IA para la interoperabilidad en la atención médica: Carla Goulart Peron de Philips

En este episodio del Yo, yo mismo y la IA podcast, la directora médica de Philips, Carla Goulart Peron, comparte cómo la inteligencia artificial está transformando la atención médica, no reemplazando a los médicos, sino ampliando el acceso, mejorando los diagnósticos y liberando a los doctores para que se concentren más en los pacientes. Basándose en su experiencia ejerciendo la medicina en el sistema de salud pública de Brasil, explica cómo tecnologías como la imagenología asistida por IA y la colaboración remota pueden cerrar brechas críticas en la atención. Carla también explora los desafíos de la confianza, el sesgo, la interoperabilidad y los datos de salud de la mujer en la próxima era de la medicina impulsada por IA. Ofrece una perspectiva global y fundamentada sobre cómo la tecnología puede hacer que la atención médica sea más humana.

Suscríbase a Yo, yo mismo y la IA en Podcasts de Apple o Spotify.

Transcripción

Allison Ryder: ¿Cómo está pensando un médico en aplicar la IA a la atención médica de formas aditivas que mejoren el acceso a la atención, la confianza del médico y la experiencia del paciente? Descúbralo en el episodio de hoy.

Carla Goulart Peron: Soy la Dra. Carla Goulart Peron de Philips, y estás escuchando Yo, yo mismo y la IA.

Sam Ransbotham: Bienvenido a Yo, yo mismo y la IAun podcast de MIT Sloan Management Review explorando el futuro de la inteligencia artificial. Soy Sam Ransbotham, profesor de analítica en el Boston College. He estado investigando los datos, la analítica y la IA en MIT SMR desde 2014, con artículos de investigación, informes anuales de la industria, estudios de casos y ahora 13 temporadas de episodios de podcasts.

Nuestra invitada de hoy es la Dra. Carla Goulart Peron, directora médica de Philips. Philips es una empresa de tecnología sanitaria detrás de sistemas de imagenología, monitoreo de pacientes y un conjunto creciente de herramientas clínicas basadas en IA. Lo que encuentro fascinante de la perspectiva de Carla es que comenzó su carrera como médica en el sistema de salud pública de São Paulo, donde la demanda supera con creces los recursos. Ha llevado esa perspectiva a la alta dirección. Ahora lidera la estrategia médica de una empresa que apuesta fuertemente por la IA para cerrar brechas en la atención. Carla, bienvenida al programa.

Carla Goulart Peron: Muchas gracias, Sam.

Sam Ransbotham: Muchos oyentes aún podrían asociar Philips más con la electrónica de consumo, pero ¿puede contarnos sobre la empresa en términos de atención médica y el tipo de cosas que están haciendo?

Carla Goulart Peron: Es una empresa que tiene [ha existido] 130 años y ha estado en muchas áreas, pero en las últimas décadas, Philips se ha centrado completamente en la atención médica. Comenzamos con imagenología — el área de diagnóstico, rayos X, TC, RM, ultrasonido — y luego pasamos a la terapia intervencionista, a los laboratorios de cateterismo. También estamos muy presentes en la UCI y en cualquier área del hospital donde se monitorean las señales de los pacientes. [También] estamos fuertemente invertidos en monitorear cosas fuera del hospital. Y luego la última pieza, pero no menos importante, [es] definitivamente la IA que está apoyando todas esas áreas de atención y sigue creciendo como un tema muy candente en este momento.

Sam Ransbotham: Mientras enumeraba estas tecnologías, pensaba: «Esas son aplicaciones clásicas donde la IA ha logrado grandes avances con la imagenología y este tipo de cosas». Mencioné antes, usted se formó como médica y trabajó tanto en el sector público como en el privado, a veces el mismo día, creo, alternando entre ambos. ¿Qué le enseñó esa experiencia sobre dónde falla la atención médica de una manera que quizás la tecnología pueda ayudar?

Carla Goulart Peron: Tiene razón. Por la mañana trabajaba en el sector público en Brasil, donde la escasez de trabajadores de la salud, tecnología e información a veces es muy evidente, por lo que [uno] debe trabajar al máximo de su capacidad para ofrecer atención a esos pacientes. Pero es atención médica universal, lo que significa que todos tienen acceso. Así que también hay un beneficio allí.

A veces por la tarde o por la noche, trabajaba en los mejores hospitales del sector privado, con todo disponible. Creo que eso te enseña mucha resiliencia, personalmente, como individuo, como médico, pero también te da la oportunidad de probar cosas diferentes y aprender de esas experiencias. Pero [también] deja mucho más claro para una persona como yo cuánto puede la tecnología construir un puente y ayudar a apoyar a más pacientes [que] esperan tener acceso a la atención médica en general... porque acelera la forma en que vemos a esos pacientes, porque conecta los puntos de datos de información, o incluso permite la colaboración entre especialidades que pueden no estar presentes en el sector público.

Sam Ransbotham: ¿Hubo un momento específico en el que dijo: «Esto es algo con lo que la tecnología realmente podría ayudar o podría ayudar a solucionar»? ¿Hubo algo que le hiciera pensar que la tecnología podría ser la respuesta?

Carla Goulart Peron: Muchas veces. Me encanta compartir un ejemplo de ultrasonidos [de] cuando [estaba] saliendo de la residencia, en realidad, y empezando a ver pacientes por mi cuenta. [El] ultrasonido es una de las herramientas de diagnóstico más grandes que usamos en la práctica de obstetricia y ginecología. Pero no [siempre] teníamos acceso a esas máquinas en el entorno hospitalario. A veces teníamos acceso a esas máquinas, pero no estábamos calificados para usarlas.

La tecnología [se está] convirtiendo en realidad hoy — estoy muy celosa de las personas [que] están aprendiendo hoy [en] su propia práctica clínica — de una manera que tienes una colaboración clara. Así que realmente puedes abrir la tecnología, abrir la máquina de ultrasonido, obtener acceso a un experto [que] puede estar en cualquier lugar [del] planeta, digamos en la misma ciudad, solo para hacerlo más fácil desde la perspectiva de la práctica clínica, para guiarte, para ver lo que estás viendo [en] esa misma imagen, ayudarte a capturar la imagen correcta y acelerar la tecnología. En otros lugares, como aquellos donde practicaba en el sector público, necesitaría transferir a ese paciente, a veces a otra instalación, lo que significa llamar a una ambulancia, quedarse atascado en el tráfico, solo para capturar la imagen y luego [llevar al] paciente de vuelta para poder hacer un diagnóstico final e iniciar la terapia. Quiero decir, eso era como el vino y el agua, desafortunadamente, entre esos dos mundos en los que vivía.

Sam Ransbotham: Mencionó el tráfico. No hace mucho estuve en São Paulo, y eso era algo importante que recuerdo allí — lo mucho que tomaba ir de un lugar a otro.

Pero en realidad, los ultrasonidos [son] máquinas caras que no pueden moverse, pero luego también están las otras partes donde la información puede moverse. Creo que estaba haciendo una distinción entre esos. Tiene algunos aspectos de lo que hace que parecen depender mucho de equipos sofisticados. Por otro lado, también tiene información [que] puede fluir sin ese cuello de botella del tráfico de São Paulo.

Carla Goulart Peron: Mencioné el ultrasonido, que depende en gran medida de la imagen que realmente estás viendo en tiempo real, ¿verdad? Así que usas esa imagen en tiempo real para hacer el diagnóstico. Pero cuando pensamos en una TC o RM, producen cientos de imágenes que el radiólogo puede ver desde cualquier lugar, y eso también está facilitando drásticamente la forma en que realmente informamos las imágenes. Además, dependes en gran medida de los usuarios [que] realmente colocan al paciente en la máquina, asegurándose de que el paciente esté bien posicionado, [que] contenga la respiración si es necesario, o [que] se mueva en consecuencia. Y ahora con la IA incorporada, también puedes lograr eso muy rápido, con precisión, sin mucho apoyo o capacitación desde la perspectiva técnica. Así que eso también ha sido un cambio de juego.

Yo diría que la forma en que estamos aprovechando la tecnología, la IA, la automatización, para posicionar a esos pacientes, para asegurarnos de que el examen pueda ser lo más rápido posible, pero también cómo estamos procesando las imágenes que salen de esas grandes máquinas, ha sido muy diferente.

Sam Ransbotham: Creo que fui demasiado simple. Estaba hablando de la máquina y luego de los resultados de la máquina, pero en realidad, estás planteando un punto importante, que también hay una transferencia de conocimiento y una transferencia de información sobre cómo obtener la mejor imagen en primer lugar. Creo que pasé por alto eso.

Empezaste con la atención al lado de la cama, pero ahora diriges la estrategia médica de Philips. ¿Cómo influye eso en lo que piensas sobre la estrategia de atención médica y cómo funciona, tu profunda experiencia en la práctica de la medicina?

Carla Goulart Peron: Es interesante porque creo que cuando entras a la facultad de medicina, la mayoría de las personas que deciden tomar este camino no piensan en nada más que en ver pacientes de forma individual. Al menos cuando empecé la facultad de medicina, esa era la realidad; creo que hoy es muy diferente.

Pero en ese viaje de entender el sistema de atención médica, cómo funcionan las empresas que desarrollan medicamentos, dispositivos médicos u otros tipos de equipos, aprendí que hay un papel que desempeñar en el lado de la industria, en el lado corporativo, que puede ser tan gratificante e interesante como ver pacientes de forma individual, probablemente a una escala mucho mayor. Así que creo que necesitaba convencerme a mí mismo de que al pasar de la cabecera del paciente al mundo corporativo, no estaba cambiando mi formación como médico ni dejando atrás mi formación profesional. En realidad, solo estaba aplicando ese conocimiento de una manera diferente.

Me fascina la innovación. Me fascina asegurarme de que cualquier innovación en la que invirtamos, en el entorno corporativo, pueda llegar realmente a los pacientes que más se beneficiarán. Y esa es realmente la parte más importante de mi trabajo: asegurarme de que las ideas que nuestros ingenieros están desarrollando en colaboración con hospitales y médicos cumplan con los requisitos de la regulación, porque necesitamos demostrar que es segura y eficaz, pero también asegurarnos de que tendremos un buen plan sobre cómo esta tecnología puede ser incorporada por el sistema de atención médica de manera que pueda llegar realmente a los pacientes que más se beneficiarán.

Es muy diferente, pero es fascinante, porque sigo aprendiendo cada día debido a las nuevas tecnologías, nuevas áreas de atención, nuevos tipos de sistemas de atención médica. Si piensas en una empresa como Philips que tiene presencia global, es muy diferente pensar en comercializar algo en Brasil que en Estados Unidos, Europa, África o Asia, por lo que debes tener ese pensamiento globalizado en mente cuando piensas en desarrollar tecnología.

Sam Ransbotham: Hablemos de algunos de estos detalles. Creo que Philips acaba de recibir la autorización de la Administración de Alimentos y Medicamentos para SmartHeart, que es una herramienta automatizada de planificación de resonancia magnética cardíaca. Primero, explícale a personas como yo qué significa eso realmente, y luego, ¿cómo cambia eso el día de un radiólogo? ¿Qué es diferente?

Carla Goulart Peron: SmartHeart es un gran ejemplo. Cuando piensas en una máquina de resonancia magnética, es una tecnología que puede capturar imágenes de todo tu cuerpo. Para hacerlo, necesitas un técnico que entienda exactamente por qué se te solicita como paciente que te hagas ese examen.

En este caso, el médico, probablemente un cardiólogo, quiere ver cómo funciona tu corazón. Así que imagina que un técnico necesita saber exactamente cómo debe posicionarte en la mesa de resonancia magnética, en qué ángulo, si eres alto o bajo, si eres grande o pequeño, si es un niño o una mujer o un hombre; hay tantos puntos de datos diferentes que un técnico necesita entender para capturar el nivel correcto de imágenes con la calidad adecuada para que un radiólogo pueda hacer un diagnóstico a partir de ellas.

SmartHeart es una automatización impulsada por IA con un solo clic que planifica todas las configuraciones que determinan cómo se deben capturar las imágenes cardíacas. Esto ocurre en 30 segundos. Suena simple, pero para el operador que realiza múltiples exámenes en diferentes partes del cuerpo con diferentes indicaciones, eso puede pasar de 15 minutos a 30 segundos. Hace que la máquina sea mucho más accesible. Hace que el técnico sea capaz de realizar muchos más exámenes. También reduce la dependencia de tener a alguien altamente capacitado. La carga sobre el técnico también es algo que hoy es un gran problema.

Sam Ransbotham: Me gusta la idea de que tenemos una máquina muy cara y podemos aumentar su rendimiento. Dijiste 15 minutos: eso son cuatro exámenes por hora, incluso sin ninguna preparación y sin ponerse la bata. Pero hablaste de 30 segundos y de repente siento: 'Oye, tenemos una máquina cara que podemos usar mucho más'.

Carla Goulart Peron: Definitivamente se trata de la velocidad adecuada. Hay una carga sobre los proveedores de atención médica, enfermeras y médicos en general. Pero también implica 'acertar a la primera'. A veces, si no tienes algo como esto, realizas el examen, envías las imágenes al radiólogo y te dicen: 'Necesitas llamar a este paciente de vuelta porque nos faltan una o dos vistas'. Con algo así, esto no sucede.

Sam Ransbotham: A nadie le gusta eso. A nadie le gusta ir y venir.

Carla Goulart Peron: Especialmente en una máquina: no quieres estar allí, es pequeña y puede no ser muy cómoda para los pacientes en general.

Sam Ransbotham: La radiología es una de las áreas que, creo, hace una década la gente decía: 'Oh, Dios, nunca volveremos a tener radiólogos. Las máquinas lo harán todo'. Ya sabes, esa narrativa no se ha cumplido en absoluto. Pero creo que es un gran ejemplo de, en general, cómo la inteligencia artificial podría afectar el futuro del trabajo y lo que hacemos. Pero, ¿existe el riesgo de que si este proceso funciona demasiado bien, los hospitales empiecen a pensar que necesitan menos radiólogos? ¿Cómo crees que se desarrollará eso?

Carla Goulart Peron: Personalmente creo que la IA está aquí para añadir, no para reemplazar. Quizás esta conversación sea muy diferente dentro de cinco años porque creo que estamos aprendiendo ese entorno.

Sam Ransbotham: Predecir es muy difícil en este mundo.

Carla Goulart Peron: Pero creo que en el ámbito de la radiología por ahora, los radiólogos están perdiendo el tiempo en cosas que no tienen ningún valor, revisando imágenes que no se capturaron con precisión, o haciendo informes, o reevaluando muchas imágenes normales. Curiosamente, hace unas semanas, estaba con una de las sociedades médicas de radiólogos, y estaban hablando de qué pasaría si pudiéramos hacer que la IA definiera todas las imágenes normales, y entonces los radiólogos solo miraran las anormales. Lo fascinante de la IA y su potencial es que alguien en la audiencia levantó la mano y dijo: 'Bueno, ¿cómo vamos a capacitar a los radiólogos en lo que es anormal si no van a ver lo normal?'

Así que creo que la respuesta a tu pregunta aún está por determinar en cuanto a cómo será el futuro, como dices, pero no veo que la IA tome el control. Creo que en realidad nos está ayudando a ver más pacientes porque hay una gran brecha ahí fuera, y también a dedicar nuestro tiempo a cosas que son únicas y que podemos hacer como clínicos.

Sam Ransbotham: Una forma en que pienso sobre esto es que tendríamos una historia muy diferente si todos los pacientes posibles en el mundo estuvieran completamente satisfechos con un suministro perfecto de radiología. Si todos los que necesitan este tratamiento lo estuvieran recibiendo actualmente, entonces creo que tal vez podríamos estar hablando de este tipo de reemplazo. Pero sabes mucho mejor que yo que ese no es el caso. Hay una enorme falta de oferta de este tipo de tecnologías, y gran parte de ello está impulsado por el cierto retorno de la inversión y la estructura de costos actual, que creo que esto puede cambiar. ¿Cómo ves que cambie ese aspecto en términos de atender a más personas?

Carla Goulart Peron: Personalmente creo que hay una brecha tan grande en el acceso a la atención que, a medida que incorporamos tecnología, podremos hacer más con lo mismo, no con menos. Como nací y crecí en Brasil y practiqué en Brasil, me siento muy cómodo siguiendo ese camino en países de bajos ingresos.

En esas áreas, la brecha es realmente enorme. Puedes estar esperando en fila durante meses para, por ejemplo, hacerte una resonancia magnética o una tomografía computarizada, ¿verdad? A veces demasiado tarde, lo que puede cambiar el resultado del paciente. Bueno, no podemos engañarnos. Esa realidad también existe en Estados Unidos, Europa y Asia. Tenemos desiertos, ¿verdad? Tenemos áreas donde las personas no tienen acceso a la atención. Así que personalmente no veo un horizonte temporal en el que pueda decir: 'Bueno, esto solucionará rápidamente esa brecha de manera que se reduzca'.

Sam Ransbotham: Me encanta la idea de que esto lleva a una mejor correspondencia entre la necesidad y la oferta.

Tengo un problema que plantearte. Tienes este Future Health Index que preparaste. Normalmente me gusta hojear estas cosas antes de una llamada, pero fue bastante interesante. Así que me costó mucho más tiempo del que quería mirarlo. Pero creo que parte de tu hallazgo en el Future Health Index fue que el 79% de los profesionales de la salud son optimistas sobre la IA, pero la mitad de los pacientes están preocupados de que reduzca su tiempo cara a cara. ¿Cómo vamos a reconciliar estas dos perspectivas diferentes en un mercado donde ambas partes son importantes?

Carla Goulart Peron: Creo que la perspectiva de los pacientes es muy importante en esto, ¿verdad? Si los pacientes comienzan a sentirse demasiado incómodos y rechazan la IA, podría convertirse en un desafío.

También creo que esto está cambiando lentamente. Vamos a lanzar una nueva versión de la evaluación un poco más adelante este año. Pero para mí, la capacidad de reconciliar esas dos cosas desde la perspectiva del profesional de la salud es asegurarnos de que estamos validando, de que estamos obteniendo buen acceso a los datos que realmente se utilizan para entrenar las máquinas. Así que los médicos están a bordo, pero un poco cautelosos sobre cuánto sesgo de evidencia obtienen en la IA. ¿Puedo confiar plenamente en la IA? ¿Cuánto necesito revisar lo que está sucediendo? Creo que desde la perspectiva del médico o del trabajador de la salud, se inclina más hacia los datos.

Mientras que desde la perspectiva del paciente, creo que se trata más de la experiencia. Y creo que la IA se ha convertido en una gran palabra de moda, y la gente no sabe exactamente qué esperar. Existe la idea errónea de que los médicos serán sustituidos por máquinas. La realidad es que el tiempo del médico se está liberando para dedicarlo más a la parte de empatía, al contacto, a ese uno a uno, ojo a ojo, que creo que marcará una gran diferencia.

Pero en cuanto al segundo punto, donde creo que es muy interesante, ya hay algunos estudios que muestran que si estás hablando con un médico real o con una versión de IA de ese médico, a veces la IA puede aprender a ser más empática que el médico. Así que creo que este va a ser un viaje en el que nosotros, como individuos, aprenderemos a incorporar la IA en nuestras vidas y confiaremos un poco en esa ayuda que creo que comenzaremos a recibir en el futuro.

Sam Ransbotham: En nuestra investigación, descubrimos que las personas que confían en la IA tienen el doble de probabilidades de usarla regularmente. Esa confianza es una parte importante, pero cuando la estudiábamos, estábamos pensando en general [sobre el] uso de la IA. Me parece que es diferente confiar en la recomendación de Netflix frente a la atención médica, pero quizás haya algo transferible entre los niveles de consumo de inteligencia artificial y la mayor comprensión allí, y la atención médica. ¿Hay algo único en generar confianza en este entorno clínico que sea diferente de mi ejemplo de Netflix?

Carla Goulart Peron: Creo que las personas están más preocupadas por su salud que por recibir consejos sobre qué película o serie debería ver. Pero una de las áreas en las que creo que la IA ya está ayudando a los pacientes es habilitándolos. Incluso el nombre que le dimos a esa persona [que] está en el centro de todo lo que hacemos como clínicos — paciente — es casi como: «Quédate ahí, sé paciente y espera hasta que alguien te diga qué hacer».

Mientras que ahora, con la IA habilitando puntos de datos de interoperabilidad, estás dando más visibilidad a la salud general. Además, ¿cuáles son las opciones que esos pacientes pueden tener frente a ellos? Y creo que esto, en mi opinión, va a cambiar drásticamente la forma en que nosotros, médicos y pacientes, abrazaremos la atención médica en el futuro, porque creo que [cuando] fui a la facultad de medicina hace muchos años, los pacientes no tenían voz.

Era realmente: ese es el protocolo, y eso es lo que vamos a hacer, y tú solo síguelo. Creo que cada vez más empezamos a hablar de medicina de precisión, donde a los pacientes se les podrán ofrecer una, dos, tres vías de tratamiento potenciales con pros y contras y la capacidad de elegir. Y creo que la IA puede permitir que esos pacientes tomen decisiones más informadas, al menos.

Sam Ransbotham: En realidad, me gusta mucho el encuadre de la palabra paciente porque siento que a menudo no lo soy. Tuvimos a Josh Weiner de CVS Health hace un par de episodios, y una de las cosas que abordamos fue: «Oye... olvídate de todo esto de la IA; estaría feliz si no tuviera que poner mi nombre una y otra vez y esperar mucho tiempo». Puedes hablar de todas las cosas geniales de la IA que quieras, pero primero hagamos algunas de esas cosas simples.

Creo que estás muy enfocada en la salud cardíaca de las mujeres. Quizás oriéntanos. ¿Cuáles son algunas de las brechas específicas en la atención para las mujeres, y cómo ves que la IA se conecta y ya sea agrava o ayuda con eso?

Carla Goulart Peron: Me apasiona mucho el tema porque siempre digo que necesitamos recordar a las personas que no somos mini hombres; somos diferentes como mujeres, y tenemos un corazón, y necesita funcionar como cualquier otro corazón en el cuerpo de un hombre.

Hay una gran brecha. Los casos cardíacos [tienen] la tasa de mortalidad más alta en las mujeres. A pesar de eso, las mujeres tienen un tiempo de espera mucho más largo hasta [que] reciben el diagnóstico, porque a veces experimentamos los síntomas de manera diferente, porque la mayoría de los protocolos que se han diseñado se basaron en estudios que incluían solo a hombres. Así que hay una gran brecha que necesita ser cubierta.

Lo que la tecnología definitivamente puede ayudar a cubrir esa brecha es asegurando que los matices y las diferencias en la fisiología en el tipo de respuesta que las mujeres solían presentar se incorporen en la forma en que diseñamos las herramientas de diagnóstico.

Hablamos de la RM. La posición del corazón es ligeramente diferente en el pecho de [una mujer] en comparación con el pecho de los hombres. Es un detalle muy pequeño, pero puede afectar la forma en que capturas las imágenes. Si estás capturando el ritmo cardíaco, por ejemplo, los algoritmos necesitan entender que el corazón femenino tiene un patrón ligeramente diferente al del corazón masculino, y creo que la IA incorporará rápidamente esa información en esos algoritmos debido a la velocidad, y podrá igualar eso.

Sam Ransbotham: Eso presupone el hecho de que tenemos estas poblaciones quizás subrepresentadas o subtratadas dentro de nuestros conjuntos de datos. Tuvimos a Ziad Obermeyer de la Universidad de California, Berkeley, en el programa hace un par de temporadas, y estaba hablando de cómo estos algoritmos pueden realmente construir esta equidad. Pero dependía de tener esos datos brutos para empezar. ¿Qué podemos hacer para intentar obtener un mejor muestreo de esas poblaciones subrepresentadas?

Carla Goulart Peron: Lo primero es lo que estamos haciendo ahora mismo: hablar de ello, ¿verdad? Así que hay una oportunidad para hacerlo mejor ahora. Tienes toda la razón. La mayoría de los medicamentos se desarrollan basándose en un número muy limitado de mujeres o incluso de otros tipos diversos de población. Nombra lo que quieras.

Lo mismo ocurre con los dispositivos médicos. Y la mayoría de los protocolos y directrices que se crean también se basan en ensayos que se desarrollaron hace mucho tiempo, que no necesariamente incluían el nivel adecuado de variedad. Ese es el primer punto.

El segundo punto es usar la tecnología y la IA para capturar esa información rápidamente e iterar en lugar de empezar desde cero. Aprendí una gran lección hace dos años cuando asistí al WEF [Foro Económico Mundial] por primera vez, y estábamos hablando de la salud de la mujer. Soy ginecobstetra, tengo más de 20 años de práctica clínica. Alguien me contaba la historia de que cuando una mujer da a luz, hay un estándar que define que 500 mililitros de pérdida de sangre es normal. Así que si tienes eso, no necesitas tomar ninguna acción.

Luego escuché una pregunta del público durante la discusión del WEF. «¿Cómo se estableció eso?» Me detuve porque nunca había hecho esa pregunta. Nunca tuve la curiosidad. Eso estaba en el libro. Simplemente asumí que se había implementado una metodología muy buena. Y ese estándar se desarrolló basándose en nueve mujeres en Alemania, y se explotó y usó en todo el planeta. ¿Te imaginas cómo se traduce eso a India o China, donde hay cuerpos mucho más pequeños? Así que rápidamente pudieron iterar eso con puntos de datos y crear la correlación, y establecieron que en India, ese número debería ser 300 mililitros. Así que eso hace una gran diferencia en cómo vas a tratar a tus pacientes.

Creo que la tecnología, esa interconectividad, no solo el hecho de que estamos entrando en la automatización, sino que ahora la IA puede analizar un conjunto de datos tan grande tan rápidamente, realmente puede mejorar la forma en que practicamos la medicina.

Sam Ransbotham: En realidad, ese es un ejemplo interesante porque me parece un enfoque ligeramente diferente, que es, en tu ejemplo, tuviste que ir al Foro Económico Mundial para que surgiera esa pregunta. Pero de alguna manera también puedo imaginar un trabajo muy simple para los agentes: «Oye, revisa todas nuestras prácticas clínicas en cada área, encuentra el estudio original para eso y evalúa cómo se desarrolla». Sentiría que tu muestra de nueve personas en Alemania debería subir bastante rápido a la cima de esa lista. Eso parece bastante emocionante.

Carla Goulart Peron: Bastante emocionante, exactamente. Es fascinante lo que se puede hacer.

Sam Ransbotham: Miremos hacia adelante por un momento, sin embargo. Empezaste en salud pública en Brasil. Allí hay muchas limitaciones de recursos en cuanto a tecnología. Si pudieras elegir una capacidad de IA para implementar globalmente que marcara la mayor diferencia — puedes elegir ahora mismo, lista de deseos — ¿qué lanzarías al mundo? ¿Cuál crees que [es] la mayor aplicación del uso de la inteligencia artificial en la atención médica que podríamos impulsar globalmente?

Carla Goulart Peron: Interoperabilidad. Eso va a cambiar completamente la forma en que practicamos la medicina. Porque hoy estamos muy cerrados o restringidos al sistema de atención médica en el que operas. Así que la capacidad de ver a los pacientes longitudinalmente sin esas barreras, personalmente creo, va a cambiar significativamente los resultados. Si necesito elegir una, esa sería mi elección.

Sam Ransbotham: No esperaba para nada que fueras por ahí. Es bastante fascinante. Es tan transversal y afecta todo. Muy bien, entonces acepto el desafío. ¿Cuál es la mayor barrera para que eso realmente suceda?

Carla Goulart Peron: Esa es una gran pregunta. Por eso es un sueño. Dijiste que puedes elegir cualquier cosa, no te restrinjas. Creo que hay muchas. La primera es asegurarnos de que tengamos acceso a datos de buena calidad, pero también que empecemos a pensar en eso desde el principio. Si no tienes algún nivel de estandarización, es muy difícil pensar en interoperabilidad. Creo que esa es la primera pieza, que es ciencia. Es cómo impulsamos esto para [el] futuro.

La segunda es cómo pensamos en incorporar esta nueva era. ¿Cómo pensamos en incorporar el reembolso y el acceso a la tecnología en la discusión sobre la IA? Todavía estamos restringidos por los sistemas de reembolso. ¿Qué tipo de cobertura de códigos tenemos? ¿Cuál es el incentivo? Puede que tengamos algo que pueda sacar rápidamente a los pacientes del hospital, reducir las estancias. Pero si ese no es el incentivo desde la perspectiva del sistema de atención médica, esto no va a suceder. Así que para mí, esa es otra gran cosa en la que necesitamos pensar.

La otra pieza, que creo que es cómo necesitamos asociarnos, es la regulación. La regulación necesitará evolucionar con este nuevo entorno en el que estamos entrando. El tipo de regulación que nos trajo aquí no nos va a llevar al futuro porque el futuro es muy diferente al que estamos jugando hoy.

Sam Ransbotham: Eso parece realmente difícil porque, sí, construimos este sistema regulatorio y construimos estos procesos de reembolso, y tantos procesos los construimos basándonos en cómo solían funcionar las cosas.

Gracias por acompañarnos. Creo que lo que realmente queda muy claro es que esto no es abstracto para usted. Esto es algo que conoce profundamente, y ha visto lo que sucede cuando la atención no es accesible. Y me gustaron algunas de las ideas que mencionó sobre cómo hacer que el uso de la tecnología, no solo la IA, sino la tecnología en general, sea parte de la solución y no solo un titular. Gracias por acompañarnos.

Carla Goulart Peron: Es un placer, Sam. Realmente aprecio la conversación.

Sam Ransbotham: Gracias por sintonizarnos hoy. En el último episodio de la Temporada 13, me acompañará Bernard Hampton, un líder de aprendizaje corporativo en Bank of America. Hablamos entonces.

Allison Ryder: Gracias por escuchar Yo, yo mismo y la IA. Nuestro programa puede continuar, en gran parte, gracias al apoyo de los oyentes. Sus transmisiones y descargas marcan una gran diferencia. Si tienes un momento, puedes dejarnos una reseña en Apple Podcasts o una valoración en Spotify. Y comparte nuestro programa con otras personas que creas que pueden encontrarlo interesante y útil.

YO, MISMO Y AI^® es una marca registrada a nivel federal del Instituto de Tecnología de Massachusetts.