La ciencia de datos, tiene sus ra铆ces en estad铆stica/matem谩tica, ciencias computacionales y su respectivo an谩lisis de datos, estos temas han revolucionado muchas industrias y el campo de la salud no ha sido la excepci贸n. A lo largo de los a帽os, la fusi贸n de tecnolog铆as, t茅cnicas estad铆sticas y el deseo de mejorar la atenci贸n m茅dica ha llevado a avances significativos en este campo.
D茅cada de 1960, comienzos de la Inform谩tica m茅dica
En la d茅cada de los 60’s fueron creados los primeros sistemas de informaci贸n hospitalaria para ayudar en el registro y administraci贸n de pacientes.
El Dr. Lawrence Weed introduce el 芦Problem Oriented Medical Record禄 que es una aproximaci贸n metodol贸gica para el abordaje, registro y administraci贸n de los pacientes, este se orienta alrededor del problema del paciente, y es lo que hoy a evolucionado a la sistematizaci贸n, caracterizaci贸n y registro de informaci贸n alrededor de la enfermedad con c贸digo CIE-10 (problema) o tambi茅n centrados en un evento m茅dico (CUPs – C贸digo 煤nico de procedimiento) o administrativo (GRDs – Grupos relacionados para el diagn贸stico).
D茅cada de 1970, aparici贸n de bases de datos m茅dicos
Con la creaci贸n y el inicio de los sistemas de registros m茅dicos electr贸nicos (Electronic Medical Records) aparece la necesidad de comenzar a almacenar datos m茅dicos de manera organizada para la consulta e investigaci贸n futura.
D茅cada de 1980, nace la bioinform谩tica
Gracias a la popularizaci贸n de la secuenciaci贸n de ADN, nace la bioinform谩tica que es la intersecci贸n entre biolog铆a y ciencia de datos, a su vez, entra en la discusi贸n el registro de datos multimodales, de m煤ltiples fuentes y diversos formatos.
La necesidad de almacenar y analizar secuencias gen茅ticas impulsa el desarrollo de nuevos algoritmos y bases de datos.
D茅cada de 1990, auge de la inteligencia artificial (IA) en salud
Durante los a帽os 90, la computaci贸n y la tecnolog铆a m茅dica experimentaron avances significativos que permitieron el auge de la IA en el sector de la salud. Varios factores contribuyeron a esto: el aumento de la capacidad de procesamiento de las computadoras, el desarrollo de algoritmos m谩s sofisticados y la acumulaci贸n de grandes datos m茅dicos en formato digital.
En esta 茅poca se empezaron a desarrollar los 芦sistemas expertos禄 en forma de aplicaci贸n inform谩tica que emula la toma de decisiones de un experto humano. Utiliza una 芦base de conocimientos禄 y un 芦motor de inferencia禄 para resolver problemas espec铆ficos dentro de un cierto dominio. Uno de los sistemas expertos m谩s conocidos de esta 茅poca fue MYCIN, que fue dise帽ado para diagnosticar enfermedades infecciosas de la sangre y recomendar tratamientos con antibi贸ticos. Funcionaba haciendo preguntas al m茅dico sobre el paciente y, con base en las respuestas, hac铆a un diagn贸stico y suger铆a un tratamiento. Aunque MYCIN nunca se utiliz贸 en la pr谩ctica cl铆nica debido a las preocupaciones regulatorias y 茅ticas, demostr贸 ser tan o m谩s preciso que los expertos humanos en sus diagn贸sticos.
A帽os 2000, medicina personalizada y gen贸mica
El Proyecto Genoma Humano, completado en 2003, proporciona una referencia completa del genoma humano, impulsando la investigaci贸n gen贸mica.
Surge la idea de medicina personalizada, donde el tratamiento se adapta seg煤n el genoma del paciente.
D茅cada de 2010, Big Data y aprendizaje autom谩tico
Con la proliferaci贸n de wearables y dispositivos IoT (Internet of Things), se genera una cantidad sin precedentes de datos m茅dicos.
Herramientas como TensorFlow y Keras popularizan el aprendizaje profundo, llevando a avances en la detecci贸n y diagn贸stico de enfermedades mediante im谩genes m茅dicas y data multimodal y multifuente.
Google DeepMind desarrolla algoritmos que superan a los expertos en la detecci贸n de enfermedades oculares en im谩genes de escaneo.
D茅cada de 2020, interoperabilidad, normatividad, despliegue y 茅tica del uso de la IA en salud
En este punto el lector debe estar teniendo la sensaci贸n que todo lo mencionado desde la d茅cada de 1960 en Colombia y Latinoam茅rica realmente ha estado sucediendo desde el a帽o 2000 e incluso desde el 2010. Y es un asunto importante aclarar que una cosa es cu谩ndo aparecieron los desarrollos o las investigaciones mencionadas y otra cosa es su popularidad y explosi贸n, y este 煤ltimo caso se ha venido dando desde el 2015 en adelante y m谩s luego de la pandemia mundial.
La d茅cada de 2020 y sabiendo que este post se est谩 escribiendo ya a finales de 2023, ser谩 no solo para el uso de sistemas de gesti贸n de informaci贸n de una forma m谩s organizada, en la transformaci贸n digital en salud, en la construcci贸n y uso de bases de datos para modelos de IA en salud, sino tambi茅n para entrar en la discusi贸n del despliegue y uso de estos modelos para el apoyo en las decisiones cl铆nicas de manera masiva, de los aspectos 茅ticos y la normativa a nivel nacional e internacional.