Redacción
La Medicina de Laboratorio es una de las especialidades que emplea la inteligencia artificial (IA) como una herramienta de apoyo para la práctica clínica. Su uso ha supuesto una mejora de la precisión en las pruebas de laboratorio, mayor productividad y la simplificación de los flujos de trabajo. Sin embargo, la incorporación de la IA en la práctica sanitaria no debe comprometer la privacidad de los pacientes, ni la comprensión e interpretación correcta de sus resultados. Así se puso de manifiesto durante el XVII Congreso Nacional del Laboratorio Clínico (Labclin 2023) organizado por la Sociedad Española de Medicina de Laboratorio (SEQC), la Asociación Española de Biopatología Médica (AEBM-ML) y la Asociación Española del Laboratorio Clínico (AEFA).
Durante el simposio, Big Data: Análisis Avanzado de Datos e Inteligencia Artificial en el Laboratorio, moderado por el Dr. Germán Seara, del Instituto de Investigación Hospital 12 de Octubre (imas12), se profundizó en el uso de datos y de IA en el ámbito sanitario.
Dr. Germán Seara: “La aplicación de la IA en la automatización de procesos ha supuesto una mejora de la precisión, con disminución de errores, y una simplificación de los flujos de trabajo”
“La aplicación de la IA en la automatización de procesos ha supuesto una mejora de la precisión, con disminución de errores, y una simplificación de los flujos de trabajo, con un incremento de la productividad y disminución de costes”, comentó el Dr. Seara. Asimismo, recordó que la generación de informes automáticos mejora la comunicación con clínicos y pacientes y permite la introducción semiautomática de recomendaciones personalizadas.
La incorporación del análisis masivo de datos, los algoritmos de Machine Learning (ML) y Deep Learning en los modelos de IA ha aumentado en gran medida su potencia de aplicación, disminuyendo su “explicabilidad”. Es decir, la capacidad de entender e interpretar correctamente de qué forma ha llegado a sus resultados. “En el congreso ahondaremos en la necesidad de establecer un equilibrio entre el avance tecnológico que suponen el análisis masivo de datos y la IA y los riesgos de privacidad para los pacientes y de “explicabilidad”, detalló el Dr. Seara.
Necesidades formativas
La Minería de Datos y el Machine Learning permiten mejorar el análisis de datos, su descripción, clasificación y segmentación, el descubrimiento de patrones de comportamiento y la generación de modelos predictivos.
El Machine Learning permiten mejorar el análisis de datos, su descripción, clasificación y segmentación, el descubrimiento de patrones de comportamiento y la generación de modelos predictivos
“Al mismo tiempo obliga a una formación de los profesionales en el ámbito de la IA, al trabajo interdisciplinar sistemático, a la incorporación de mecanismos de verificación y auditoría de resultados y al incremento de medidas de seguridad, tanto informática como de privacidad, para asegurar un manejo ético de las nuevas tecnologías”, comentó el especialista.
Por último, remarcó que la actual revolución digital y la expansión de las técnicas de análisis masivo de datos y de IA están cambiando la manera de ejercer la profesión y de comunicarse con la sociedad. Pese a esto, el Dr. Seara recuerda que el futuro no debería enfocarse a sustituir a los profesionales, “sino a servirles de apoyo en su quehacer, mejorar la calidad de las prestaciones y el valor para los pacientes. Y no parece que sea optativo. O nos incorporamos o nos arrasará”.
