2022

Investigadores en Estados Unidos se encuentran desarrollando un modelo de Inteligencia Artificial (IA) y aprendizaje automático que utiliza datos de expedientes electrónicos y de procesamiento lenguaje natural. Digital Detection of Dementia o Detección Digital de Demencia es el nombre del estudio que busca evaluar el uso de IA para detectar Alzheimer y demencia no diagnosticada. Regenstrief Institute, Indiana University–Purdue University Indianápolis (IUPUI) y de otras facultades de medicina de Indiana y Miami. Casi 6 millones de personas en Estados Unidos padecen de la enfermedad de Alzheimer, según los Centros para el Control y la Prevención de Enfermedades (CDC). Sin embargo, existen muchas personas no diagnosticadas. “Entre el 50 y el 80 % de los casos de demencia no son reconocidos por el sistema de atención médica en los EE. UU. Y, si incluye a los pacientes que viven con un deterioro cognitivo leve, ese número podría aumentar a más del 80 % de los casos que no son reconocidos”, explicó Malaz Boustani, parte del equipo de investigación del Regenstrief Institute. Los investigadores de dichas instituciones desarrollaron un marcador digital pasivo basado en un modelo de aprendizaje automático, que además utiliza PLN para obtener información y datos no estructuradas de expedientes clínicos electrónicos. “A través de algoritmos de aprendizaje automático y procesamiento de lenguaje natural, podemos usar estos datos para identificar a las personas que pueden estar en riesgo de padecer la enfermedad de Alzheimer sin la necesidad de pruebas invasivas y costosas”, explicó la Dra. Zina Ben Miled también miembro de Regenstrief. Este modelo será aplicado en 2023 y participarán personas de Indiana y Florida de 65 años o más. BIBLIOGRAFÍA SCIENCE DAILY https://www.sciencedaily.com/releases/2022/12/221221090624.htm HEALTH IT ANALYTICS https://healthitanalytics.com/news/researchers-assess-ml-algorithm-for-undiagnosed-dementia-detection

El Gobierno de España destina 28 millones de euros a la creación del Espacio Nacional de Datos de Salud como parte de su Estrategia de Salud Digital. Durante el último año el Ministerio de Sanidad de España ha realizado inversiones para impulsar la Estrategia de Salud Digital, principalmente para adoptar e implementar sistemas de software y servicios de programación en el Sistema Nacional de Salud (SNS). La estrategia en general cuenta con un presupuesto de 700 millones de euros, de los cuales 450 corresponden a fondos europeos. En esta ocasión, el Espacio Nacional de Datos de Salud recibirá 28 millones de euros, los cuales serán coordinados por la Secretaría de Estado de Digitalización e Inteligencia Artificial, a través de la Secretaría General de Administración Digital. Además, también van a trabajar en colaboración con el Ministerio de Sanidad y los gobiernos de comunidades y ciudades autónomas. El Espacio Nacional de Datos tiene como objetivo mejorar los diagnósticos y tratamientos a través del análisis masivo de información. También es un pilar clave de la estrategia nacional para la generación de conocimiento científico que favorezca la evolución del SNS y las exigencias de la sociedad actual. Asimismo, se busca que gracias al Espacio Nacional de Datos de Salud se apliquen políticas de innovación orientadas a la medicina 5P (Poblacional, Preventiva, Predictiva, Personalizada y Participativa). “Es necesario establecer un Espacio Nacional de Datos Sanitarios que comprenda tanto los disponibles en el SNS como en otros repositorios de las administraciones sanitarias y sus organismos, de otras fuentes de las administraciones públicas, del ámbito académico o procedentes del Internet de las cosas, sobre el que aplicar metodologías y tecnologías digitales como el análisis masivo de datos o herramientas de inteligencia artificial, machine learning o procesamiento de lenguaje natural”, explicó el secretario general de Salud Digital, Juan Fernando Muñoz. En meses pasados gracias a la misma Estrategia de Salud Digital, se han constituido diversos proyectos como la Red Estatal de Vigilancia en Salud Pública, que impulsa el uso de Big data e Inteligencia Artificia (IA). BIBLIOGRAFÍA COMPUTER WORLD https://www.computerworld.es/tendencias/el-gobierno-destina-28-millones-de-euros-al-futuro-espacio-nacional-de-datos-de-salud SANIDAD https://www.sanidad.gob.es/gabinete/notasPrensa.do?id=5692 REDACCIÓN MÉDICA https://www.redaccionmedica.com/secciones/ministerio-sanidad/la-estrategia-de-salud-digital-suma-57-millones-para-desarrollo-de-software-8953

Los modelos de Inteligencia Artificial (IA) en salud pueden ser más accesibles gracias a los modelos fundacionales. Un modelo fundacional o foundation model es un término acuñado por Bimmasani et al, en 2021, para identificar modelos que implican de IA que se basan en conceptos e ideas clásicas del aprendizaje profundo, pero con dos diferencias principales. Estas diferencias son el aprendizaje de grandes cantidades de datos sin etiquetar y la adaptabilidad con una mejor eficiencia de la muestra. Durante el último año los avances en IA al alcance de la población para realizar diversas actividades han sido más accesibles. Por ejemplo, para la creación de imágenes generadas por un modelo entrenado de IA; para resolver problemas matemáticos; para escribir poemas; o para responder preguntas más elaboradas. En el caso de la IA aplicado en salud, la implementación de modelos probados en entornos clínicos sigue siendo muy limitada. Según la Universidad de Stanford, se han desarrollado cerca de 600 modelos para predecir resultados entre pacientes por COVID-19, sin embargo, ninguno se ha implementado para su uso en la atención de los pacientes. Algunos de los obstáculos son que los modelos dependen de la extracción de datos personalizados, conjuntos de capacitación, marcos regulatorios para el mantenimiento y monitoreo de la tecnología para el cuidado de la salud, entre otros. Investigadores de Stanford explican detallan oportunidades clave para la próxima generación de modelos fundacionales de IA para su aplicación médica: Adaptabilidad de la IA con menos ejemplos etiquetados manualmente IA modular, reutilizable y robusta Haciendo de la multimodalidad la nueva normalidad Nuevas interfaces para la colaboración humano-IA Aliviando el costo de desarrollar, implementar y mantener IA en hospitales Los modelos base o fundacionales, podrían mejorar la precisión de la IA en diagnósticos médicos sin requerir cientos de miles de imágenes etiquetadas por médicos para su entrenamiento. Asimismo, este tipo de modelos aprenden patrones útiles y pueden codificar la información en un conjunto de pasos del modelo. Aunque este proceso no es nuevo y se utiliza para adaptar modelos de manera sencilla y rápida para aplicarse en otros modelos, hace que los modelos fundacionales sean más eficientes para transferir el aprendizaje. Los investigadores de Stanford reconocen que existen beneficios de los modelos fundacionales en su aplicación a la atención médica, por ejemplo, la utilización de modelos para más de un propósito. Los modelos fundacionales pueden capturar diversos conocimientos a partir de datos no etiquetados o bien los especialistas pueden entrenar modelos estos modelos base ya existentes, lo que reduce el tiempo de entrenamiento y la cantidad de datos para realizar esta acción. BIBLIOGRAFÍA STANFORD https://hai.stanford.edu/news/how-foundation-models-can-advance-ai-healthcare