Estamos al borde de una nueva era en el cuidado de la salud. La edición de genes, la IA y los nuevos descubrimientos en las ciencias de la vida pueden ayudar a los pacientes a sanar más rápido y vivir una vida más larga y saludable.
El cuidado de la salud, uno de los sectores más grandes de la economía de EE.UU., se encuentra entre las muchas industrias con oportunidades significativas para el uso de la inteligencia artificial (IA) y el aprendizaje automático (ML), dice Salveen Richter, analista principal del sector de biotecnología de EE.UU. en Goldman Sachs Research.
“Estamos en un período emocionante en el que estamos viendo la convergencia de la tecnología y la atención médica, dos sectores económicos clave, y debemos asumir que dará como resultado una innovación significativa”, dice. Hablamos con Richter, uno de los autores de nuestro informe detallado de Byte-ology, que incluye contribuciones de los equipos de investigación de tecnología y atención médica de Goldman Sachs, sobre la integración de AI/ML en la atención médica, las aplicaciones más prometedoras para esta tecnología y el panorama para la financiación de capital de riesgo en el campo de la “byte-ología”.
¿Por qué la atención médica está lista para la disrupción?
Vemos que la combinación de los vastos conjuntos de datos multimodales de la atención médica y las ventajas competitivas de AI/ML en eficiencia, personalización y efectividad están preparadas para impulsar una ola innovadora en la atención médica.
Desde el punto de vista de los datos, la industria de la salud produce y depende de cantidades masivas de datos de diversas fuentes. Eso crea un entorno rico para aplicar AI y ML. La necesidad de estas tecnologías está ahí dadas las ineficiencias en el sistema de salud. Se estima que se necesitan más de ocho años y $ 2 mil millones para desarrollar un medicamento, y la probabilidad de falla es bastante alta y se espera que solo uno de cada diez candidatos obtenga la aprobación regulatoria. La IA, incluida la IA generativa, se encuentra entre las tecnologías que tienen el potencial de crear medicamentos más seguros y eficaces y de optimizar la atención personalizada.
La conclusión es que estamos en un período emocionante en el que estamos viendo la convergencia de la tecnología y la atención médica, dos sectores económicos clave, y debemos asumir que de esto surgirá una ola de innovación.
¿Qué cambios ha traído ya la IA a la industria de la salud?
Algunos de los primeros usos de la IA en el cuidado de la salud fueron en diagnósticos y dispositivos, incluidas áreas como radiología, patología y monitoreo de pacientes. El sistema de prueba PAPNET, un dispositivo de revisión de frotis cervical asistido por computadora, en 1995 fue el primer dispositivo médico habilitado para IA/ML autorizado por la FDA. En la década de 2000, otras autorizaciones involucraron captura de imágenes digitales, análisis de células, monitoreo de signos vitales junto a la cama y advertencias predictivas para incidentes en los que puede ser necesaria una intervención médica.
Las grandes empresas tecnológicas también han participado, interviniendo como proveedores de soluciones en la nube y aplicando su experiencia tecnológica en áreas como dispositivos portátiles, modelos predictivos y atención virtual. Un logro del que se habló mucho involucró un algoritmo de aprendizaje profundo que resolvió de manera efectiva el problema de décadas de predecir la forma en que se plegará una proteína en función de sus secuencias de aminoácidos, lo cual es crucial para el descubrimiento de fármacos.
¿Dónde estamos ahora en la integración de la IA en el sector de la salud?
A pesar de toda la innovación anterior, todavía estamos en las primeras entradas. Si bien la promesa de AI/ML en el cuidado de la salud ha existido durante décadas, creemos que su papel se convirtió en el centro de atención durante la respuesta a la pandemia de Covid-19. AI ayudó a las empresas a desarrollar vacunas y terapias de ARNm de Covid-19 a velocidades sin precedentes. Además, la pandemia de Covid-19 subrayó la necesidad de soluciones digitales en el cuidado de la salud para mejorar el acceso y los resultados de los pacientes, y representó un punto de inflexión clave para la telesalud y el monitoreo remoto.
Creemos que estos éxitos impulsaron aún más el entusiasmo por el espacio, ya que mostraron un claro beneficio de incorporar IA/ML y otras tecnologías para mejorar los resultados de los pacientes a un ritmo mucho más rápido de lo que se esperaría con los métodos tradicionales.
¿Cuáles son algunas de las aplicaciones impulsadas por IA más prometedoras que podrían llegar a la atención médica en un futuro cercano?
En nuestro último informe de Byte-ology, describimos las tecnologías que podrían ser transformadoras en el cuidado de la salud, que incluyen aprendizaje profundo, computación en la nube, análisis de big data y blockchain. También brindamos casos de uso en el desarrollo de medicamentos, ensayos clínicos, análisis de atención médica, herramientas y diagnósticos, y atención personalizada.
He aquí un ejemplo: en el desarrollo de fármacos, la IA/ML se puede utilizar para identificar nuevos objetivos, diseñar fármacos con propiedades favorables y predecir interacciones farmacológicas para minimizar la necesidad de la costosa metodología tradicional de desarrollo de ensayo y error en laboratorio húmedo.
¿Hay áreas dentro de la atención médica que tienen más probabilidades que otras de beneficiarse de la IA?
Los casos de uso para AI/ML se pueden encontrar en prácticamente cualquier segmento de la atención médica: la diferencia es cuánto o durante cuánto tiempo se ha utilizado en un sector determinado, qué tan validado está el caso de uso y qué tan difícil sería implementar nuevos avances tecnológicos dentro del sistema de atención médica. Por ejemplo, existe un historial de uso de herramientas de IA para radiología y patología, mientras que muchos creen que se necesita evidencia más sólida para comprender el beneficio de AI/ML en áreas como el diseño de medicamentos, la predicción de pacientes con mayor probabilidad de responder a ciertos medicamentos y la digitalización de laboratorios.
Incluso en sectores donde su adopción se encuentra en las primeras etapas, creemos que las ventajas potenciales de AI/ML no se ignorarán, sino que se estudiarán de cerca y se implementarán cada vez más con el tiempo. La adopción se beneficiaría enormemente del apoyo regulatorio, los puntos de referencia estandarizados para evaluar el rendimiento, los foros públicos para mejorar la colaboración y la transparencia y, lo que es más importante, la prueba de concepto a través de un beneficio demostrado para los pacientes y los profesionales de la salud, que hemos comenzado a ver emerger.
¿Cuáles son las barreras o los obstáculos para la IA en el cuidado de la salud?
Existen obstáculos culturales, como la industria de la salud que depende de las patentes y la exclusividad. Eso plantea interrogantes sobre cómo se puede proteger la PI sin ralentizar el progreso, o cómo se puede compartir la información en la investigación de ingeniería de software que se beneficia de los datos de fuente abierta.
La vacilación en torno a la IA/ML puede verse exacerbada aún más por la necesidad de mejores sistemas de vigilancia para proteger a los pacientes de eventos de piratería o violación, la falta de educación continua para los profesionales de la salud sobre los beneficios de estas tecnologías y la preocupación de que los modelos de IA/ML puedan ser susceptibles a sesgos como resultado de la subrepresentación histórica incrustada en los datos de capacitación.
Finalmente, algunas partes interesadas pueden estar adoptando un enfoque de “esperar y ver”, permaneciendo al margen hasta que surja una evidencia más firme de los beneficios que se están logrando antes de invertir en los recursos necesarios para incorporar estas tecnologías.
¿Existen usos o beneficios específicos de la IA generativa en particular para la atención médica?
La IA generativa, incluido ChatGPT, presenta innumerables oportunidades en el cuidado de la salud, como la generación de datos sintéticos para ayudar en el desarrollo de fármacos y diagnósticos donde, de otro modo, la recopilación de datos sería costosa o escasa. Algunos ejemplos aquí incluyen el desarrollo de un modelo para producir resonancias magnéticas cerebrales anormales sintéticas para entrenar modelos de ML de diagnóstico y el uso de IA generativa de disparo cero para producir diseños de anticuerpos novedosos que son diferentes a los que se encuentran en las bases de datos existentes.
La IA generativa también puede ayudar en el diseño de medicamentos novedosos, la reutilización de medicamentos existentes para nuevas indicaciones y el análisis de factores centrados en el paciente, como la genética y el estilo de vida, para personalizar los planes de tratamiento.
ChatGPT podría usarse específicamente para realizar tareas administrativas, como programar citas y redactar aprobaciones de seguros para liberar tiempo a los médicos, ayudar a los profesionales de la salud al resumir convenientemente la literatura científica, así como mejorar la participación y la educación del paciente al responder preguntas de los pacientes de manera conversacional.
También se ha sugerido que ChatGPT teóricamente podría ayudar en la toma de decisiones clínicas, como el diagnóstico, aunque es probable que ChatGPT tarde un tiempo en generar suficiente confiabilidad y validación para esta aplicación dado el riesgo de alucinaciones, cuando el modelo genera contenido falso que puede parecer plausible.
¿Cuál es el panorama para la inversión de capital de riesgo en la IA del cuidado de la salud y cómo evalúa GS a estas empresas?
La financiación de capital de riesgo continúa apoyando y fomentando la innovación, tanto en empresas privadas de biotecnología en etapa temprana como en etapa avanzada. En 2022, vimos que la financiación de VC en empresas de atención médica impulsadas por IA y ML se mantuvo elevada a pesar de disminuir en medio de la recesión del mercado y la desaceleración asociada en la financiación de VC. En lo que va de 2023, en medio del riesgo de recesión y otros vientos en contra, el despliegue de capital de riesgo en la IA del cuidado de la salud, como en otros lugares, se ha ralentizado.
Debido a las ventajas potenciales de AI/ML en eficiencia y eficacia, la forma en que cada empresa utiliza el arsenal de tecnologías disponibles y en rápida expansión es una parte importante de la diferenciación competitiva. Tenemos en cuenta numerosos factores al evaluar la diferenciación competitiva, como la calidad del equipo de gestión, el objetivo final de la plataforma, el plazo en el que los inversores comprenderán si se ha logrado este objetivo y cómo la plataforma fusiona el conjunto de herramientas AI/ML disponible con tecnologías patentadas para defenderse de los jugadores emergentes.
