Suscríbete al newsletter The NewNow

Y te mantendremos al tanto de los últimos artículos y noticias

Los campos marcados con * son obligatorios

Realidad Virtual e Inteligencia Artificial, Retos de la tecnología médica

Las aplicaciones tecnológicas especializadas en eHealth van desde androides de atención en hospitales a weareables que monitorizan las constantes del paciente en su vida diaria, o nanorobots capaces de intervenir en nuestro organismo con mínima invasión. Sin embargo, aún hay algunos retos por delante para los investigadores, en dos de los campos que más se están desarrollando en otros sectores: la Inteligencia Artificial y la Realidad Virtual.

La realidad virtual, no es totalmente realidad

La realidad virtual ha sido descrita como un elemento de cambio para la educación médica. Algunos incluso predicen que va a ver el fin de utilizar cadáveres para enseñar anatomía. Sin embargo, esta afirmación no refleja la realidad actual de la medicina y de la formación médica por varias razones. Anatómicamente todos somos únicos; Incluso los gemelos idénticos no son anatómicamente idénticos. Hay tantas variaciones anatómicas que las enciclopedias se dedican a ellos en forma impresa y on line . Estas variaciones no aparecen en muchas aplicaciones de realidad virtual, pero  es en el laboratorio, frente a un cuerpo real cuando los estudiantes exploran estas diferencias y es aquí donde comienzan a entender que son clínicamente relevantes.

Los estudiantes también aprenden cómo las estructuras se sienten y se ven en la realidad. En un cuerpo real no hay colores artificiales que distinguen a las venas de las arterias, pero los estudiantes pueden sentir la diferencia a través del tacto haciéndolos rodar entre sus dedos.

Los cirujanos utilizan este mismo sentido del tacto para distinguir los bordes del tumor de los tejidos sanos y palpar estructuras que deben ser preservados durante la cirugía.

Y lo que es fundamental: estas experiencias en laboratorios con cadáveres ayudan a los estudiantes a desarrollar el respeto por los pacientes. Los cadáveres son a menudo su primera experiencia con la muerte. Los cadáveres son, en cierto modo, su primer paciente. Tal vez se pueda aprender a operar con un sistema de VR, pero si el siguiente paciente va ser una persona, mejor que el cirujano haya probado con un cuerpo real.

Más y mejores herramientas de formación médica

Lo que es ampliamente aceptado es que el uso de múltiples herramientas para enseñar anatomía produce los mejores resultados para los estudiantes. Aplicaciones de realidad virtual pueden ayudar a preparar a los estudiantes antes de entrar en un laboratorio con cadáveres y complementan la enseñanza tradicional. Esto se debe a que no sólo muestran las partes del cuerpo,  también indican claramente las relaciones espaciales.

Los estudiantes pueden acceder a las aplicaciones de realidad virtual en cualquier momento y en cualquier lugar, lo que es particularmente útil para los estudiantes a distancia que tienen acceso limitado a los cadáveres.

También es útil para los estudiantes de medicina en los hospitales regionales y rurales. Se les da la oportunidad de revisar las estructuras anatómicas cuando más lo necesitan aunque tengan poco acceso a los recursos del campus universitario.
La realidad virtual también se puede utilizar para enseñar a los estudiantes sobre las patologías raras que no se ven a menudo en donantes de cuerpos.

¿Hasta dónde puede un médico confiar en la Inteligencia Artificial?

Los sistemas de inteligencia artificial y autoaprendizaje se basan en campos como la medicina en la gestión de Big Data. Se necesitan millones de registros, y miles de millones de cálculos para actualizar los parámetros de la red, a menudo realizados en un superordenador durante días o semanas. El problema es que los conjuntos de datos no son todavía lo suficientemente grandes y las respuestas correctas que deben ser aprendidas son a menudo ambiguas o incluso desconocidas.

Las funciones del cuerpo humano, su anatomía y la variabilidad, son muy complejas. La complejidad es aún mayor cuando las enfermedades son causadas o complicadas por los antecedentes genéticos, que son únicos para cada individuo y por lo tanto es difícil.

En definitiva, el límite al uso de la IA por los médicos es que los conjuntos de datos tienen que ser extremadamente grandes y aún no se dispone de ellos, aunque sí de la tecnología para tratarlos.

Este problema se aborda en todo el mundo con iniciativas de investigación cada vez más frecuentes. Los ejemplos incluyen Biobanco en el Reino Unido, que tiene como objetivo explorar 100.000 participantes o la Iniciativa de la Enfermedad de Alzheimer Neuroimagen ( ADNI ) en los Estados Unidos y la australiana Imaging Biomarcadores o el Estudio del Envejecimiento y estilo de vida ( AIBL ) con el seguimiento de más de un millar de sujetos durante más de una década.

Las iniciativas gubernamentales también están emergiendo como por ejemplo el programa American Cáncer Moonshot. El objetivo es “construir un ecosistema nacional de datos sobre el cáncer”, por lo que los investigadores, los médicos y los pacientes pueden aportar datos con el objetivo de “facilitar el análisis de datos eficiente”. Del mismo modo, la  Alianza de Salud de Australia, tiene como objetivo la puesta en común y el intercambio de información genómica.

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *