La inteligencia artificial puede hacer que los sistemas sanitarios y la atención médica sean más eficientes, ha defendido la miembro del departamento de Pediatría del Centro Bass del Instituto de Investigación de Salud y del cáncer y leucemias infantiles de la Universidad de Standford (Estados Unidos), la doctora Kara L. Davis.
«Al enseñarnos las pruebas diagnósticas más interesantes para cada patología, se pueden agilizar los complejos exámenes y los diagnósticos redundantes o no informativos, e invertir de esta forma menos tiempo y dinero», ha indicado la doctora Davis durante la presentación de la jornada ‘Inteligencia artificial aplicada a la Biomedicina’, organizada por la Fundación Ramón Areces y Springer-Nature.
No obstante, la doctora Davis no cree que cada hospital o sistema sanitario requiera de «complicados» algoritmos o equipos para utilizar la inteligencia artificial, sino que «el aprendizaje de las características clave de los ensayos clínicos o estudios traslacionales, a través de modelos basados en la inteligencia artificial, proporcionarán información muy valiosa para el desarrollo de pruebas diagnósticas y pronósticas que se puedan realizar a gran escala«.
En este contexto, la experta ha presentado los resultados de un proyecto en el que la inteligencia artificial ayudó a predecir la probabilidad de recaída en pacientes con leucemia infantil y contribuyó a diseñar tratamientos más eficaces para la enfermedad.
El ‘machine learning’ «nos ha ayudado a establecer para el caso de la leucemia, qué población celular es la más importante, tanto para entender biológicamente la enfermedad, como para dilucidar las dianas terapéuticas a las que dirigir el tratamiento y mejorar los resultados de los pacientes».
«Al centrar nuestra atención en las células más importantes, podemos desarrollar mejores modelos pronósticos y tratamientos más precisos para prevenir la recaída en niños con leucemia», ha asegurado.
La integración de la inteligencia artificial en la investigación médica permitirá, a su juicio, «nuevas formas de tomar decisiones sobre el pronóstico de los pacientes y su tratamiento, y así ayudarnos a acercarnos a la medicina de precisión», ha valorado. «Se trata de integrarlo en la vida de los pacientes», ha especificado, pero ha reconocido que «nos va a llevar tiempo llegar ahí».
