Estamos pasando por la época más fría del año, momento en el que suelen aparecer brotes de neumonía, tuberculosis y otras enfermedades pulmonares complejas. Por esas fechas, el pánico reina en los hospitales ya que la salas de emergencia se saturan y el personal no puede agilizar el diagnóstico de los pacientes. Pero este año, con los nuevos modelos de inteligencia artificial, los hospitales podrían tomarse un respiro.
Los investigadores de la Universidad del Oeste de Escocia (UWS), que desarrollaron a principios de año un algoritmo IA para diagnosticar el Covid-19, creen que esta tecnología podría reducir también el colapso hospitalario durante el invierno.
Esto debido a que varios motivos:
- Para empezar, es un sistema diseñado para ofrecer diferentes pruebas de diagnóstico. Entre ellas, tomografías computarizadas, radiografías y ultrasonidos, que justamente son las pruebas más requeridas en un caso de tuberculosis o neumonía. Ello debido a que son infecciones potencialmente graves que también pueden dañar otros tejidos alrededor de los pulmones.
Estas pruebas suelen demorar mucho tiempo si la sala de emergencias está saturada o los médicos están estresados. Pero con ayuda de su algoritmo de inteligencia artificial, el tiempo de espera de esos pacientes en los hospitales se reduciría de un par de horas a unos pocos minutos. Lo que se traduciría a su vez en un menor colapso y una mejor atención médica durante esta temporada de invierno.
- Además, muchos hospitales ya han instalado este algoritmo para detectar rápidamente el Covid-19 a partir de imágenes de rayos X. Por lo tanto, no es necesario hacer una inversión adicional para reducir el volumen de emergencias y liberar al personal.
Por no mencionar que esta IA ya ha demostrado ser efectiva en el ámbito médico.
La inteligencia artificial en los hospitales: ¿cómo se maneja?
El algoritmo diseñado por los investigadores de la UWS utiliza esencialmente un banco de datos con miles de imágenes de pacientes con neumonía, tuberculosis y COVID, y un proceso conocido como “red neuronal convolucional profunda”.
Ambos mecanismos tienen la misma finalidad: detectar el tipo de enfermedad pulmonar que tiene el paciente. Pero cada uno de ellos sigue un proceso diferente de análisis.
En el banco de imágenes, el algoritmo explora las tomografías de rayos X de varios pacientes con enfermedades pulmonares para generar una coincidencia. Mientras que, con la red neuronal, el IA analiza automáticamente los rasgos visibles de la infección en el tórax para hacer el diagnóstico.
De esta forma, el algoritmo puede determinar qué tipo de afección tiene el paciente en cuestión de minutos, y con una precisión de alrededor del 98 %. Ambos, aspectos cruciales para los equipos médicos ocupados en todo el mundo.
En este sentido, la inteligencia artificial podría aliviar el colapso de los hospitales este año haciendo diagnósticos rápidos y seguros. Lo que permitiría:
- Reducir los tiempos de espera para los resultados de las pruebas.
- Liberar a los radiólogos y al personal médico para atender los casos más graves.
- Mejorar la atención médica en las salas de emergencia.
- Y mitigar el pánico que reina en los hospitales cada vez que llega el invierno.
