La inteligencia artificial puede ayudar a reducir los chequeos médicos

Una visita al médico que genera una solicitud de análisis de sangre. Un retorno que genera otra solicitud de análisis de sangre porque el médico quiere "asegurarse". Este es un ciclo que probablemente todos han pasado o pasarán en la vida. O tal vez no. Para Jonathan Chen, profesor asistente de medicina en la Universidad de Stanford, la inteligencia artificial puede ayudar a romper este ciclo a través de un algoritmo.

Fundamental y considerado la piedra angular de la medicina de diagnóstico, los análisis de sangre repetidos pueden significar un reproceso y un desbordamiento, ya que la posibilidad de resultados repetidos sin cambios es enorme. Además, la administración repetida de la misma prueba puede ser perjudicial para el paciente.

Para Jason Hom, profesor asistente de medicina, además de las desventajas financieras de las pruebas innecesarias, en algunos casos las pruebas se realizan con tanta frecuencia que los pacientes pueden llegar a tener anemia.

Sin duda, garantizar un diagnóstico es esencial, pero para Chen esta necesidad se debe a la falta de pautas sobre lo que constituye la razón de varios análisis de sangre. Chen y su equipo enfatizan que el algoritmo es un recurso que proporciona evidencia que debe considerarse para cada paciente, no un método de toma de decisiones para el médico o los pacientes.

Foto: Freepik

En resumen, el algoritmo le dice al médico la probabilidad de que otra prueba produzca un resultado diferente al primero.

El uso de la inteligencia artificial ha comenzado a probarse y revela que los médicos podrían reducir las pruebas muchas veces. Los datos recopilados en el estudio piloto muestran que algunas de estas pruebas se realizan tan de cerca que es fisiológicamente imposible cambiar los valores de los resultados.

Para probar el algoritmo, Chen y su equipo utilizaron datos de pacientes no identificados, como signos vitales, afecciones médicas, síntomas, resultados de pruebas de laboratorio y otros, para mostrar con qué frecuencia los análisis de sangre informaron una anormalidad. Las pruebas se realizaron en Stanford, la Universidad de California y la Universidad de Michigan.

“Este es un buen primer paso para demostrar que es realmente posible utilizar datos de esta manera para ayudar a reducir las pruebas de laboratorio innecesarias. Pero, en última instancia, nuestra idea es que las instituciones usen nuestro método y tecnología, pero desarrollen sus propios algoritmos basados ​​en sus propios datos para generar el mayor nivel de precisión posible ", dice Chen.