médicas, cuya aplicación abarca campos que van de la radiología a la cardiología.

Las herramientas tecnológicas basadas en inteligencia artificial, además, continúan

desarrollándose y encontrando nuevas aplicaciones, no solo para el diagnóstico sino abriendo
puertas a otras combinaciones. “No solo sirven para la detección de enfermedades, sino también
para establecer cierto pronóstico respecto a la evolución de ese paciente, y también se están
generando algoritmos que, uniendo los datos de la imagen y con los datos clínicos, son capaces de
predecir el tratamiento más adecuado para ese paciente.

Es lo que llamamos la medicina personalizada”, apunta Manel Escobar.

“Una de la ventajas de la IA con respecto a la inteligencia humana en el ámbito médico es su

capacidad de manejar el big data. Ingentes cantidades de datos que el cerebro humano necesitaría
años para poder ordenar. Es una grandísima ayuda en el diagnóstico y la orientación terapéutica
de los profesionales de la salud”, concluye.

https://elpais.com/sociedad/siempre-innovando/2021-09-10/inteligencia-artificial-al-servicio

La IA como herramienta de prevención

Uno de los aspectos más importantes de la salud es la prevención, es decir, la capacidad de

anticiparse y evitar posibles problemas de salud antes de que se agraven o se conviertan en
crónicos, según menciona IBM en un artículo. La IA puede ayudarnos a prevenir enfermedades de
varias maneras, como:

Análisis de datos masivos. La IA puede procesar y analizar grandes cantidades de datos de

diferentes fuentes, como historiales médicos, registros genéticos, hábitos de vida, factores
ambientales, etc., y encontrar patrones, correlaciones y factores de riesgo que puedan indicar una
mayor probabilidad de desarrollar ciertas enfermedades o complicaciones. Por ejemplo, la IA
puede ayudar a identificar personas con mayor riesgo de sufrir un infarto, un accidente
cerebrovascular, un cáncer o una diabetes.

Detección temprana de anomalías. La IA puede ayudar a detectar anomalías o signos de alerta en

imágenes médicas, como radiografías, tomografías, resonancias, ecografías, etc., usando técnicas
de visión artificial y aprendizaje profundo. Estas técnicas permiten a la IA reconocer y clasificar
diferentes tipos de tejidos, órganos, lesiones, tumores, etc., y compararlos con imágenes normales
o de referencia, para detectar posibles anomalías o cambios que puedan indicar la presencia de
una enfermedad o una condición. Por ejemplo, la IA puede ayudar a detectar el cáncer de mama,
de pulmón, de piel, de colon, etc., en etapas tempranas.

La IA como herramienta de diagnóstico

Otro aspecto clave de la salud es el diagnóstico, es decir, la capacidad de determinar la causa, el

tipo, el grado y el pronóstico de una enfermedad o una condición, basándose en los síntomas, los
signos, las pruebas y los criterios médicos.

Según Campus Sanofi, la IA puede ayudarnos a diagnosticar enfermedades de varias maneras,

como:

Asistencia al diagnóstico clínico. La IA puede ayudar a los médicos y otros profesionales de la

salud a realizar diagnósticos clínicos más precisos, rápidos y eficientes, usando técnicas de
procesamiento del lenguaje natural y aprendizaje automático. Estas técnicas permiten a la IA
entender y analizar el lenguaje natural, tanto oral como escrito, y extraer información relevante de
los síntomas, las preguntas, las respuestas y las conversaciones de los pacientes. Además, la IA
puede acceder y consultar bases de datos médicas, guías clínicas, estudios científicos, etc., y
ofrecer diagnósticos diferenciales, sugerencias de pruebas, tratamientos o referencias, y
explicaciones o justificaciones de sus razonamientos.

Diagnóstico a distancia o virtual. La IA puede ayudar a realizar diagnósticos a distancia o virtuales,

usando dispositivos móviles, aplicaciones, sensores, wearables, etc., que permiten recoger y
transmitir datos de salud de los pacientes, como la temperatura, la presión arterial, el ritmo
cardíaco, el nivel de glucosa, etc., y comunicarse con ellos a través de chatbots, asistentes
virtuales, videoconferencias, etc. Estos sistemas de IA pueden ofrecer diagnósticos preliminares,
consejos, alertas, recordatorios, seguimiento, etc., sin necesidad de que los pacientes se desplacen
o esperen a una consulta presencial.

La IA como herramienta de tratamiento

Otro aspecto fundamental de la salud es el tratamiento, es decir, la capacidad de aplicar medidas

terapéuticas para curar, controlar o aliviar una enfermedad o una condición, y mejorar la calidad
de vida de los pacientes. La IA puede ayudarnos a tratar enfermedades de varias maneras, como:

Diseño y desarrollo de fármacos. La IA puede ayudar a diseñar y desarrollar nuevos fármacos,

usando técnicas de modelado molecular, simulación, optimización, etc., que permiten a la IA
explorar y generar posibles estructuras químicas, evaluar su actividad, afinidad, toxicidad, etc., y
seleccionar las más prometedoras para su síntesis y prueba. Además, la IA puede ayudar a acelerar
y reducir el costo de los ensayos clínicos, usando técnicas de análisis de datos, minería de textos,
aprendizaje por refuerzo, etc., que permiten a la IA diseñar, ejecutar, monitorizar y analizar los
ensayos, y optimizar los protocolos, las dosis, los criterios de inclusión y exclusión, etc.

Asistencia al tratamiento quirúrgico. La IA puede ayudar a los cirujanos y otros profesionales de la

salud a realizar tratamientos quirúrgicos más precisos, seguros y eficaces, usando técnicas de
robótica, realidad aumentada, realidad virtual, etc., que permiten a la IA controlar o asistir a
dispositivos o instrumentos quirúrgicos, como bisturíes, pinzas, cámaras, etc., y ofrecer
información, orientación, feedback o alertas en tiempo real. Además, la IA puede ayudar a
planificar, simular y entrenar los procedimientos quirúrgicos, usando técnicas de modelado 3D,
animación, gamificación, etc., que permiten a la IA crear y manipular modelos virtuales de los
pacientes, los órganos, las lesiones, etc., y ofrecer escenarios, objetivos, retos o evaluaciones.

La IA como herramienta de seguimiento

Otro aspecto relevante de la salud es el seguimiento, es decir, la capacidad de monitorizar y

evaluar el estado, la evolución y el resultado de una enfermedad o una condición, y de ajustar o
modificar el diagnóstico o el tratamiento según sea necesario. La IA puede ayudarnos a seguir
enfermedades de varias maneras, como:

Seguimiento continuo y personalizado: La IA puede ayudar a realizar un seguimiento continuo y

personalizado de los pacientes, usando dispositivos móviles, aplicaciones, sensores, wearables,
etc., que permiten recoger y transmitir datos de salud de los pacientes, como la temperatura, la
presión arterial, el ritmo cardíaco, el nivel de glucosa, etc., y comunicarse con ellos a través de
chatbots, asistentes virtuales, videoconferencias, etc.

Estos sistemas de IA pueden ofrecer información, consejos, alertas, recordatorios, seguimiento,

etc., adaptados a las necesidades, preferencias y objetivos de cada paciente. Por ejemplo, la IA
puede ayudar a seguir enfermedades crónicas graves, con el fin de dar más vida a un paciente.

En pocas palabras, la Inteligencia Artificial puede ser un recurso importante para la medicina, y
conforme la tecnología se vaya superando, podrá tener nuevos retos que lleve a mejores
experiencias para los pacientes.

https://eldiariony.com/2024/01/23/como-la-inteligencia-artificial-podria-ayudarnos-a-mejorar-
nuestra-salud/
Inteligencia Artificial en el diagnóstico precoz del cáncer de mama

La Universidad de Valencia -España- ha desarrollado un nuevo sistema de inteligencia artificial

para la detección temprana del cáncer de mama, a través del análisis de mamografías.

Este sistema inteligente ha demostrado ser altamente eficaz, arrojando un porcentaje de

diagnósticos precoces del 89%.

https://campus.sanofi.es/es/noticias/2021/inteligencia-artificial-salud

https://inteligencia-artificial.dev/medicina/