Las unidades de cuidados intensivos (UCI) de los hospitales pueden resultar aterradoras para los pacientes. Y con razón. En EE. UU., las UCI tienen una tasa de mortalidad más alta que cualquier otra unidad hospitalaria: entre el 8 % y el 19 %, con unas 500.000 muertes anuales aproximadas. Y los que sobreviven pueden sufrir daños físicos y mentales a largo plazo. Para los auxiliares sanitarios, trabajar ahí puede llevar al agotamiento fácilmente porque se requiere mucha resistencia física y emocional para prestar la atención las 24 horas.

Un nuevo artículo, publicado en Nature Digital Medicine, afirma que la inteligencia artificial (IA) podría mejorar la situación de las UCI y convertirse en un ejemplo de la colaboración entre investigadores de IA  y los profesionales de otras industrias. "Este estudio es realmente pionero. Se centra en un lugar en el que nadie ha trabajado antes", afirma el destacado médico Eric Topol, que acaba de publicar el libro recientemente publicado Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again y que también es coeditor de esta revista.

El estudio es el resultado de una colaboración de seis años entre varios expertos en IA y los profesionales médicos de la Universidad de Stanford y el Intermountain LDS Hospital de Salt Lake City (ambos en EE.UU.). El equipo usó visión artificial para monitorizar continuamente a los pacientes de la UCI durante las tareas diarias. El objetivo era demostrar la posibilidad de realizar un seguimiento pasivo de la frecuencia con la que se movían y durante cuánto tiempo lo hacían. Los estudios anteriores en pacientes de UCI han confirmado que el movimiento puede acelerar la curación, reducir el delirio y prevenir la atrofia muscular. Pero el alcance de aquellos estudios estaba limitado por los desafíos de controlar a los pacientes a escala.

Se instalaron sensores de profundidad en siete habitaciones individuales con pacientes y se recopilaron datos tridimensionales de su silueta las 24 horas del día durante dos meses. Luego, los investigadores desarrollaron algoritmos para analizar las imágenes, que les ayudaron a detectar cuándo los pacientes subían y bajaban de la cama o cuándo se sentaban en una silla y se levantaban, así como el número de personal involucrado en cada actividad.

Los resultados revelan un éxito preliminar: el algoritmo de detección de actividades de movimiento identificó correctamente las actividades que un paciente estaba realizando el 87 % del tiempo. Pero no se le dio también averiguar el número de personas involucradas, algo que solo hizo bien el 68 % del tiempo. Los investigadores afirman que ambas cifran podrían mejorar con múltiples sensores en cada habitación, lo que evitaría que unos trabajadores bloqueen a otros frente a los ojos de un único sensor.

Aunque los resultados no son tan sólidos como los que se suelen encontrar en las publicaciones de revistas científicas, el estudio es uno de los primeros en demostrar la viabilidad de usar sensores y algoritmos para comprender lo que está sucediendo en la UCI. Topol detalla: "Mucha gente ni siquiera creía que fuera posible. La habitación de un paciente es como una estación central. Allí pasan muchas cosas".

La demostración que estos sistemas podrían mejorar el trabajo del personal del hospital. Si los algoritmos logran detectar cuándo un paciente se cae o incluso anticipar cuándo alguien está empezando a tener problemas, pueden alertar al personal. Esto podría reducir el estrés que el personal siente al dejar a un paciente solo para cuidar a otro.

Pero lo que hace que el estudio sea aún más extraordinario es su planteamiento. Gran parte de la investigación actual sobre la IA se centra exclusivamente en el avance de algoritmos fuera de contexto, como los trabajos en entornos simulados en lugar de en entornos reales. Pero cuando se trata de aplicaciones sensibles, como la atención médica, esto puede dar lugar a algoritmos que, por muy precisos que sean, no son seguros de implementar o no abordan los problemas concretos.

En cambio, el equipo de Stanford trabajó desde el principio con los profesionales médicos para comprender qué necesitaban y replantear esas necesidades como problemas de visión artificial. Por ejemplo, hablando con los auxiliares y otro tipo de personal del hospital, los investigadores de IA concluyeron que el uso de los sensores de profundidad protegerían la privacidad de los pacientes y del personal mejor que las cámaras. Una de las autoras principales del artículo Serena Yeung afirma: "Llevo años hablando sobre visión e inteligencia artificial con los médicos con los que trabajé. A través de este proceso, pudimos descubrir nuevas áreas de aplicación que podrían beneficiarse de esta tecnología". 

El enfoque ralentizó bastante el avance del trabajo, ya que hacía falta tiempo para obtener la aceptación de todos los niveles del hospital, y técnicamente resultaba complejo analizar el entorno agitado y desordenado de la UCI con datos de siluetas. Pero este tiempo era absolutamente necesario para diseñar un prototipo seguro y eficaz que algún día será realmente beneficioso para los pacientes y el personal de atención, explica Yeung.

Desafortunadamente, la cultura actual y los incentivos en la investigación de la IA no se prestan a tales colaboraciones. La presión para avanzar y publicar rápidamente lleva a los investigadores a evitar proyectos que no producen resultados inmediatos, y la privatización de una gran cantidad de fondos para la IA perjudica a los proyectos sin oportunidades claras de comercialización. "Es raro ver a personas trabajando en un sistema de extremo a extremo del mundo real, y también pasar los años que sean necesarios y hacer el trabajo duro que se requiere para este tipo de labor impactante", subraya el corresponsable del equipo de Ética de IA en Google, Timnit Gebru, que no participó en la investigación.

Afortunadamente, cada vez más expertos están presionando para cambiar este statu quo. El MIT y la Universidad de Stanford están abriendo nuevos centros de investigación interdisciplinarios con la idea de lograr una IA ética y centrada en las personas. Yeung también ve oportunidades para organizar conferencias de algoritmos de IA como NeurIPS e ICML para asociarse más estrechamente con investigadores centrados en el impacto social.

Topol es optimista y cree que una colaboración más profunda entre la IA y las comunidades médicas generará un nuevo estándar de atención médica. El experto concluye: "Nunca hemos tenido una atención centrada realmente en el paciente. Espero que lo logremos con esta tecnología".