Los días 8 y 9 de Mayo se celebra el II Congreso de AEPCIMA, donde se presentará un innovador proyecto para aprovechar la Inteligencia Artificial desde un enfoque centrado en mejorar la calidad de la información que se recolecta en medicina y en el que participa el CEO de Quantum Babylon y alumno del Máster Profesional de Analista de Inteligencia de LISA Institute, Juan Pablo Castillo Cubillo.
Los días 8 y 9 de Mayo se celebra en Málaga el II Congreso de AEPCIMA (Asociación español portuguesa de cirujanos de mama) que tendrá lugar en la Gerencia de Urbanismo de dicha ciudad.
El evento, que reunirá a destacados expertos en el campo de la patología mamaria, ofrecerá conferencias magistrales, mesas redondas y talleres prácticos, donde se abordarán temas de vanguardia en el diagnóstico, tratamiento y manejo quirúrgico de las patologías mamarias.
Dentro de este marco, el reconocido cirujano Rogelio Andrés Luna analizará el nuevo estudio puntero y aplicación en Inteligencia Artificial del proyecto BreastAItegy realizado entre el centro de investigación puntera en oncología Fundación Champalimaud en Portugal, Acudesic y Quantum Babylon en España y otros hospitales colaboradores. El citado proyecto se enmarca dentro de los diferentes trabajos que están llevando a cabo para innovar en las tecnologías más avanzadas relacionadas con esta disciplina.
El nuevo estudio, BreastAItegy-Resculpt, liderado esta vez por el cirujano Gian Mario D’Ambrosio en colaboración con Willensem, M, Salvador López, J. Cobelo Galindo o el propio Andrés Luna se centra en la recogida de datos y análisis descriptivo mediante Inteligencia Artificial en pacientes sometidas a reconstrucción parcial mamaria con colgajos de la pared torácica.
Puede que dicho así, no resulte muy aclaratorio para el neófito pero esto es de vital importancia a la hora de poder seguir avanzando en la implantación de la Inteligencia Artificial en el campo de la medicina oncológica de mama. Y no solo en este capítulo, sino en general para seguir avanzando en un uso realmente práctico y provechoso de la IA en todos los campos de la sanidad.
➡️ Te puede interesar: Evolución de MEDINT: cómo aprovechar los avances de la Inteligencia Artificial en la salud
¿En qué consiste el proyecto BreastAItegy?
A diferencia de muchísimas otras investigaciones en oncología, el proyecto BreastAItegy se basa en desarrollar un modelo de IA especializado en oncología mamaria modular y ampliable que de manera progresiva. Según es entrenado y supervisado, se aplica a diferentes finalidades dentro de su campo.
Para que se entienda con facilidad: BreastAItegy dispone de un core o ‘nucleo de conocimiento’ que es continuamente entrenado, supervisado y corregido por clínicos y programadores para que sea capaz de ‘entender’ y ‘extraer’ con precisión toda la información que le es suministrada para luego aplicarla en distintos capítulos.
Por otro lado, el proyecto BreastAItegy desarrolla un interfaz intuitivo similar a los conocidísimos ‘chat-bots’ que simplifica enormemente la interactuación con los investigadores y elimina la habitual necesidad de disponer de un avanzado equipo de programación en Inteligencia Artificial cada vez que se inicia un nuevo estudio.
Estas características y otras, como es la estandarización de los historiales clínicos para simplificar su creación o la extracción/aprendizaje y anonimización por parte de modelos de Inteligencia Artificial especializada, aunque pueden ser obvias, todavía no han sido abordadas adecuadamente por la comunidad médica, por lo que este proyecto trata de solucionarlo de una manera global.
La implementación de la IA en medicina se promete como uno de los avances más importantes en su historia, de hecho, gracias al avance de esta y otras tecnologías los hallazgos en investigación se han multiplicado de manera exponencial en las últimas décadas. Sin embargo, este avance podría detenerse porque los clínicos no están preparados para usarla.
Cómo implementar la IA en el ámbito sanitario
Cómo propone Tim Schubert, Oosterlinck, T., Stevens R. y su equipo en AI education for clinicians, en lugar de apostar por lo complejo en el campo de la medicina, proponen un enfoque más claro de cara a implantar la IA en el ámbito sanitario con pasos sencillos:
- Enseñar IA por niveles: básico, competente, experto.
- Priorizar habilidades prácticas sobre conocimientos técnicos.
- Adaptar la formación al rol clínico y al contexto real.
El estudio destaca principios clave como son una formación escalonada, donde no hace falta programar, pero sí comprender el contexto. Aquí, la competencia es importante, abordando la ética, la interpretabilidad y el pensamiento crítico como base, sin olvidar que en ningún momento que ahora el aprendizaje continuo es crítico, pues la IA cambia rápido y la formación debe seguir el ritmo sin interferir en el día a día de os clínicos.
El proyecto BreastAItegy y las diferentes investigaciones que se desarrollan a su alrededor se enfocan de manera precisa en estos planteamientos, dotando a los profesionales sanitarios de herramientas a distintos niveles para el aprovechamiento de la IA, un uso práctico donde no es necesario adquirir conocimientos elevados para comenzar, gracias a un interfaz escalable al nivel de concimiento del usuario y un ecosistema de módulos para ayudar a los clínicos a formarse y desarrollar usos en el contexto real.
En el mundo real de la medicina la información no esta ‘formateada’ para un uso preciso por parte de las IAs, de hecho, ni siquiera habitualmente resulta sencillo extraer gran parte de la información presente en los corpus sanitarios por métodos automatizados para su uso en investigación.
➡️ Te puede interesar: Hacia la digitalización del cuerpo humano: los retos para la Inteligencia Sanitaria (MEDINT)
El software y modelos de IA habituales tienen serios problemas para ayudar a esta automatización, ya que no han sido entrenados correctamente, proceden de grandes modelos LLM repletos de sesgos e inexactitudes o son modelos especializados demasiado pequeños y poco entrenados para abordar con absoluta precisión un reclutamiento de datos preciso que ahorre costes de extracción.
Así pues, aunque se disponen de ‘millones’ de datos almacenados en centros de investigación y hospitales que podrían ser de una utilidad enorme tanto en estudios tradicionales o usando Inteligencia Artificial, el primer paso es poder transformarlos de manera rápida en bases de datos precisas y ‘datasets’ para IAs que los hagan realmente útiles y a un coste asumible. Parece algo básico pero el problema odavía permanece en vias de resolución.
Es por ello que BreastAItegy brinda por primera vez a todos estos retos una solución pragmática y eficiente que aborda el problema ‘desde el principio’ colaborando estrechamente clínicos y programadores para dar una solución real al problema, generando tecnología de Inteligencia Artificial, protocolos de tratamiento de información y software, diseñado por y para clínicos, comprendiendo sus necesidades, priorizando soluciones prácticas y sencillas desde el minuto cero.
En la alianza que abandera BreastAItegy, los programadores crean un entorno escalable que va a permitir que cada vez más y más investigadores, hospitales y centros de investigación dispongan de todo lo necesario a un coste asumible, en mitad de una tecnología que parece exigir cada vez mayores gastos estratosféricos, esta nueva concepción rompe con los problemas que hasta el momento ha presentado la Inteligencia Artificial en medicina para muchos clínicos y poder seguir el nuevo paradigma de simplicidad en la adopción que la sanidad necesita.
La adopción de la Inteligencia Artificial en la sanidad no es una opción, es una necesidad estratégica que solo podrá conseguirse si comprendemos estos nuevos planteamientos de cooperación en investigación, la comunicación continuada con los ingenieros de IA y las alianzas internacionales para asumir el reto.
