Durante mucho tiempo la medicina ha recurrido a la informática como una herramienta más de cara a mejorar su actividad, ya sea en modo software o hardware se han estado ofreciendo multitud de utilidades por ejemplo para gestionar información en bases de datos, realizar mediciones y análisis de manera más precisa con todo tipo de dispositivos de hardware, automatizar procesos en laboratorio, gestionar ensayos clínicos, agilizar las comunicaciones entre profesionales, hospitales, centros de investigación gracias a Internet, …
Pero en los últimos años una nueva rama de la informática está realizando una aportación de otro calibre que ha cambiado el modelo, de forma que la tecnología deja de ser una simple herramienta, para convertirse en un elemento fundamental en el desarrollo de la medicina. Como os podéis imaginar se trata de la inteligencia artificial (IA) que, gracias a los avances del machine learning y el deep learning, está revolucionando la atención médica y ayudando a abordar algunos de los desafíos más importantes de los sistemas de salud. De esta forma, en la actualidad vemos como la IA está ayudando a mejorar los resultados en atención médica, la experiencia del paciente, la productividad y la eficiencia de la prestación de servicios relacionados con la salud.
Algunas aplicaciones de IA incluyen, por ejemplo, chatbots, que responden y ayudan a los pacientes a programar citas, ayudan en el procedimiento administrativo y también brindan comentarios médicos.
El contexto mundial de salud: más longevidad, mayores costes
Los extraordinarios avances en la asistencia sanitaria han creado una de las principales historias de éxito de nuestro tiempo. La ciencia médica ha mejorado rápidamente, aumentando la esperanza de vida en todo el mundo. Para 2050, una de cada cuatro personas en Europa y América del Norte tendrá más de 65 años.
A medida que aumenta la longevidad, el gasto en salud crece ininterrumpidamente. Sin un cambio estructural y transformador importante, los sistemas de salud tendrán dificultades para seguir siendo sostenibles.
Qué es la Inteligencia Artificial
Existen varias definiciones de IA. Una de las más concisas y prácticas es probablemente la que recoge el Parlamento Europeo: «La Inteligencia Artificial se refiere a sistemas que muestran un comportamiento inteligente al analizar su entorno y tomar decisiones, con cierto grado de autonomía».
La IA cubre el procesamiento del lenguaje natural (PNL), el análisis de imágenes y el análisis predictivo basado en machine learning.
La IA está presente, lo mismo que en salud, en la mayor parte de los negocios, ayudando a automatizar tareas que a su vez ahorran muchísimo tiempo y mano de obra.
Una compañía farmacéutica, por ejemplo, puede mejorar su cantidad y calidad de producción aplicando IA para pronosticar la demanda y el suministro futuros, la planificación de la producción, la logística, el movimiento del material, el ensamblaje de las piezas y todas las actividades relacionadas con la fabricación.
Procesamiento del lenguaje natural en Salud
Desde hace unos años disponemos de muchos nuevos datos y herramientas analíticas sofisticadas que nos permiten extraer un valor considerable de ellos. Podemos recoger y estructurar la información disponible en un área terapéutica y así evaluar los costes de las enfermedades, la eficiencia de un tratamiento (sus costes, beneficios y riesgos), comparar la efectividad de tratamientos diversos o medir los resultados de las intervenciones a largo plazo.
Solo PubMed contiene más de 26 millones de citas de la literatura biomédica extraídas de revistas científicas de biomedicina y de libros online.
Cada año se añaden 1 millón de nuevas citas médicas. A través de la minería de texto, podemos conseguir por medios automáticos o semiautomáticos buscar y explorar en grandes bases de datos para descubrir información valiosa y conocimiento.
Por otra parte, dado un conjunto de patentes o documentos «fuente», podemos utilizar la minería de texto para identificar las patentes que son «similares» y «relevantes» a los efectos del descubrimiento de nuevas variantes.
Además la minería de datos va acompañada de técnicas de transformación que nos permiten por ejemplo la codificación automática del historial clínico (CIE-9/10, ICD-9/10, ATC, …) o la detección de nombres de personas, direcciones o números de teléfono con el fin de ocultar la identidad de los pacientes en los registros médicos.
Historia Clínica Electrónica
La historia clínica electrónica, por ejemplo, es una fuente de inmenso valor para ser utilizada en el ámbito de la Inteligencia Artificial. Una historia clínica electrónica recopila la información médica de un paciente en formato digital e incluye información sobre sus antecedentes de salud, como son los diagnósticos, medicamentos, pruebas, alergias, vacunaciones y planes de tratamiento.
En España hay dos fuentes masivas de historiales clínicos:
- BIFAP (Base de Datos para la Investigación Farmacoepidemiológica en Atención Primaria que integra la información contenida en historias clínicas electrónicas generadas en el primer nivel asistencial por médicos de familia y pediatras. En ella colaboran 9 Comunidades Autónomas y contiene datos de 5 millones de pacientes. Además contiene características demográficas, diagnósticos, eficacia, seguridad, datos de dispensación en farmacia, vacunaciones, etc.
- SIDIAP es una base de datos que contiene la información de la Historia Clínica Electrónica de Atención Primaria de Cataluña y cuenta con datos de aproximadamente 6 millones de habitantes.
Real World Data
La Real World Evidence o Real World Data, en el área de salud se fundamenta en datos masivos recolectados de millones de pacientes en condiciones de la vida real, fuera del contexto de los ensayos clínicos.
De este modo, más allá de la eficacia y las toxicidad de un tratamiento, se evalúa la a calidad de vida del paciente, la adherencia o la capacidad de un paciente para hacer frente al coste del tratamiento. El procesamiento del lenguaje natural es un componente esencial de este área de conocimiento.
Voz del Paciente
La industria de la salud necesita comprender la retroalimentación que sus clientes actuales y futuros expresan en diferentes canales. La voz del paciente nos permite extender la información a una nueva área de contenido no estructurado: comentarios en foros de salud, redes sociales, encuestas, registros de call-centers, etc.
El procesamiento automatizado nos permite realizar este análisis con las características esenciales de calidad, volumen, tiempo de respuesta y uniformidad.
Farmacovigilancia
Las reacciones adversas a los medicamentos son el problema de seguridad más importante en el campo de la salud.
La Inteligencia Artificial puede contribuir de manera decisiva a promover la seguridad del paciente, monitorear proactivamente los eventos adversos y comprender su impacto en cada fase del desarrollo.
La IA garantiza el cumplimiento global y mejora la eficacia de una empresa en la notificación de efectos adversos, la gestión de la seguridad de los medicamentos y la mitigación de riesgos.
Aprendizaje automático unido a ingeniería lingüística
El Deep Learning es, en general, la mejor opción para la categorización de texto cuando hay disponible un gran volumen de datos de entrenamiento. Cuando los datos de entrenamiento son escasos, otras técnicas de aprendizaje automático más clásicas como los árboles de decisión o SVM, en general, brindan mejores resultados con un menor costo computacional.
Las soluciones híbridas que combinan el aprendizaje automático (la opinión de la máquina) con un postfiltrado basado en reglas (una corrección similar a la humana) proporcionan los mejores resultados en términos de precisión y deben volverse populares en un futuro próximo.
Presentación de Konplik Health
Konplik.health es una nueva iniciativa empresarial enfocada el desarrollo de soluciones de Inteligencia Artificial para la industria de la salud.
La propuesta de valor basada en Inteligencia Artificial de Konplik se nutre de los 22 años de experiencia en este ámbito de la empresa MeaningCloud (la plataforma de procesamiento del lenguaje natural) empaquetados en esta nueva empresa independiente.
Konplik extrae valor de los datos no estructurados en el sector sanitario. Aprovechando al máximo un software patentado y las innovadoras herramientas y algoritmos de procesamiento de datos basados en Inteligencia Artificial de desarrollo propio para ayudar a descubrir nuevas fuentes de ingresos en la atención médica.
Con Konplik, por ejemplo, es posible identificar los costos de los tratamientos médicos, su eficiencia (costo, beneficios y riesgos), referencias a medicamentos, efectos secundarios o resultados a largo plazo.
Otros ejemplos de proyectos que ofrecen una valiosa riqueza de información incluyen búsqueda y evaluación para el descubrimiento de fármacos, experiencia del paciente, precios dinámicos, optimización de ingresos, monitoreo de la competencia o verificación de cumplimiento.
La plataforma tecnológica de Konplik conecta y extrae información valiosa de una amplia gama de conjuntos de datos externos:
- Solicitudes de patente
- Investigación científica
- Registros de salud electrónicos
- Ensayos clínicos
- Inteligencia de licitación
- Inteligencia sobre escasez
- Análisis competitivo
- Los datos de ventas
- Interacciones de redes sociales
El procesamiento del lenguaje natural (PNL) prácticamente ha logrado la calidad humana (o incluso mejor) en muchas tareas diferentes, principalmente basadas en los avances en las técnicas de aprendizaje automático/aprendizaje profundo, que permiten hacer uso de grandes conjuntos de datos de entrenamiento para construir modelos de lenguaje, pero también debido a la mejora en los motores centrales de procesamiento de texto y la disponibilidad de bases de datos de conocimiento semántico.
Para conocer un poco mejor el proyecto Konplik Health compartimos a continuación la entrevista realizada a su CEO Jose González.
¿Cómo surge la idea de crear Konplik Health?
No ha sido precisamente una idea feliz repentina. En MeaningCloud, comenzamos a trabajar en I+D sobre aplicaciones de nuestra tecnología de Procesamiento de Lenguaje Natural en Salud hace unos 10 años. Entonces ni siquiera nos llamábamos MeaningCloud, sino Daedalus. En 2014, la farmacéutica Pfizer, desde su sede en Nueva York, nos seleccionó para abordar un proyecto piloto de localización y extracción de información automática de oportunidades de negocio. Ese proyecto, ejecutado en tres meses, resultó exitoso y aceleramos nuestros planes de implantación de una filial en Estados Unidos. De ese modo, en junio de 2015 quedaba constituida nuestra filial MeaningCloud LLC y firmábamos un contrato a tres años como proveedores de Pfizer. Mientras tanto, en España participábamos en la operación de creación de Sngular, que entraba como accionista en la antigua Daedalus.
A lo largo de los últimos años, además de para Pfizer, hemos trabajado para otros grandes clientes en detección de efectos adversos de medicamentos o para plataformas de gestión de pacientes. Llegó un momento en que vimos claramente la necesidad de disociar nuestro negocio de Text Analytics, fuertemente anclado sobre nuestra plataforma de APIs, de los servicios especializados para el sector de salud y farmacéutico, cada vez más amplios e incorporando múltiples tecnologías de Inteligencia Artificial. Y así es como llegamos a constituir Konplik Health el pasado agosto.
¿Cuál es la propuesta de valor que ofrecéis a vuestros clientes?
Nuestra propuesta se articula en torno a cinco ejes:
- Codificación, anonimización y búsqueda para investigación clínica
- Real-World Evidence
- Inteligencia de mercado
- Analítica predictiva
- Automatización robótica de procesos (RPA)
En las cinco áreas contamos con experiencia en clientes. Podéis ver un detalle mayor en el post inaugural de Konplik.
¿Puedes contarnos algunos detalles sobre la tecnología en la que se basa Konplik?
Nuestro propósito es siempre alinearnos con las necesidades y objetivos de nuestros clientes. Dentro de nuestros conocimientos y capacidades en torno a las tecnologías relacionadas con la Inteligencia Artificial, tratamos de ser eclécticos y proponer las mejores soluciones en función del escenario de negocio de nuestro cliente. En estos tiempos, parece que todo pasa por Machine Learning o Deep Learning, y a veces se manejan estos dos términos como sinónimos de Inteligencia Artificial. Sin embargo el espectro de las técnicas de IA es mucho mayor. En concreto, hay un área donde disponemos de producto propio: el procesamiento de lenguaje natural, donde combinamos lo mejor de los dos mundos: los sistemas con capacidad de aprendizaje automático (basados en redes neuronales o en otros algoritmos) y los basados en tecnologías semánticas.
¿Tenéis ya algún caso de uso del que podáis hablarnos?
Nuestras soluciones permiten discernir, por ejemplo, dentro de una historia clínica o de un informe médico, dónde se puede estar haciendo referencia a un posible efecto adverso de un medicamento o a un episodio de interacción entre dos medicamentos, o a la adherencia a un tratamiento por parte del paciente.
Otro escenario distinto es el análisis de la Voz del Paciente. Llamamos así al feedback que los pacientes proporcionan con respecto al trato y al tratamiento que reciben por parte de los hospitales o de los profesionales, o a su experiencia sobre el uso de algunos medicamentos. Estas opiniones pueden ser espontáneas, emitidas en foros especializados o en diferentes medios sociales, recogidas a través de encuestas de satisfacción o servicios de atención al paciente, o bien tramitadas como reclamaciones oficiales.
En todos los casos, nuestra tecnología semántica permite la identificación automática de “insights”, información valiosa para un proceso. Para ello, disponemos de analizadores y de un lenguaje de reglas para expresar que queremos localizar en el texto expresiones en las que un “Efecto adverso X” apareció al cabo de un “Tiempo Y” después de comenzar un tratamiento con el “Medicamento Z”. Nuestra búsqueda de patrones semánticos es además robusta frente a errores tipográficos o procedentes de procesos ruidosos de reconocimiento de caracteres (OCR) o de transcripción de voz a texto.
¿En qué consisten vuestros planes de crecimiento?
Konplik es rentable desde el primer día, al haber transferido la tecnología específica de procesamiento de lenguaje en salud, el personal especializado y los clientes de MeaningCloud en el sector salud, farmacéutico y de las ciencias de la vida.
Nuestros planes de crecimiento incluyen:
- Hacer visible y reconocible la marca Konplik Health como un referente en la utilización de la Inteligencia Artificial en estas industrias.
- Expandir nuestra actividad comercial, con foco en el mercado americano.
- Profundizar en la integración de nuestra tecnología con sistemas de gestión de pacientes e historia clínica electrónica.
Como parte del ecosistema de Sngular, nos sentimos orgullosos de colaborar también con el área de Inteligencia Artificial de Sngular en distintas iniciativas. Esperamos que esta nueva marca nos ayude a avanzar en esta colaboración.
…
Artículo realizado en colaboración con Eduardo Valencia Data Analytics Manager en Konplik Health.
Etiquetas: konplik, medicina, salud
