La cuarta revolución industrial se caracterizó por la adopción de tecnologías emergentes, como la inteligencia artificial (IA), el internet de las cosas (IoT, por sus siglas en inglés) o el blockchain. Estas herramientas digitales permitieron automatizar y digitalizar áreas clave como la salud. Así, se logró un impacto sin precedentes en la medicina moderna, conocido como medicina 4.0 y que consistió en el uso de tecnologías emergentes para digitalizar procesos, optimizar diagnósticos y transformar la relación entre médicos y pacientes.

Según el informe proporcionado por McKinsey & Company (2020), la IA tiene el poder de mejorar los resultados clínicos, la experiencia del paciente y contar con los accesos a los servicios de salud. Además, se menciona que el 35 % de actividades pueden automatizarse para generar un mejor enfoque en la atención directa al paciente y reducir el agotamiento laboral.

Principales aplicaciones de la IA en el diagnóstico

• Diagnóstico por imágenes. La IA permite interpretar radiografías, resonancias magnéticas, electrocardiogramas, etc., gracias a su sofisticado algoritmo, denominado red neuronal convolucional (CNN), para lograr un diagnóstico similar al de los expertos. Basado en un trabajo de investigación de mi autoría, recomiendo a CNN como algoritmo predilecto para la clasificación de imágenes.
• Prevención y tratamientos a medida. Según Vikas Burri y Lalasa Mukku (2024), la IA aplicada a la analítica predictiva permite identificar patrones de enfermedades antes de que aparezcan los síntomas. Ello facilita los tratamientos personalizados y mejora la prevención en pacientes de alto riesgo. 
• Asistentes virtuales y chatbots. El uso de chatbots facilita la interacción con los pacientes y fomenta su autogestión. Además, los profesionales de salud hoy pueden explorar nuevas opciones de diagnóstico a través de modelos de lenguaje de gran tamaño (LLM, por sus siglas en inglés) asociados a la IA generativa.

Adopción de la IA en el Perú

La integración de la IA en el sector salud puede mejorar de forma significativa la productividad en los distintos centros de salud. No solo permite abordar tópicos como el diagnóstico médico, sino también automatizar tareas administrativas, procesar información en lotes para una mejor clasificación de los casos clínicos, etc. Sin embargo, el éxito de su implementación radicará en factores como:

• Infraestructura. Para abordar proyectos de IA, se requiere una estructura tecnológica robusta y escalable para soportar la demanda de los pacientes de las diversas instituciones médicas. Soluciones de este tipo deben evaluarse de manera precisa, en cuanto a costo-beneficio, antes de aplicarse.
• Gestión del cambio. Se debe crear conciencia sobre los procesos en donde la IA brindará un apoyo al personal médico para generar un nuevo foco de atención a otras actividades. Ello debe aplicarse de igual manera a los pacientes, ya que la resistencia al cambio puede generarse desde su perspectiva.
• Interoperabilidad de datos. La comunicación de diferentes sistemas de salud debe considerar el uso de historias clínicas electrónicas (HCE) para asegurar la confidencialidad de los datos de cada paciente. Esta data puede incluirse en el Registro Nacional de Historias Clínicas Electrónicas (RENHICE).

Servicios brindados por la IA 

Existen servicios a nivel global que ofrecen diferentes tipos de funcionalidades. Estos son los denominados software as a service (SaaS) y son aplicaciones basadas en la IA y la nube que permiten a los profesionales de la salud acceder a herramientas avanzadas sin tener que gestionar la infraestructura. Algunos de los SaaS más conocidos en el mercado global son DeepMind Health de Google, enfocado en las diversas áreas médicas; IBM Watson Health, centrado en la oncología, y PMCardio de Powerful Medical, especializado en el escaneo de electrocardiogramas.

La medicina 4.0 revoluciona el paradigma actual sobre el futuro del sector salud, al potenciar el diagnóstico de casos médicos y ofrecer oportunidades para mejorar la precisión, eficiencia y personalización. ¿Estás listo para abordar la cuarta revolución industrial desde la perspectiva de la medicina? Déjanos tu opinión.

Aprende más participando en la Maestría en Dirección de Tecnologías de la Información de ESAN. 

Referencias

• Yang, J., Li, H. B., & Wei, D. (2023). The impact of ChatGPT and LLMs on medical imaging stakeholders: Perspectives and use cases. arXiv preprint arXiv:2306.06767. https://arxiv.org/abs/2306.06767
• Spatharou, A., Hieronimus, S., & Jenkins, J. (2020). Transforming healthcare with AI: The impact on the workforce and organizations. McKinsey & Company. https://www.mckinsey.com/industries/healthcare/our-insights/transforming-healthcare-with-ai 
• Burri, V., & Mukku, L. (2024). Predictive analytics in healthcare: Harnessing AI for early disease detection. Global Journal for Research Analysis, 13(4), 34-36. https://doi.org/10.36106/gjra/5803759
• Julca, B.  (2020). Aplicación de Deep Learning sobre imágenes topográficas para mejorar la precisión del diagnóstico de queratocono en una clínica de Lima. Universidad San Ignacio de Loyola. https://repositorio.usil.edu.pe/server/api/core/bitstreams/9d085711-98b1-4291-9301-b078438bb44c/content