Unificar el uso de la inteligencia artificial (IA) en los ecosistemas sanitarios de todo el mundo representa grandes posibilidades para la salud mundial en general y, en particular, para que \u00c1frica pueda transformar su sistema de sanidad y estar a la vanguardia de la innovaci\u00f3n en asistencia sanitaria. Este art\u00edculo explora el espectro de posibilidades que proporcionan la inteligencia artificial y las tecnolog\u00edas emergentes relacionadas con esta, para transformar el sistema de salud, y propone recomendaciones que permitan adoptar y ampliar estas soluciones.<\/p>\n\n\n\n
Prestar una asistencia sanitaria basada en est\u00e1ndares internacionales sigue siendo un gran desaf\u00edo en \u00c1frica. Los sistemas de salud del continente carecen de los recursos necesarios y de las estrategias adecuadas para proporcionar una asistencia sanitaria inclusiva, de buena calidad y a un precio accesible para los pacientes. Ahora es cada vez m\u00e1s importantes encontrar soluciones sanitarias digitales eficientes y adecuadas basadas en una tecnolog\u00eda de vanguardia como la inteligencia artificial, el Big Data, la rob\u00f3tica o la computaci\u00f3n en la nube, entre otras. A largo plazo, estas tecnolog\u00edas permitir\u00e1n aliviar la carga de los ecosistemas sanitarios y complementar\u00e1n los mecanismos sanitarios actuales, reduciendo deficiencias existentes en la cadena de valor sanitaria, como por ejemplo: la escasez de profesionales sanitarios para atender a un volumen de pacientes cada vez mayor; el elevado coste del sistema de salud; la insuficiencia de estrategias consistentes para prevenir enfermedades; o una infraestructura sanitaria deficiente, por mencionar solo algunas. Pero para que esto sea posible, antes deben abordarse una serie de problemas y prerrequisitos.<\/p>\n\n\n\n
Para que el sector privado act\u00fae con responsabilidad y sensibilidad con los beneficiarios de los productos y servicios de la inteligencia artificial, antes deben desarrollarse mecanismos de regulaci\u00f3n y control. Con un uso prudente, la inteligencia artificial permitir\u00eda facultar a pacientes y comunidades para asumir el control de su propia asistencia m\u00e9dica y comprender mejor sus necesidades y c\u00f3mo estas evolucionan. De lo contrario, la inteligencia artificial podr\u00eda conducir a situaciones en las que se delegue a las m\u00e1quinas decisiones que proveedores de servicios m\u00e9dicos y pacientes deber\u00edan tomar conjuntamente, socavando, as\u00ed, la autonom\u00eda humana. Un paciente puede no comprender c\u00f3mo la IA puede tomar una decisi\u00f3n, ni ser capaz de ponerse de acuerdo con una inteligencia tecnol\u00f3gica para tomar una decisi\u00f3n conjunta. Los pacientes deben mantener el control absoluto de su historial m\u00e9dico y las decisiones m\u00e9dicas relacionadas con este.<\/p>\n\n\n\n
Con un uso prudente, la inteligencia artificial permitir\u00eda facultar a pacientes y comunidades para asumir el control de su propia asistencia m\u00e9dica<\/p><\/blockquote>\n<\/div>\n\n\n\n
\nLa Organizaci\u00f3n Mundial de la Salud (OMS) ha elaborado un informe orientativo [1]<\/a>1 \u2014 Organizaci\u00f3n Mundial de la Salud: Ethics and Governance of Artificial Intelligence for Health.\u00a0WHO Guidance, 2021. Disponible en l\u00ednea.\n<\/span><\/span> que proporciona seis principios rectores para fomentar un uso \u00e9tico de la inteligencia artificial aplicada a la salud. Para poder cumplir con \u00e9xito estos principios es necesario aplicar un enfoque integral que incluya a todas las partes interesadas, a fin de incorporar unas normas \u00e9ticas en todas las fases de dise\u00f1o, desarrollo y aplicaci\u00f3n de la tecnolog\u00eda.<\/p>\n<\/div>\n<\/div>\n\n\n\n
Infraestructura de datos para el uso y aplicaci\u00f3n de la inteligencia artificial<\/h5>\n\n\n\n
La mayor\u00eda de los pa\u00edses del continente africano presentan una estructura asistencial piramidal. El primer estrato de la pir\u00e1mide engloba a los trabajadores sociales sanitarios, seguidos de m\u00e9dicos con consulta en casa. El resto de estratos comprenden servicios sanitarios que ejercen diversas funciones. En general, se considera que esta estructura sanitaria favorece la integraci\u00f3n de esos servicios. Sin embargo, el sistema no es todo lo eficiente que deber\u00eda ser, porque los distintos estratos de la pir\u00e1mide sanitaria funcionan de forma aislada. La infraestructura de datos necesita adaptarse para poder recopilar, almacenar y procesar informaci\u00f3n de manera eficiente y, as\u00ed, poder desarrollar y aplicar soluciones de IA. Gestionar flujos de datos dentro de esta arquitectura piramidal es complejo por varios motivos como, por ejemplo, la falta de interoperabilidad, la falta de identificaci\u00f3n nacional en buena parte de los pa\u00edses africanos, etc.<\/p>\n\n\n\n
Por otra parte, la desconfianza en el uso de soluciones digitales para la recopilaci\u00f3n de datos cl\u00ednicos (presi\u00f3n arterial, colesterol, etc.) se suma a la capacidad para interpretar datos b\u00e1sicos y entender su valor, lo cual, a menudo, retrasa el desarrollo y la incorporaci\u00f3n de soluciones de IA. Dicho de otro modo, es importante integrar vertical y horizontalmente los sistemas de historiales m\u00e9dicos dentro de esta arquitectura piramidal, as\u00ed como reciclar y mejorar la capacitaci\u00f3n de los profesionales del sector, sobre todo de enfermeros y enfermeras.<\/p>\n\n\n\n
Por \u00faltimo, la falta de infraestructura digital y de conectividad con el usuario en la base de la pir\u00e1mide ponen de relieve la vital importancia de la comunicaci\u00f3n con los pacientes en consultas a distancia, planificaci\u00f3n familiar, prevenci\u00f3n y diagn\u00f3sticos, as\u00ed como la necesidad de dise\u00f1ar soluciones pensando en las personas desde donde se presta la asistencia m\u00e9dica.<\/p>\n\n\n\n
Integraci\u00f3n y sesgos digitales<\/h5>\n\n\n\n
Existen diversas dificultades pr\u00e1cticas en la adopci\u00f3n de la inteligencia artificial, como las deficiencias en la infraestructura y la integraci\u00f3n digitales. Pese a que, en la actualidad, los smartphones representan un 39% de los tel\u00e9fonos m\u00f3viles registrados en \u00c1frica \u2014y se prev\u00e9 que la cifra ascender\u00e1 a un 66% en 2025\u2014 el acceso a una tecnolog\u00eda asequible (smartphones, tablets y ordenadores) es en s\u00ed un problema. No obstante, cabe se\u00f1alar que existen varias compa\u00f1\u00edas ubicadas en pa\u00edses como Egipto, Argelia, Sud\u00e1frica o Ruanda que ya manufacturan esta clase de dispositivos. En general, falta una educaci\u00f3n digital eficaz. Lo cierto es que la inteligencia artificial permitir\u00eda a pacientes y comunidades asumir el control de su propia asistencia sanitaria y les ayudar\u00eda a entender mejor sus necesidades y c\u00f3mo estas evolucionan, pero para esto hacen falta herramientas y un conocimiento adecuado de ellas por parte del personal sanitario y los pacientes. Es necesario dise\u00f1ar soluciones de inteligencia artificial espec\u00edficas, que reflejen la diversidad de los distintos entornos socioecon\u00f3micos y sanitarios, y fomentar la educaci\u00f3n digital, la participaci\u00f3n de la comunidad y la concienciaci\u00f3n al respecto.<\/p>\n\n\n\n
\n\nPara que la aplicaci\u00f3n de la inteligencia artificial tenga efectos provechosos, el dise\u00f1o y el desarrollo deben basarse en principios \u00e9ticos y tener en cuenta los derechos humanos<\/p><\/blockquote>\n<\/div>\n\n\n\n
\nPara que la aplicaci\u00f3n de la inteligencia artificial tenga efectos provechosos, el dise\u00f1o, el desarrollo y la aplicaci\u00f3n de esas soluciones deben basarse en principios \u00e9ticos y tener en cuenta los derechos humanos. Los sesgos codificados en los datos que se utilizan para entrenar algoritmos en los servicios y sistemas sanitarios \u2014que se basan en la raza, la etnicidad, la edad y el g\u00e9nero\u2014 son complejos de gestionar para conseguir un uso eficiente de la inteligencia artificial. La proliferaci\u00f3n de soluciones de inteligencia artificial para servicios de asistencia sanitaria en contextos no reglamentados y por proveedores no regulados podr\u00eda plantear una serie de problemas para los gobiernos.<\/p>\n<\/div>\n<\/div>\n\n\n\n
Financiaci\u00f3n de la asistencia sanitaria<\/h5>\n\n\n\n
A ra\u00edz de la pandemia de la COVID-19, en \u00c1frica ha surgido un repentino inter\u00e9s por las startups dedicadas a la asistencia sanitaria digital (o e-health<\/em>) [2]<\/a>2 \u2014 Gabriella Mulligan: \u00abAfrica\u2019s e-health sector booming as startup numbers and investment reach record high\u00bb. Art\u00edculo publicado el 26 de junio de 2020. Disponible en l\u00ednea.\n<\/span><\/span>. El n\u00famero de startups dedicadas a servicios tecnol\u00f3gicos aplicados a la medicina (o healthtech<\/em>) en el continente ha crecido un 56,5% en los \u00faltimos tres a\u00f1os, con 180 empresas operativas actualmente. Esta tendencia tambi\u00e9n se ha visto reflejada en los inversores, ya que la mitad de la financiaci\u00f3n de tecnolog\u00edas digitales para la asistencia sanitaria de los \u00faltimos cinco a\u00f1os se concentr\u00f3 en la primera mitad de 2020, ascendiendo a un total de 90 millones de d\u00f3lares. Grandes multinacionales farmac\u00e9uticas como Sanofi, Bayer, Merck o Pierre Fabre tambi\u00e9n proporcionan en la actualidad asesoramiento y ayuda financiera a startups africanas dedicadas a la asistencia m\u00e9dica digital [3]<\/a>3 \u2014 Amine Mansouri: \u00abPaving the Way for Digital Health in North, East and West Africa\u00bb. Technology & Services, North, East and West Africa. Art\u00edculo publicado el 10 de febrero de 2020. Disponible en l\u00ednea.\n<\/span><\/span>. <\/p>\n\n\n\n