Muchos de nosotros ya confiamos en la inteligencia artificial cuando usamos dispositivos domésticos inteligentes, software de navegación en tiempo real o recomendaciones de compras en línea. La inteligencia artificial también ha avanzado en la medicina clínica, pero es posible que no seamos conscientes de las formas en que la inteligencia artificial se ha convertido en una parte integrada de nuestra práctica y de la alta probabilidad de que dependamos cada vez más de la inteligencia artificial para realizar la medicina clínica.
La inteligencia artificial se define comúnmente como "la teoría y el desarrollo de sistemas informáticos capaces de realizar tareas que normalmente requieren inteligencia humana". Un subconjunto de la inteligencia artificial es el aprendizaje automático, que ocurre cuando la computadora aprende por sí misma en lugar de seguir reglas prescritas.
El aprendizaje automático se divide comúnmente en:
(1) aprendizaje supervisado, donde las etiquetas objetivo se definen de antemano.
(2) aprendizaje no supervisado, donde las etiquetas objetivo no se definen, comúnmente utilizado para agrupar, como en el reconocimiento de escritura a mano.
(3) aprendizaje por refuerzo, que describe un proceso iterativo de aprendizaje de la máquina a partir de errores pasados.
En todos estos subtipos de aprendizaje automático, se encuentra el concepto de redes neuronales. Primero ponderan variables predictivas, luego varían la salida a través de funciones de activación y, en última instancia, generan predicciones cuya precisión relativa se transmite de vuelta a la red para que aprenda en el siguiente ciclo, al igual que hace una neurona real.
La inteligencia artificial ya se utiliza con frecuencia en las operaciones hospitalarias y la predicción del riesgo de seguros, y continúa ganando terreno en la medicina clínica. Por ejemplo, en patología y medicina de laboratorio, es común que los patólogos dependan de un sistema automatizado impulsado por inteligencia artificial para el triage inicial de anormalidades citológicas de las pruebas de Papanicolaou.
Del mismo modo, los flujos de trabajo de radiología utilizan rutinariamente la inteligencia artificial para una mejor selección de la agudeza del estudio (por ejemplo, trasladando los estudios con mayor riesgo de anormalidad al principio de la lista) y para la protocolización y optimización del estudio (por ejemplo, limitando la radiación cuando se ha obtenido una imagen adecuada determinada por inteligencia artificial). Estos son solo algunos ejemplos de los cientos de algoritmos o aplicaciones clínicas de inteligencia artificial que han sido presentados y aprobados por la FDA para la atención médica.
Inteligencia artificial en obstetricia. En comparación, la obstetricia aún está en sus primeras etapas en cuanto a la incorporación de la inteligencia artificial en la atención clínica, aunque ha crecido enormemente desde entonces. En esta revisión, describiremos primero 3 áreas en las que la inteligencia artificial se ha utilizado de manera más efectiva en nuestro campo: la ecografía obstétrica, la interpretación de la frecuencia cardíaca fetal y la predicción de resultados clínicos adversos, para luego concluir con comentarios sobre los posibles aspectos positivos y peligros de la inteligencia artificial perinatal.
Ecografía. En una revisión titulada "Introducción a la inteligencia artificial en la ecografía en obstetricia y ginecología", Drukker describió varios usos potenciales de la ecografía obstétrica, muchos de los cuales ya se han materializado: (1) guía de la sonda, (2) buscador del plano biométrico fetal, (3) completar el estudio de anomalías, (4) resaltado de anomalías y (5) utilización de todas estas capacidades para educar mejor (y en tiempo real) tanto a los ecografistas como a los residentes de obstetricia. Desde la publicación de Drukker, la inteligencia artificial en la ecografía obstétrica ha demostrado ser experta en identificar planos biométricos y la presencia básica o ausencia de malformaciones anatómicas, completar una ecografía de anatomía e incluso clasificar un ecocardiograma fetal completo.
Recientemente, se descubrió que una red neuronal entrenada para estimar la edad gestacional a partir de barridos ecográficos del abdomen gravídico obtenidos a ciegas generaba una edad gestacional estimada más cercana a la edad gestacional real que la edad gestacional estimada por ecografistas capacitados que realizaban biometría fetal estándar. En conjunto, es probable que el uso de la inteligencia artificial en la ecografía obstétrica siga aumentando, impulsado por la innovación, la analogía con otros campos radiológicos y el interés de los clínicos.
Interpretación de la frecuencia cardíaca fetal. Los intentos de utilizar sistemas informáticos en la interpretación de la frecuencia cardíaca fetal (FCF) han estado en desarrollo casi desde la disponibilidad del monitoreo fetal electrónico continuo. La aplicación de la inteligencia artificial a la interpretación de la FCF se puede clasificar en 2 objetivos generales: (1) automatizar las alertas para un sistema de clasificación prescrito y (2) identificar patrones novedosos de anomalías que puedan predecir la hipoxia fetal.
Aunque la automatización de las alertas para un sistema de clasificación destinado a predecir la hipoxia fetal ha mostrado una promesa similar a la automatización de alertas en los registros médicos electrónicos para anomalías de los signos vitales en pacientes adultos, los resultados tanto en la práctica clínica como en la investigación han sido menos impresionantes.
El ensayo más grande de un sistema de alerta informatizado hasta la fecha fue el estudio INFANT (NCT02010710), un ensayo controlado aleatorizado en 46,042 pacientes embarazadas de 24 hospitales del Reino Unido e Irlanda. En este estudio, no hubo diferencias en los resultados neonatales o maternos entre aquellos que recibieron el apoyo adicional de toma de decisiones clínicas a través del sistema INFANT y aquellos que fueron tratados sin este sistema.
Por otro lado, la evaluación de trazados de la frecuencia cardíaca fetal para detectar patrones ha mostrado resultados ligeramente más prometedores. Georgieva y sus colegas de la Universidad de Oxford en Inglaterra han desarrollado el sistema OxSys, un modelo basado en redes neuronales convolucionales multimodales, que ha identificado hallazgos novedosos como la capacidad decelerativa, un término que describe la combinación de frecuencia, profundidad y pendiente de cualquier desaceleración en la frecuencia cardíaca fetal.
De manera similar, Zhong et al han desarrollado CTG-Net, un sistema que identifica patrones novedosos y permite la monitorización fetal remota centralizada, un enfoque que también ha mostrado promesa en ensayos en Estados Unidos. Aunque la capacidad de estos sistemas para identificar patrones novedosos es intrigante, no están listos para una adopción generalizada. Se necesitan estudios adicionales para comprender la implementación óptima de las recomendaciones basadas en la inteligencia artificial, especialmente aquellas generadas mediante modelos de aprendizaje profundo que identifican patrones o hallazgos que pueden no ser visibles al ojo del observador clínico.
Modelado predictivo. Los obstetras no son ajenos al uso de datos clínicos en modelos predictivos que tienen como objetivo identificar a aquellos en riesgo de resultados perinatales adversos. En los últimos años, la inteligencia artificial se ha utilizado cada vez más para generar estos modelos. El modelado predictivo utilizando inteligencia artificial de aprendizaje automático difiere del modelado predictivo tradicional. En el aprendizaje automático, la computadora aprende patrones clínicos para hacer predicciones, mientras que en el modelado predictivo tradicional, los humanos programan los datos clínicos en el modelo. En otras palabras, el papel de la computadora en el modelado tradicional en comparación con el modelado basado en el aprendizaje automático se invierte: donde antes solo se usaba como ayuda computacional, ahora desarrolla el modelo en sí.
Se han desarrollado modelos de inteligencia artificial para predecir desde preeclampsia hasta distocia de hombros, desde hemorragia posparto hasta depresión posparto y desde el modo óptimo de concepción hasta el modo óptimo de parto. Un tipo de modelado predictivo con inteligencia artificial en desarrollo reciente utiliza algoritmos de aprendizaje automático para determinar cuándo debería comenzar un paciente de alto riesgo con cesárea programada la administración de esteroides para la madurez pulmonar fetal. Estos modelos analizan simultáneamente más de 60 variables maternas y fetales para determinar el tiempo ideal de administración de esteroides. En general, la precisión de los modelos de inteligencia artificial es mayor que la de los modelos de regresión clásicos y otros modelos de aprendizaje automático.
Estos ejemplos, entre muchos otros, demuestran el amplio potencial de la inteligencia artificial en obstetricia. Desde la ecografía obstétrica hasta la interpretación de la frecuencia cardíaca fetal y la predicción de resultados clínicos adversos, la inteligencia artificial está demostrando su capacidad para mejorar la atención clínica en nuestro campo. Sin embargo, también es importante reconocer los posibles aspectos positivos y peligros de la inteligencia artificial perinatal.
La inteligencia artificial, al igual que cualquier herramienta clínica, debe utilizarse de manera ética y responsable para garantizar la seguridad y el bienestar de los pacientes. Además, es fundamental mantener una supervisión humana adecuada en el uso de la inteligencia artificial, ya que sigue siendo un campo en desarrollo y no puede reemplazar por completo el juicio clínico y la experiencia del médico. A medida que la inteligencia artificial continúa evolucionando y su uso se expande en la atención perinatal, es esencial que los obstetras se mantengan informados y participen activamente en la implementación de estas tecnologías en sus prácticas clínicas.
No hay comentarios:
Publicar un comentario