Tendencias de Salud 2023: Oportunidades Destacadas para el 2024 | AI Heroes Newsletter

Estamos trasladando nuestro newsletter a AI Heroes para mejorar la experiencia dentro de una sola comunidad, para conocer más visita: www.aiheroes.org

A lo largo de mi carrera, he sido testigo del impacto transformador que la IA puede tener en salud, pero en latino américa su potencial está por ser explotado.

En esta edición, exploraremos los tres casos de uso más que más captaron la atención de nuestra comunidad en 2023.

Exploraremos no solo cómo estos avances impactan la salud, sino estrategias que han tomado personas para implementar en nuestros países latinoamericanos, con ejemplos concretos y resultados.

Vamos a ello.

Predicción de enfermedad renal crónica

Se estima que 1 de cada 10 personas tiene alteraciones irreversibles en la función renal, y se proyecta que la Enfermedad Renal Crónica (ERC) será la quinta causa de muerte en 2040, según el estudio Global Burden of Disease y Organización Panamericana de la Salud [1,2]. En el contexto latinoamericano, la IA tiene la capacidad de ofrecer un diagnóstico temprano 10 veces más rápido que los métodos tradicionales, facilitando intervenciones oportunas al identificar casos no diagnosticados y prever progresiones rápidas, evitando eventos y complicaciones adversas. Por ejemplo, Colli et al. [3] desarrolló una solución utilizando datos de la Encuesta Nacional de Salud y Nutrición de México 2016 para identificar el daño renal en pacientes mexicanos. Este equipo logró un Área bajo la Curva Roc (AUC) de 0.76 para la identificación de ERC en las pruebas de validación.

De la misma manera, el estudio realizado por Loftus et al. [4] investigó el uso de la inteligencia artificial (IA) como soporte para la toma de decisiones en el manejo de enfermedades renales. Se destacan las capacidades de los modelos de IA para predecir el inicio de lesiones renales antes de cambios bioquímicos, identificar factores de riesgo modificables para el desarrollo y progresión de la enfermedad renal crónica (ERC), y superar la precisión humana en la detección de tumores renales en estudios de imágenes. Finalmente, en una revisión bibliográfica, Sanmarchi et al. [5] encontró un alto desempeño predictivo y recomienda analizar la interpretabilidad y generalización en diferentes contextos de implementación para que así se logre una implementación exitosa. Si quieres leer más sobre este caso de uso, haz click en el botón de abajo.

Detección temprana del cáncer de mama

El cáncer de mama es el tipo más común y la segunda causa de muerte por cáncer entre las mujeres en las Américas, con más de 462,000 nuevos casos y casi 100,000 muertes anuales en la región, según la Organización Panamericana de la Salud [6]. En Latinoamérica, la inteligencia artificial (IA) surge como una solución transformadora al contribuir significativamente a la detección temprana mediante el análisis de mamografías y datos de pacientes. Esta aplicación mejora los resultados del tratamiento y reduce la carga de trabajo en un 39.6%, con una tasa de recall un 25% menor. En un estudio realizado por Xavier et al. [7], se evaluó cómo la IA, específicamente el aprendizaje profundo (DL), impacta la detección de cáncer de mama, centrándose en la reducción de la carga de trabajo del radiólogo sin comprometer la sensibilidad.

Los resultados indicaron que la implementación de la clasificación asistida por computadora de DL redujo la carga de trabajo del radiólogo en un 68.3%, manteniendo una alta sensibilidad del 93.1%. Además, Dileep et al. [8] utilizaron la IA en diversos métodos de diagnóstico temprano del cáncer, específicamente en el screening de cáncer de mama para respaldar a patólogos en la detección temprana y el cuidado de calidad del paciente. Estas técnicas permiten detectar masas mamarias, realizar segmentación y evaluar la densidad del tejido mamario, incluso identificar calcificaciones, mejorando así el diagnóstico y manejo de los pacientes. Para obtener más información sobre este caso de uso, haz clic en el botón a continuación.

Detección temprana de cáncer de pulmón

En América del Sur, el cáncer de pulmón ocupa el quinto lugar en incidencia, con una tasa estandarizada de 17,8 casos por 100 000 habitantes en hombres y 10,3 en mujeres, según la Organización Panamericana de la Salud [9]. La inteligencia artificial (IA) ofrece nuevas oportunidades para reducir estas cifras al identificar con precisión nódulos pulmonares en imágenes médicas. Un estudio destacado es el de Goncalves et al. [10], que resalta el potencial de la IA en el diagnóstico temprano del cáncer de pulmón al detectar nódulos pulmonares incidentales (NPI). La IA utiliza grandes volúmenes de imágenes de tórax, como tomografías computarizadas y radiografías, obtenidas en diversos controles de salud, logrando un rendimiento de diagnóstico del 94.4%, con reducción del 11% en falsos positivos y del 5% en falsos negativos. Además, en un estudio de Ueda et al. [101], se examina el rendimiento de médicos con diferentes niveles de experiencia en radiología torácica al utilizar software de detección asistida por computadora (CAD) basado en inteligencia artificial, logrando aumentar la sensibilidad de los lectores [de 0,47 a 0,60], especialmente en médicos generales. Para obtener más detalles sobre este caso de uso, haz clic en el botón a continuación.

Conclusión

En resumen, la inteligencia artificial ha demostrado ser un recurso invaluable en la salud latinoamericana, con impactos notables en la predicción de enfermedades como la ERC, la detección temprana del cáncer de mama y pulmón. Aunque estos avances son prometedores, es crucial acelerar su adopción y colaborar entre sectores para aprovechar plenamente su potencial transformador en la mejora de la atención médica en nuestra región. La tecnología está lista; ahora, la acción conjunta es clave para un futuro más saludable en América Latina.

Cuando estés listo, hay 3 maneras en las que puedo ayudarte:

1. Curso de introducción a la IA en Salud: Es un curso diseñado para líderes en salud que te enseñan estrategias para implementar IA en tu organización con el fin de reducir gastos, incrementar el impacto y alcance de tu organización. Tenemos 100 puestos disponibles de acceso gratuito.

2. Consultoría gratuita: Reserva una consultoría gratuita de 30 minutos para diseñar tu estrategia de IA en Salud.

3. Promociónate a más de 2.000 suscriptores patrocinando AI Heroes. Reserva un espacio con nosotros en este link para explorar nuestra colaboración.

Saludos,

^Referencias:

[1] Enfermedad crónica del riñón. (s. f.). OPS/OMS | Organización Panamericana de la Salud. https://www.paho.org/es/temas/enfermedad-cronica-rinon

[2] Global Burden of Disease (GBD). (s. f.). Institute for Health Metrics and Evaluation. https://www.healthdata.org/research-analysis/gbd

[3] Colli, V. A., González-Rocha, A., Canales, D., Hernández-Alcáraz, C., Pedroza, A., Pérez-Chan, M., Barquera, S., & Denova-Gutierrez, E. (Año). Chronic kidney disease risk prediction scores assessment and development in Mexican adult population. https://www.frontiersin.org/articles/10.3389/fmed.2022.903090/full

[4] Sanmarchi F, Fanconi C, Golinelli D, Gori D, Hernandez-Boussard T, Capodici A. Predict, diagnose, and treat chronic kidney disease with machine learning: a systematic literature review. J Nephrol. 2023 May;36(4):1101-1117. doi: 10.1007/s40620-023-01573-4. Epub 2023 Feb 14. Erratum in: J Nephrol. 2023 Mar 6;: PMID: 36786976; https://pubmed.ncbi.nlm.nih.gov/36786976/

[5] Loftus TJ, Shickel B, Ozrazgat-Baslanti T, Ren Y, Glicksberg BS, Cao J, Singh K, Chan L, Nadkarni GN, Bihorac A. Artificial intelligence-enabled decision support in nephrology. Nat Rev Nephrol. 2022 Jul;18(7):452-465. doi: 10.1038/s41581-022-00562-3. Epub 2022 Apr 22. PMID: 35459850; PMCID: PMC9379375. https://pubmed.ncbi.nlm.nih.gov/35459850/

[6] Cáncer de mama en las Américas. (2023). Organización Panamericana de la Salud. https://www.paho.org/sites/default/files/Cancer-mama-Americas-factsheet-ES%20%281%29.pdf

[7] Xavier D, Miyawaki I, Campello Jorge CA, Freitas Silva GB, Lloyd M, Moraes F, Patel B, Batalini F. Artificial intelligence for triaging of breast cancer screening mammograms and workload reduction: A meta-analysis of a deep learning software. J Med Screen. 2023 Dec 20:9691413231219952. doi: 10.1177/09691413231219952. Epub ahead of print. PMID: 38115810. https://pubmed.ncbi.nlm.nih.gov/38115810/

[8] Dileep G, Gianchandani Gyani SG. Artificial Intelligence in Breast Cancer Screening and Diagnosis. Cureus. 2022 Oct 15;14(10):e30318. doi: 10.7759/cureus.30318. PMID: 36381716; PMCID: PMC9650950. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9650950/

[9] Tendencias en la mortalidad por cáncer de pulmón en Colombia. (2022). Organización Panamericana de la Salud. https://iris.paho.org/bitstream/handle/10665.2/56435/v46e1272022.pdf?sequence=1&isAllowed=y#:~:text=En%20Am%C3%A9rica%20del%20Sur%2C%20la,10%2C3%20en%20las%20mujeres.

[10] Goncalves S, Fong PC, Blokhina M. Artificial intelligence for early diagnosis of lung cancer through incidental nodule detection in low- and middle-income countries-acceleration during the COVID-19 pandemic but here to stay. Am J Cancer Res. 2022 Jan 15;12(1):1-16. PMID: 35141002. https://pubmed.ncbi.nlm.nih.gov/35141002/

[11] Ueda D, Yamamoto A, Shimazaki A, Walston SL, Matsumoto T, Izumi N, Tsukioka T, Komatsu H, Inoue H, Kabata D, Nishiyama N, Miki Y. Artificial intelligence-supported lung cancer detection by multi-institutional readers with multi-vendor chest radiographs: a retrospective clinical validation study. BMC Cancer. 2021 Oct 18;21(1):1120. doi: 10.1186/s12885-021-08847-9. https://pubmed.ncbi.nlm.nih.gov/34663260/