SegúnMichaelDowling, CEOdeNorthwellHealth, yCharlesKenny, editorejecutivodelaNorthwellSeriesonHealthCareInnovation, elhypealrededor de la IA en la atención sanitaria ha superado los resultados reales. En su libroHealthCareReboot, publicado en 2018, reconocen que, aunque la telesalud ya está establecida, la IA aún se encuentra en sus primeras fases. Sin embargo, el potencial de la IA para diagnosticar con rapidez afecciones completas y prescribir planes de tratamiento ha generado expectación de cara al futuro. En la actualidad, y mientras la hipótesis sigue superando a la realidad, los investigadores avanzan en el desarrollo de modelos de aprendizaje automático que ayuden a los médicos a realizar diagnósticos de forma más rápida y económica de lo que podrían hacerlo los profesionales humanos. Las enfermedades cardiovasculares son la principal causa de muerte en Estados Unidos: 695. 000 estadounidenses morirán de cardiopatías sólo en 2021. A escala mundial, la cifra es aún más alarmante: se calcula que se producirán 17, 9 millones de muertes al año, lo que representa la tercera parte de las muertes. La CAA se produce cuando, con el tiempo, se acumulan placas que contienen calcio en la aorta abdominal, lo que provoca el endurecimiento de las arterias. Detectar la calcificación en una fase temprana permite a los médicos informar a los pacientes y recomendarles medidas para reducir el riesgo de infartos o accidentes cerebrovasculares en etapas posteriores de la vida. Afortunadamente, la medición de la CAA en los pacientes no requiere métodos invasivos o invasivos. Una simple radiografía, utilizada habitualmente para detectar la osteoporosis, puede evaluar visualmente la calcificación de la aorta abdominal y generar un sistema de puntuación basado en las mediciones. Cuanto mayor es la puntuación, mayor es el riesgo. Sin embargo, para analizar y puntuar las radiografías X se necesitan especialistas cualificados, lo que encarece el proceso y consume mucho tiempo.

Investigadores de la Universidad Edith Cowan han desarrollado una red neuronal capaz de analizar imágenes de rayos X para crear un AAC. Tras un periodo de formación, el algoritmo se sometió a pruebas de validación con datos reales de unas 5. 000 imágenes. Los resultados revelaron que la IAE coincidía con la puntuación del especialista( CAA baja, moderada o alta) en aproximadamente el 80% de los casos. La IAE sólo diagnosticó erróneamente CAA alta cuando en realidad era CAA baja en el 3% de los casos. JoshuaLewis, principalinvestigador del estudio, destacó el impresionante potencial de la versión 1. 0 del sistema, pero señaló que había margen para mejorar. Lewish destacó la posibilidad de detectar enfermedades cardiovasculares a gran escala, lo que permite a las personas en situación de riesgo adoptar un estilo de vida incluso antes de que aparezcan los síntomas. La eficacia de la inteligencia artificial es notable, ya que permite analizar 60. 000 imágenes al día, frente a los 5- 15 minutos que tarda un especialista humano en analizar una sola imagen. Esta velocidad y precisión podrían revolucionar la detección de enfermedades cardiovasculares en la práctica clínica y ofrecer nuevos métodos de intervención precoz. El estudio, publicado en la revista médica de acceso abierto BioMedicine, Otros equipos trabajan en el diagnóstico del cáncer de mama y del cáncer de páncreas, así como en distintos métodos de identificación de la enfermedad que se padece. Estas herramientas de inteligencia artificial pueden actuar como cribados iniciales, proporcionando a las personas una comprensión de su riesgo antes de que aparezcan los síntomas. Aunque el sueño de una inteligencia artificial totalmente capaz de realizar diagnósticos y tratamientos complejos sigue siendo lejano, los sistemas de inteligencia artificial a medida también pueden agilizar los procesos, reducir los retrasos y permitir a los médicos pasar más tiempo con los pacientes que con las pantallas.