Page 49 - Demo
P. 49

notablemente nuestros hábitos de vida, alimentación y sedentarismo. Pues bien, el método “tradicional” de controlar la glucosa en sangre se basa en un pinchazo en un dedo de la mano (método semi-invasivo). Las nuevas propuestas basadas en IoT se fundamentan en disponer de pe- queñas bombas de insulina de lazo cerrado de manera que el control de la glucemias resulta trasparente al pa- ciente. Pero lo más avanzado está en llevables tipo parches que por medios electroquímicos del líquido intersticial y del sudor pueden controlar la gluce- mia evitando los pinchazos \[8\].
aPLICaCIonEs
DE La Ia En sanIDaD
El campo de la IA en la salud es muy amplio, cubriendo desde el bienes- tar hasta el diagnóstico, pasando por las tecnologías operacionales, pero también es concreta en cuan- to a que las aplicaciones de AI de salud generalmente realizan solo una tarea. La revista Harvard Busi- ness Review \[9\], acaba de publicar un número de la sección de tecno- logía en la que analiza el valor de 10 aplicaciones prometedoras de IA y estima que se podrían generar ahorros anuales de hasta 150 mil millones de dólares en sanidad solo en EE. UU. para el año 2026. En la Figura 3 se muestra un resumen de dicho estudio.
Caso DE EstuDIo La Ia aPLICaDo a La IMagEn MéDICa
Es más que probable que la imagen médica experimente una transfor-
mación fundamental en el futuro cercano debido a los últimos méto- dos de inteligencia artificial, como el Deep learning, que se basa en redes neuronales (RN). Del mismo modo, según una encuesta reciente, más del 50% de los líderes mundiales en atención médica esperan un rol creciente de la IA en monitorización y diagnóstico (The Economist, 2017) \[7\]
¿Cuáles son los retos para una disciplina transformadora?
Hay varios factores que impulsan a la vez la integración de la IA en radiología. En primer lugar, en mu- chos países de todo el mundo hay una gran diferencia entre el número de médicos titulados en radiología y la creciente demanda de diagnós- tico por la imagen. Este problema conduce a buscar una mayor efi-
ciencia y productividad. Por ejem- plo, la cantidad de especialistas en radiología en Inglaterra aumentó un 5 % entre 2012 y 2015, mientras que en el mismo período el núme- ro de equipos de tomografía axial computerizada (TAC) y resonancias magnéticas (RM), aumentaron en 29 % y 26 % respectivamente (Choi et al., 2016).
En segundo lugar, la resolución de imagen de los escáneres actua- les mejora continuamente, lo que da como resultado un volumen de datos cada vez mayor. De hecho, el volumen total estimado de datos médicos se duplica cada tres años, lo que hace cada vez más difícil para los radiólogos hacer un buen uso de la información sin ayuda adicio- nal del procesamiento digital com- putarizado. Es deseable, tanto en investigación radiológica como en
diagnóstico clínico, ser capaces de poder ana- lizar cuantitativamente esta riqueza de datos y además, por ejemplo, utilizar nuevos biomar- cadores de imágenes medibles para evaluar progresión y pronós- tico de la enfermedad (O’Connor et al. 2017). Los expertos auguran para un futuro cercano la transformación de
la radiología de una disciplina de OTOÑO 2018 • tesla 49
A FONREDvIstOa tEsLa
  figura 3. Fuente: Harvard Business Review (Sección Technolog, mayo 2018).




















































































   47   48   49   50   51