Los avances en la generación de datos digitales, el desarrollo de algoritmos y la mejora del hardware informático de los últimos años, han revolucionado la práctica médica. La inteligencia artificial actualmente nos permite procesar información y ejecutar funciones cognitivas que superan a las de la lógica y el razonamiento humanos1. En el ámbito de la medicina clínica, el aprendizaje profundo ha demostrado un potencial prometedor para la mejora de la calidad y la seguridad de la asistencia sanitaria. Sin embargo, ¿cómo se traducirá esta revolución digital en el ámbito de la cirugía?
La intervención quirúrgica es un proceso complejo donde el resultado está ligado a factores como la experiencia del cirujano, la planificación preoperatoria o la toma de decisiones en tiempo real2. Proporcionar el tratamiento óptimo para cada paciente en un escenario determinado, requiere de un modelo integral que vaya más allá del razonamiento deductivo y el juicio individual del cirujano. Los modelos predictivos, con su capacidad para identificar correlaciones de otra forma invisibles para el investigador, podrían ayudar en la toma de decisiones preoperatorias con mayor evidencia científica. Cada vez son más los trabajos donde se recurre a estos sistemas para valorar problemas quirúrgicos complejos o sin una solución clara. Maubert et al., utilizando un modelo basado en el aprendizaje profundo, consiguieron predecir la resecabilidad de la carcinomatosis peritoneal con una precisión del 97,82%3. En otro estudio, se detectó que las redes neuronales alcanzaron una sensibilidad y especificidad del 96% y 98%, respectivamente, para establecer el tratamiento (quirúrgico/no quirúrgico) de los embarazos ectópicos4.
Sin embargo, las aplicaciones de los modelos predictivos no se limitan al soporte en la toma de decisiones. Estas herramientas basadas en el análisis masivo de datos pueden agregar múltiples parámetros para predecir la duración de la estancia hospitalaria, un perfil de complicaciones personalizado o los resultados específicos de cada intervención5. Son por tanto los algoritmos de la cirugía de precisión los que nos permitirán alejarnos de la medicina tradicional y proporcionar a nuestros pacientes un tratamiento único y adaptado a sus necesidades.
La extracción de características del aprendizaje profundo permite, además, su aplicación a los procedimientos perioperatorios. La necesidad creciente de aumentar la eficiencia y el rendimiento quirúrgico, sumado a la amplia gama de datos multidimensionales de cada operación, crean el marco ideal para obtener modelos y estimaciones precisas para una mejor utilización de los recursos sanitarios. La duración de cada intervención, la ocupación de la sala de reanimación e incluso, casos con alta probabilidad de cancelación el día de la intervención, podrán predecirse con mayor precisión6. Conocer todos estos datos permitirá mejorar la planificación, limitar el gasto y aumentar la seguridad del bloque quirúrgico.
De forma paralela, la adopción de la inteligencia artificial se extenderá al interior del quirófano. En 2018, Lundberg et al. desarrollaron un sistema basado en el aprendizaje profundo que permite predecir la hipoxemia intraoperatoria minutos antes de que suceda7. Monitorizando los signos vitales del paciente, el dispositivo advierte a cirujanos y anestesistas sobre próximos eventos adversos y sus factores contribuyentes7,8. Esta forma de inteligencia artificial explicativa podría aplicarse también para asesorar al cirujano en tiempo real sobre el riesgo de hemorragia, hipotermia o incluso, detectar la presencia de estructuras anatómicas aberrantes8. Todo ello nos proporcionará la oportunidad de anticiparnos a las complicaciones y manejarlas de forma preventiva.
En la era de la tecnología, la automatización de los procesos quirúrgicos es una realidad. Recoger y analizar vídeos o imágenes en la sala de operaciones nos permitirá desarrollar herramientas automáticas que comprendan el contexto intrínseco de la cirugía, las interacciones humanas de la sala y su evolución en el tiempo. La capacidad para la detección de imágenes y vídeos del aprendizaje profundo hará posible el análisis de los flujos de trabajo en el quirófano, monitorizando actividades como el progreso de la cirugía o la cantidad de radiación ionizante recibida por cada miembro del equipo, entre otros9,10. Utilizando la detección de movimientos, la inteligencia artificial podría estratificar la habilidad quirúrgica del cirujano, permitiéndonos identificar áreas de mejora o recomendar estrategias de entrenamiento personalizadas2. Además, podría generarse un perfil de idoneidad y de complicaciones individuales específicas con el fin de seleccionar el facultativo más adecuado para cada intervención5. Estos sistemas mejorarían la competencia y seguridad global del proceso quirúrgico, sirviendo como base para el desarrollo de una cirugía digital cada vez más consciente del contexto que le rodea.
Los algoritmos y los modelos computacionales se incluirán en nuestra práctica diaria. La innovación exigirá adaptar la cirugía a una realidad clínica cambiante donde la inteligencia artificial podrá proporcionar un soporte adecuado para la toma de decisiones médicas. El papel de los profesionales, lejos de verse amenazado, será clave para liderar el cambio que nos permita situar a la cirugía en la vanguardia de los avances científicos. El conocimiento y la experiencia humana servirán como pilar para integrar el aprendizaje profundo en esta especialidad, favoreciendo el desarrollo de nuevos modelos y herramientas para ejercer la medicina de calidad10.
FinanciaciónEste trabajo no ha recibido ningún tipo de financiación.
Conflictos de interésLos autores declaran no tener ningún conflicto de interés.
