El campo de la patología, una parte integral del sistema de atención médica, se acerca a un punto de crisis, ya que la demanda constante y creciente de servicios de patología amenaza con superar el número de patólogos. El desequilibrio entre oferta y demanda es impulsado por las crecientes necesidades de atención médica, una escasez global de patólogos y la creciente complejidad de los diagnósticos médicos, todo lo cual puede afectar la prestación de servicios de salud y los resultados para los pacientes. En promedio, hay aproximadamente 14 patólogos por cada un millón de personas en todo el mundo, con disparidades mayores en países en desarrollo. Esta escasez de mano de obra está ocurriendo a medida que las tasas de cáncer continúan creciendo. En 2022, hubo casi 20 millones de nuevos casos y 9,7 millones de muertes relacionadas con el cáncer en todo el mundo. Para 2040, se espera que el número de nuevos casos de cáncer por año aumente a 29,9 millones y el número de muertes relacionadas con el cáncer a 15,3 millones.
Un diagnóstico erróneo de cáncer, o un retraso en el tiempo de tratamiento para los pacientes con cáncer, puede ser la diferencia entre la vida y la muerte. Si bien los resultados típicos de una biopsia actualmente tardan un promedio de una a dos semanas, la creciente demanda de biopsias de cáncer y la disminución de la oferta de patólogos están creando un punto de inflexión inminente. Sin embargo, hay una luz al final del túnel, y esa luz es la inteligencia artificial (IA).
Transformación digital: Preparando los laboratorios para el éxito
La industria de la salud ha adoptado rápidamente la transformación digital. De hecho, casi el 90% de los ejecutivos del sistema de salud informan que la transformación digital es una prioridad alta o principal para sus organizaciones. La IA es un componente crítico de la transformación digital, y uno que ya está siendo ampliamente adoptado en los sistemas hospitalarios. Por ejemplo, los departamentos de radiología, que también están lidiando con su propio aumento en la demanda de pacientes, utilizan soluciones habilitadas para IA para ayudar a agilizar los flujos de trabajo de tomografía computarizada (TC) y maximizar la calidad de imagen. Esto incluye todo, desde utilizar la IA para asegurarse de que el paciente esté en la posición correcta para el examen, hasta utilizarla para reconstruir imágenes, reducir las dosis de radiación y mejorar la calidad de imagen.
Sin duda, el poder de la IA también puede extenderse a los laboratorios, que pueden utilizar la IA para aliviar la crisis de oferta y demanda, y mejorar la eficiencia, precisión y velocidad en los diagnósticos de laboratorio. Los laboratorios pueden aprovechar la IA para escanear las diapositivas de patología y analizarlas con algoritmos avanzados para identificar diferentes tipos de tejido, detectar células cancerosas e incluso graduar la gravedad del cáncer. Este proceso imita el enfoque diagnóstico de un patólogo pero agrega una capa adicional de precisión. No solo ayuda a reducir errores diagnósticos al señalar problemas potenciales, sino que también brinda a los patólogos la oportunidad de revisar y corregir cualquier discrepancia antes de finalizar un diagnóstico, un paso necesario.
Es importante destacar que los propios patólogos están adoptando la IA. En una encuesta de 2019, cuando la IA aún estaba en pañales, los patólogos parecían ver el valor de la IA. Con la mayoría de los patólogos abiertos o incluso emocionados por la perspectiva de aprovechar la IA, parece que aquellos que se resisten podrían arriesgarse a quedarse atrás o ser reemplazados por patólogos que sí utilicen la IA en la práctica. Es importante destacar que, con los patólogos ansiosos por adoptar la IA y la industria necesitada de sus beneficios, ahora es el momento ideal para idear cómo la IA puede integrarse en la patología. Sin embargo, para aprovechar al máximo su potencial, los laboratorios deben asegurarse de comprender cómo utilizar la IA de manera efectiva. Sin esta comprensión, existe el riesgo de socavar los beneficios de la tecnología y potencialmente dañar a la industria en su conjunto.
Garantizando la innovación en IA en patología sin canibalización
En el ámbito de la patología, la IA debe usarse como una red de seguridad, otra capa de validación, no como un reemplazo de la experiencia humana. Si no se usa correctamente, la IA puede crear un ciclo de mediocridad que en última instancia puede dañar toda la industria. Ese ciclo podría verse algo así:
– Erosión de habilidades: Si los patólogos dependen demasiado de la IA, corren el riesgo de perder sus habilidades de diagnóstico, socavando su capacidad para interpretar casos complejos sin asistencia tecnológica.
– Datos obsoletos: Para que la IA siga siendo efectiva, necesita actualizarse regularmente con nuevos datos. Si los patólogos pierden conjuntos de habilidades básicas, eso significa que ya no están actualizando los sistemas de IA con las últimas investigaciones y datos del mundo real, perpetuando información obsoleta o inexacta y llevando a resultados más pobres para los pacientes.
– Canibalización: Si la IA se entrena con sus propias salidas obsoletas, podría formarse un ciclo de retroalimentación que haga que la tecnología se “coma a sí misma” al tomar decisiones basadas en datos repetitivos o defectuosos, disminuyendo aún más su confiabilidad con el tiempo.
Es por eso que la supervisión humana es insustituible. Los patólogos aportan conocimientos contextuales, intuición y pensamiento crítico que la IA actualmente no puede replicar, especialmente cuando se trata de casos únicos o raros que no siguen patrones estándar. En lugar de eso, al darles a los patólogos sistemas y herramientas de IA para validar los resultados de las pruebas e identificar o corregir diagnósticos erróneos, se está creando una red de seguridad digital para una industria responsable de hacer diagnósticos precisos y efectivos que pueden ser de vida o muerte. Ese tipo de apoyo es invaluable. La belleza de la IA reside en su capacidad para complementar los esfuerzos de los patólogos, brindando la seguridad de que están logrando niveles más altos de precisión y eficiencia en el diagnóstico.
Esta mayor precisión y eficiencia libera el tiempo de los patólogos, permitiéndoles concentrarse en la investigación y la resolución avanzada de problemas, actividades que, a su vez, contribuyen a la mejora y perfeccionamiento continuos de los algoritmos de IA. Como resultado, pasamos de un ciclo de mediocridad a un ciclo de excelencia, para cada paciente, en todas partes. En última instancia, al aprovechar las capacidades de la IA en análisis de datos y aprendizaje adaptativo, los laboratorios pueden elevar los estándares de diagnóstico, mejorar la atención al paciente y navegar por las complejidades de la atención médica moderna con mayor confianza y productividad.
Foto: alvarez, Getty Images
Joseph Mossel es el CEO de Ibex Medical Analytics. Su carrera en la industria tecnológica abarca más de 20 años, comenzando en desarrollo de software y gestión de productos, seguido de posiciones de liderazgo en startups, grandes corporaciones multinacionales y organizaciones sin fines de lucro. Joseph ha liderado productos desde su inicio hasta su madurez como negocios multimillonarios. Tiene un Máster en Ciencias de la Computación de la Universidad de Tel Aviv y un Máster en Ciencias Ambientales de la Universidad VU de Ámsterdam. Este artículo aparece a través del programa MedCity Influencers. Cualquiera puede publicar su perspectiva sobre negocios e innovación en atención médica en MedCity News a través de MedCity Influencers. Haz clic aquí para averiguar cómo.