De todas las formas en que la inteligencia artificial puede transformar el sector sanitario, una de las más prometedoras es la revolución de la investigación. Estas nuevas tecnologías tienen el potencial de empoderar a cada parte del sector para comprender a pacientes y proveedores como nunca antes.
No se trata solo de que las herramientas con IA puedan recopilar más información sobre más pacientes que nunca. También pueden desbloquear lo que durante mucho tiempo ha sido un recurso en gran medida desaprovechado: los datos cualitativos.
“La investigación en salud pública que aborda las enfermedades crónicas ha subutilizado e infravalorado históricamente los métodos cualitativos”, explicaba un estudio publicado en *Annual Review of Public Health*. Esto ha “limitado la capacidad del campo” para obtener una comprensión más profunda de los comportamientos en salud; determinar por qué y cómo un tratamiento funcionó o no; y probar nuevas teorías, añadía el estudio.
Son numerosas las razones por las que esto ha ocurrido. Los datos cuantitativos, como las respuestas numéricas, de opción múltiple o de “sí o no”, pueden parecer una base más concreta para la toma de decisiones. Leer las respuestas abiertas y libres a preguntas puede ser tedioso. E incluso cuando los investigadores analizan esas respuestas, sus significados pueden ser nebulosos.
Pero ahora, las empresas sanitarias pueden obtener información de todos esos datos cualitativos no utilizados a gran escala. Las plataformas impulsadas por IA con enfoques más avanzados de procesamiento de lenguaje natural (PLN), entrenadas en el vocabulario específico de cualquier tema científico, pueden leer todas esas respuestas.
Estas plataformas pueden detectar tendencias, problemas comunes, áreas de confusión y más. Y pueden proporcionar resúmenes para que investigadores, proveedores, pagadores y otras partes interesadas obtengan información crucial de un vistazo.
Los mejores sistemas nuevos integran datos cualitativos y cuantitativos, ofreciendo lo mejor de ambos. Por sí solos, los datos cualitativos no son claramente representativos, mientras que los datos cuantitativos carecen del matiz y el color necesario para comprender los resultados. Cuando una herramienta de IA los unifica, puede proporcionar hallazgos tridimensionales. La herramienta también puede recomendar próximos pasos sobre qué investigar, probar o encuestar, en qué poblaciones centrarse, y más.
Todo esto es solo el comienzo. La comunidad científica está inundada de nuevos estudios a diario, muchos de ellos con temas superpuestos. Las plataformas con IA pueden recopilar conjuntos de datos de fuentes dispares y verificar su calidad, duplicación, relevancia, etc. Estas plataformas pueden luego crear hallazgos aún más extensos y comprensibles para ayudar a los profesionales de la salud a tomar decisiones.
Pueden segmentar las conclusiones en función de cualquier número de características. Así, por ejemplo, un profesional sanitario puede describir un paciente específico y obtener retroalimentación instantánea que resalte los resultados más pertinentes.
Fortalecimiento de los gemelos digitales
Todas esas capacidades allanan el camino para gemelos digitales nuevos y mejores —representaciones virtuales de personas reales que son más representativas. Fuera del ámbito sanitario, se usan cada vez más para modelar el comportamiento y las decisiones humanas. Y los gemelos digitales se están utilizando para cosas como los ensayos clínicos. Pero no todos estos “gemelos” están hechos igual.
Los más útiles son lo más detallados posible, basados en recopilaciones robustas de información sobre personas reales. Crear este tipo de gemelos digitales requiere una base profunda de datos tanto cualitativos como cuantitativos, que debe actualizarse en tiempo real a medida que se recoge nueva información sobre los pacientes en el mundo real.
Al contar con gemelos digitales de alta calidad, las empresas sanitarias abren un mundo de posibilidades. Pueden hacer preguntas que normalmente están fuera de la mesa debido a problemas de privacidad. Pueden probar múltiples terapias, medicamentos y otros tratamientos simultáneamente. Estos gemelos también pueden diseñarse para cumplir con una combinación única de características en cualquier momento dado, incluyendo edad, historial médico, alergias, factores ambientales, determinantes sociales y más.
Nada de esto significa arriesgar la salud de nadie. Como en toda investigación, los gemelos digitales no pueden demostrar definitivamente cómo responderá un individuo. Las pruebas reales, con personas reales, por supuesto, siguen siendo tan necesarias como siempre.
Pero cuando estas herramientas de IA son “alimentadas” con toda la información sobre un fármaco o terapia determinados y se les encarga explorar cómo responden los gemelos digitales, pueden descubrir cosas importantes: beneficios, complicaciones, reacciones adversas, factores de riesgo y más. Cuando se construyen con datos cuantitativos y cualitativos, realizan su trabajo de forma mucho más efectiva.
Existen todo tipo de casos de uso para los gemelos digitales en el ámbito sanitario. Las empresas farmacéuticas pueden aprender sobre las percepciones de los medicamentos y vacunas, así como las barreras para la aceptación de nuevos tratamientos por parte de pacientes o médicos, y probar formas completamente nuevas de comercializarlos. Los proveedores, incluyendo consultorios y hospitales, pueden usarlos para el seguimiento de su marca. Las agencias de salud pública pueden usarlos para ayudar a diseñar iniciativas con mayor probabilidad de éxito.
En todos los casos, la tecnología utilizada dependerá de disponer de la mejor recopilación de información posible. Incluso los sistemas más caros y complejos están limitados por los datos a los que tienen acceso. Por lo tanto, mientras las organizaciones médicas y sanitarias buscan formas de avanzar, los datos cualitativos deberían servir como un pilar fundamental. Las personas no son números, y las descripciones, pensamientos y sentimientos de un único individuo no representan a las masas. Pero cuando unes todos esos números y descripciones, tienes una probabilidad de éxito mucho mayor —ayudando a mejorar, e incluso a salvar, vidas.
Foto: MirageC, Getty Images
Adam Bai es director de estrategia y director de clientes de Panoplai.
Neil Dixit es fundador y director ejecutivo.
Panoplai es una plataforma de investigación panorámica que utiliza la inteligencia artificial para descubrir ideas significativas y matizadas. Trabaja con empresas de numerosos sectores, incluida la industria sanitaria. Reconocidos como líderes de opinión, han sido publicados en medios como *Harvard Business Review*, *U.S. News & World Report*, *Newsweek*, *Inc.*, *Adweek*, *Barron’s* y más. La empresa fue construida por expertos de una variedad de campos, incluyendo investigación de mercados, tecnología, operaciones y estrategia de marketing, así como veteranos académicos con décadas de experiencia colectiva en algunas de las principales organizaciones del mundo.
Esta publicación aparece a través del programa MedCity Influencers. Cualquier persona puede publicar su perspectiva sobre negocios e innovación en healthcare en MedCity News a través de MedCity Influencers. Haga clic aquí para saber cómo.