Recientemente, el 4.º Simposio de Hong Kong sobre Tecnología Médica de IA Encarnada (The 4th Hong Kong Clinical-driven Robotics and Embodied AI TEchnology Symposium, CREATE Symposium), organizado por el Centro de Innovación en Inteligencia Artificial y Robótica de la Academia de Ciencias de China en Hong Kong (CAIR) y coorganizado por la Hong Kong Science and Technology Parks Corporation, se celebró con gran relevancia en el Charles K. Kao Conference Centre del Parque Científico de Hong Kong.
Como una importante plataforma internacional de intercambio que conecta la medicina clínica con las tecnologías de vanguardia, esta edición del foro adopta como tema «El camino hacia la comercialización de la IA médica» y reúne a cerca de 300 expertos académicos, gestores hospitalarios, médicos clínicos de renombre y representantes de capital industrial. La actividad se centra en los puntos críticos clínicos de especialidades como la intervención respiratoria, la otorrinolaringología, la imagen por ultrasonido y la medicina del sueño, y establece múltiples módulos como la presentación de tecnologías de vanguardia, el diálogo de mesa redonda de directores de hospitales, la sesión especial de presentación para inversores de capital riesgo, los seminarios temáticos en grupos, la exposición de logros científicos y tecnológicos, así como la exploración de escenarios de quirófanos con inteligencia encarnada, acelerando la innovación colaborativa entre la medicina, la investigación, la industria y la inversión, e inyectando un fuerte impulso a la aplicación de los resultados de investigación en la práctica médica.
En la ceremonia de apertura, el investigador Liu Hongbin, director de CAIR, Wong Ping-shuen, director ejecutivo de Hong Kong Science and Technology Parks Corporation, Zhang Chuang, director general de China Resources Health y presidente de China Resources Medical, Hao Yinxing, director ejecutivo del Instituto de Innovación de Hong Kong de la Academia China de las Ciencias, el investigador Lyu Pin, subdirector del Instituto de Automatización de la Academia China de las Ciencias, y Liu Jian, director ejecutivo de Shenzhen MGI Tech Co., Ltd., pronunciaron discursos uno tras otro.
En este foro, CAIR lanzó de forma destacada su propio sistema de agente clínico inteligente multimodal, CARES 4.0. Este sistema se construye sobre el marco de agentes Harness y está equipado en su capa subyacente con una base médica multimodal propia que abarca TC, resonancia magnética, ultrasonido, endoscopia y electroencefalografía, rompiendo las limitaciones de los tradicionales modelos de IA médica de punto único. Se integra profundamente en los flujos de trabajo clínicos de los hospitales y, como compañero inteligente de los médicos, cubre todo el espectro de escenarios: diagnóstico y tratamiento, gestión de departamentos e investigación médica.
En el plano de la aplicación clínica, CARES 4.0 ya ha completado su implementación y validación en varios hospitales de tercer grado clase A. En los escenarios de diagnóstico y tratamiento, permite un diagnóstico asistido de proceso completo, desde la queja principal del paciente, las pruebas de imagen y la evaluación patológica hasta el diagnóstico definitivo; en los escenarios de gestión de departamentos, admite consultas mediante interacción en lenguaje natural, resume automáticamente información como la carga de equipos y la distribución de enfermedades, y genera informes operativos del departamento con un solo clic; en los escenarios de investigación médica, es capaz de realizar análisis estadísticos multidimensionales sobre conjuntos de datos clínicos de enfermedades específicas, entrenar modelos sencillos de aprendizaje automático y producir informes de análisis listos para ser pulidos y utilizados en el envío de artículos científicos. El sistema cuenta con una plataforma de acumulación de datos clínicos de alta calidad, capaz de completar automáticamente la limpieza, el control de calidad y la estructuración de datos multifuente dentro del hospital, consolidando así la base de datos para la iteración continua de la IA.
Actualmente, el sitio web oficial de CARES 4.0 ya está abierto, el marco de trabajo y el kit de herramientas generales ya se han publicado, y el kit de herramientas médico se está poniendo en línea progresivamente. Los modelos de código abierto de ultrasonido y de video quirúrgico desarrollados por el propio centro también se integrarán en la plataforma y se pondrán a disposición de la sociedad de forma gratuita.
El investigador de CAIR Yi Dong presenta CARES 4.0
Ante los desafíos reales de la profunda integración de la IA en el sistema sanitario y su traslado a la práctica clínica, este foro incluyó una mesa redonda de directores de hospitales de Hong Kong y Shenzhen, en la que participaron en el intercambio y debate gestores de diversas instituciones médicas, entre ellos Kenneth Tsang, director ejecutivo regional de IHH Healthcare (Norte de Asia) y director ejecutivo del Gleneagles Hospital Hong Kong, Zhang Wenzhi, director del Hospital de la Universidad de Hong Kong-Shenzhen, Chung Kin Lai, director ejecutivo del Hospital de la Universidad China de Hong Kong, Cai Linbo, director del Hospital de Cerebro de Guangdong Sanjiu, Xiong Yi, director ejecutivo del Hospital Popular del Distrito de Luohu de Shenzhen, Hu Xiquan, presidente del comité de gestión del Hospital Lingnan del Tercer Hospital Afiliado de la Universidad Sun Yat-sen, y Lam Yu Him, subdecano (innovación docente y tecnológica) de la Facultad de Odontología de la Universidad de Hong Kong.
Los invitados de la mesa redonda expresaron sus puntos de vista: al introducir sistemas médicos de IA de alto valor en instituciones médicas privadas, es necesario evaluar el retorno de la inversión, equilibrando la sostenibilidad operativa y el valor para la salud pública; las aplicaciones de IA médica transfronterizas deben respetar estrictamente los límites del cumplimiento normativo, explorando la interoperabilidad de datos dentro del marco legal y coordinando la seguridad, el cumplimiento y la eficiencia operativa; la construcción de hospitales inteligentes se centra en la reestructuración de los procesos de negocio, impulsando la integración de la IA en toda la cadena de diagnóstico y tratamiento, cuidados y gestión; la aplicación clínica de la IA depende de datos de alta calidad y de la colaboración médico-ingeniería, y el desafío central actual es la delimitación de riesgos y la asignación de responsabilidades en los escenarios de diagnóstico y tratamiento, por lo que es urgente establecer mecanismos de compartición de riesgos entre múltiples partes; la promoción de la IA en la atención médica de base debe implementarse por etapas, priorizando las aplicaciones de optimización de la experiencia, mientras que las herramientas de diagnóstico de IA de alto riesgo requieren un sistema de seguridad integral completo; en el campo de la rehabilitación, la IA puede potenciar la evaluación de la rehabilitación y la elaboración de planes, reduciendo la carga de trabajo de los terapeutas; la IA se convertirá en una capacidad básica de la salud, y la especialidad odontológica puede apoyarse en la IA para realizar diagnósticos y tratamientos de precisión y cribados en el hogar, logrando una gestión fina de la salud bucodental.
En la sesión de presentaciones temáticas, este foro reunió a numerosos académicos de élite mundial en innovación médico-ingenieril, entre ellos el profesor Sebastien OURSELIN, miembro de la Royal Academy of Engineering y de la Academy of Medical Sciences del Reino Unido, y vicerrector adjunto (Innovación) del King's College de Londres; el profesor Nassir NAVAB, miembro de la Academia Europaea y director del CAMP de la Universidad Técnica de Múnich; el profesor Liu Yunhui de Ingeniería Mecánica y Automatización de la Universidad China de Hong Kong; el investigador Liu Hongbin, director del CAIR; el profesor Liao Hong'en, catedrático de la Universidad Jiao Tong de Shanghái y decano de la Escuela de Ingeniería Biomédica; y el profesor Ni Dong de la Escuela de Inteligencia Artificial de la Universidad de Shenzhen. Con base en la vanguardia internacional, los expertos analizaron en profundidad las tendencias de desarrollo de la tecnología médica de inteligencia encarnada y compartieron los logros de la innovación tecnológica global en torno a temas de gran actualidad, como el ecosistema de dispositivos médicos y salud digital, la colaboración humano-robot en robots médicos, robots quirúrgicos impulsados por IA, sistemas de IA de agentes clínicos inteligentes, toma de decisiones por imagen en robots de diagnóstico y tratamiento, y la transferencia de investigación y producción de ultrasonido inteligente.
El académico Sebastien OURSELIN presenta "From Bench to Bedside to Boardroom- An Innovation Ecosystem for Medical Devices and Digital Health"
El académico Nassir NAVAB presenta "Dyadic Partnership(DP): A Missing Link Towards Full Autonomy in Medical Robotics".
El profesor Liao Huai, vicedirector del Departamento de Enfermedades Respiratorias y de Cuidados Críticos del Primer Hospital Afiliado de la Universidad Sun Yat-sen; el profesor Lei Dapeng, director del Departamento de Otorrinolaringología del Hospital Qilu de la Universidad de Shandong; el profesor Hou Gang, vicedirector del Departamento de Enfermedades Respiratorias y de Cuidados Críticos del Hospital de Amistad China-Japón; la profesora Xie Xiaoyan, directora del Departamento de Diagnóstico por Ultrasonido del Primer Hospital Afiliado de la Universidad Sun Yat-sen; el profesor Tao Guowei, director del Departamento de Ultrasonido del Hospital Qilu de la Universidad de Shandong; el profesor Cui Xinwu, director del Departamento de Imagen por Ultrasonido del Hospital Tongji, adscrito a la Facultad de Medicina Tongji de la Universidad de Ciencia y Tecnología de Huazhong; la profesora Cao Yingjuan, directora del Departamento de Enfermería del Hospital Qilu de la Universidad de Shandong; Wong Hung-leung, profesor del Departamento de Cirugía de la Facultad de Medicina de la Universidad China de Hong Kong y jefe de Cirugía Cardiotorácica; el profesor Zhang Bin, director del Departamento de Psiquiatría y Psicología (Centro de Medicina del Sueño) del Hospital Nanfang de la Universidad de Medicina del Sur de China; el profesor Pan Jiyang, director del Centro de Medicina del Sueño del Primer Hospital Afiliado de la Universidad de Jinan; la profesora Xing Yingqi, directora del Departamento de Ultrasonido Vascular del Hospital Xuanwu de la Universidad Médica de la Capital; Mak Hoi-kwan, subjefe de servicio y médico consultor del Departamento de Neurocirugía del Hospital Queen Elizabeth de Hong Kong; y Tam Siu-chung, profesor clínico asistente del Departamento de Cirugía de la Facultad de Medicina Clínica de la Universidad de Hong Kong, entre otros, compartieron, sobre la base de años de experiencia en sus especialidades, prácticas clínicas de primera línea en torno a áreas como la imagenología médica, el diagnóstico y tratamiento por ultrasonido, la enfermería inteligente, la cirugía cardiotorácica, la medicina del sueño, el ultrasonido vascular y la neurocirugía.
Además, académicos como el profesor Li Zongming, decano de la Facultad de Ingeniería Biomédica de la Universidad de Ciencia y Tecnología de Shenzhen, el profesor Ren Hongliang del Departamento de Ingeniería Electrónica de la Universidad China de Hong Kong, el profesor Guo Jiawei del Departamento de Ingeniería Mecánica y Automatización de la Universidad China de Hong Kong, Zhu Zhiguang, profesor titular asociado vitalicio del Departamento de Ingeniería Mecánica de la Universidad Nacional de Singapur, Dou Qi, profesora asociada del Departamento de Ciencias y Ingeniería de la Computación de la Universidad China de Hong Kong, y Jiang Zhongliang, profesor asistente del Departamento de Ingeniería Mecánica de la Universidad de Hong Kong, también compartieron avances de investigación desde diferentes dimensiones, como el desarrollo de algoritmos de IA, los sistemas de robots médicos y la traslación clínica, mostrando desde múltiples perspectivas las diversas vías mediante las cuales la intersección entre medicina e ingeniería potencia el desarrollo de la atención médica inteligente.
Además, esta edición del foro también contará con una sesión especial de presentación para capital riesgo, centrada en las vanguardias de la tecnología médica, que reunirá a empresas innovadoras, instituciones de investigación y entidades inversoras, creando una plataforma para el intercambio de proyectos y la conexión de recursos. Los evaluadores ayudarán a analizar las barreras tecnológicas, la validación clínica y las estrategias de comercialización, apoyando a los equipos a definir su ruta hacia el mercado y acelerando la industrialización de los logros en tecnología médica.
Múltiples proyectos punteros de innovación científica y tecnológica participaron en el roadshow, abarcando direcciones de vanguardia como sensores ópticos de fuerza multidimensionales, robots quirúrgicos de cirugía endoscópica, nuevos instrumentos y equipos auxiliares para cirugía mínimamente invasiva, grandes modelos para el sueño, robots de ultrasonido, robots quirúrgicos, sistemas de navegación quirúrgica, chips ASIC y dispositivos médicos activos implantables, interfaces cerebro-computadora y músculos biomiméticos, planificación y simulación quirúrgica, y ortesis personalizados y reconstrucción. Instituciones de inversión y representantes del sector, entre ellas China-D Capital, Guangyuan Investment, Jiuguang Capital, Allwinner Technology, Yuexiu Group, Yanghe Investment, Songhe Medical Health Fund, CICC Capital, BGI Songhe Biotech Fund, Guoke Jiahe y Jianyuan Tianhua, acudieron al lugar para mantener intercambios profundos cara a cara con los equipos emprendedores y satisfacer plenamente las necesidades de inversión y financiación.
El doctor Yu Chen, cofundador de Huali Chuang Sciences, explica los puntos clave de la tecnología de sensores de fuerza ópticos multidimensionales
Como entidad coorganizadora de este foro, Hong Kong Science and Technology Parks Corporation organizó la sesión temática “Empowering Founders, Enabling Growth: HKSTP's Entrepreneurship Journey from Idea to Commercialization”, centrada en la implementación industrial de los logros científicos y tecnológicos de vanguardia, con una presentación detallada del ecosistema de tecnología de la vida y la salud del parque y de su comunidad emprendedora, invitó a representantes de empresas emergentes de la plataforma a compartir sus perspectivas de comercialización y casos prácticos, y mantuvo diálogos multidimensionales con representantes de diversos ámbitos para explorar cómo la cooperación estratégica puede potenciar la creación de valor y el crecimiento empresarial, ofreciendo ejemplos prácticos vivos y apoyo ecosistémico para la sinergia entre medicina y empresas y la transformación de los resultados de innovación.
Además, el foro contó en paralelo con una exposición de logros científico-tecnológicos en el ámbito médico, en la que se presentaron de forma concentrada empresas innovadoras como Huali Chuang Science, Endong Medical, Shenzong Technology, Houkai Medical, Meixin Chuangke y Legen Purification, así como más de diez empresas emergentes incubadas por la plataforma Incu-Bio del Hong Kong Science Park, mostrando de manera integral las tecnologías de vanguardia y los resultados innovadores en los ámbitos de la medicina inteligente, la medicina digital y la medicina de precisión.
Al finalizar el evento, los invitados asistentes se trasladaron al quirófano de inteligencia corporizada CAIR, donde observaron en el lugar resultados de vanguardia como el sistema de agente clínico multimodal CARES, los agentes inteligentes de diagnóstico con laringoscopio y broncoscopio, el sistema de sueño con IA, el gran modelo de ultrasonido «Lingyin», la ecografía de palma con inteligencia corporizada, el robot de exploración por ultrasonido, la solución de cirugía mínimamente invasiva en espacios reducidos, la plataforma de simulación física médica en tiempo real, la resonancia magnética de bajo campo para cirugía intervencionista y el robot quirúrgico de neurocirugía con inteligencia corporizada MicroNeuro. Durante la visita, los invitados escucharon atentamente las explicaciones técnicas de los equipos de desarrollo, conocieron en profundidad las características tecnológicas esenciales, el valor clínico-diagnóstico y los escenarios de aplicación práctica de cada resultado, y sostuvieron intensos debates sobre los cuellos de botella en la investigación tecnológica, el avance de los pilotos clínicos y las vías de impulso a la industrialización, contribuyendo a que las tecnologías de diagnóstico y tratamiento inteligentes superen las limitaciones de los escenarios y amplíen su cobertura de aplicación.
Diálogo con Liu Hongbin, director de CAIR: la implementación clínica de CARES 4.0 y el camino hacia la comercialización de la IA médica
Además de la presentación y exhibición de los logros mencionados, durante el foro también sostuvimos un diálogo con el investigador Liu Hongbin, director del CAIR, en el que conversamos sobre la mejora de capacidades de CARES 4.0 respecto a las generaciones anteriores, la presentación clínica de las alertas de riesgos quirúrgicos, las alucinaciones y los límites de seguridad de la IA médica, así como las vías de comercialización de la IA médica.
La siguiente es la transcripción de la conversación, editada por Leiphone sin alterar el sentido original:
Lei Feng Wang (cuenta pública: Lei Feng Wang): 4.0 en comparación con 3.0, ¿significa que hay más funciones o que la naturaleza de las capacidades ha cambiado? ¿Puedes dar un ejemplo concreto que ilustre esta diferencia?
Liu Hongbin:CARES, de la 1.0 a la 3.0, es en sí mismo un gran modelo. En la 3.0 solo podía hacer tareas de preguntas y respuestas —estas preguntas y respuestas pueden ser multimodales, por ejemplo, preguntas y respuestas sobre una imagen o sobre un video; eso es lo que se resolvió de la 1.0 a la 3.0. Pero la 3.0 en sí es solo una herramienta: los médicos deben saber usar esta herramienta para poder completar tareas concretas.
Con la 4.0 lo convertimos en un agente inteligente, y así ya puede ayudar de verdad a los médicos a trabajar. Por ejemplo, el caso mostrado en esta presentación: el jefe del servicio clínico quiere hacer un recuento de las cirugías del mes pasado, del uso de materiales sanitarios y de la situación de los pacientes, y elaborar un informe para presentarlo a los directivos del hospital o para debatirlo dentro del servicio. Antes, este trabajo tenía que hacerlo obligatoriamente el asistente del jefe de servicio usando CARES 3.0; ahora ya no hace falta el asistente, porque todo el sistema de agentes inteligentes lo completa de forma autónoma. Durante el proceso puede haber algunas interacciones con el jefe de servicio para confirmar sus ideas o qué tipo de informe de análisis quiere elaborar: también hemos incorporado ese tipo de interacción.
Lei Feng Network: De las cinco capacidades presentadas en este lanzamiento, la comprensión semántica de videos quirúrgicos y la alerta temprana de riesgos son las que más atraen la atención. ¿Cómo se manifiesta esta alerta en cirugías reales?
Liu Hongbin: La alerta se divide en varios aspectos. Uno es la alerta en términos del espacio de la operación: la IA identifica que la zona de la operación está muy cerca de vasos sanguíneos, arterias o nervios importantes, y en ese momento debe alertar al médico, indicando que este paso podría ser riesgoso y que no debe tocar esa posición.
Otro tipo es la alerta en términos de la escala temporal. La cirugía es un proceso secuencial: hay que terminar un paso antes de pasar al siguiente. Supongamos que el médico no hace bien el primer paso; por ejemplo, en la neurocirugía primero hay que abrir una ventana ósea para crear un canal, y el objetivo final es extirpar de manera completa y exhaustiva el tumor del interior. Si la ventana ósea no se abre lo suficientemente grande, es posible que el tumor del interior no se extirpe por completo, y cuando ya se ha profundizado, es demasiado tarde para ampliarla. Esta alerta en la dimensión temporal es también una dimensión.
Ahora la aplicación principal es la alerta espacial, por ejemplo, decirle al médico: la zona en la que estás operando ya está muy cerca de una estructura anatómica muy importante, debes evitarla.
Lei Feng Wang: ¿En cuántos hospitales y en qué departamentos se está utilizando actualmente, y hasta qué grado?
Liu Hongbin:Por ejemplo, en el Primer Hospital Afiliado de la Universidad Sun Yat-sen, colaboramos con el director Liao Huai, que utiliza esta función al realizar broncoscopias. Nosotros avisamos: lo que parece un bronquio, debajo en realidad es un vaso sanguíneo. Porque algunos médicos sin experiencia, al ver una protrusión en el bronquio, podrían pensar que pueden hacer una biopsia, pero en realidad esa protrusión es parte de un vaso sanguíneo; si se hace la biopsia, se podría perforar una arteria, y eso supondría un gran riesgo quirúrgico.
Lei Feng Wang: Lo más sensible en la IA médica son los riesgos de alucinación y diagnóstico erróneo. ¿CARES da a los médicos «recomendaciones» o «conclusiones»? Ante posibles divergencias de criterio, ¿qué ha hecho el equipo en el diseño del sistema?
Liu Hongbin:Ahora mismo, en la colaboración de CARES con hospitales y médicos, desempeña más bien un papel de asistente: lo que da son recomendaciones. Pero la IA sin duda a veces tiene alucinaciones, y lo primero que debemos hacer es eliminar al máximo esas alucinaciones, especialmente en las recomendaciones de tipo decisional. Por ejemplo, cuando el médico va a emitir un diagnóstico, el modelo de IA podría recomendar cierto método diagnóstico; si aquí hay un error, podría inducir a engaño al médico, y ese es un riesgo bastante grande.
Nuestro enfoque actual es: primero, hacer que todo el razonamiento de la IA siga estrictamente la lógica de pensamiento de los expertos clínicos: los expertos clínicos, al diagnosticar, consultan las guías y los últimos resultados clínicos de las revistas internacionales de mayor nivel, y solo tras un juicio integral emiten conclusiones o recomiendan planes de tratamiento. Hacemos que la IA siga estrictamente este proceso, y convertimos la información que la IA puede consultar en datos estructurados, como un grafo de conocimiento, para que la IA busque a lo largo de esos nodos las bases con las que ofrecer recomendaciones al médico.
Así que la recomendación final que se da al médico siempre irá acompañada de su ruta de razonamiento: se propone la opinión diagnóstica basándose en cierta recomendación de cierta guía o en los últimos hallazgos de cierto artículo académico, y luego el clínico es quien juzga. En cualquier caso, el médico es el decisor final, y eso no puede cambiarse. Lo más importante es que el médico pueda integrar el juicio de la IA, combinarlo con su propio razonamiento y llegar a la conclusión final.
Lei Feng Wang: Del piloto en hospitales a entrar de verdad en el flujo clínico, ¿cuál es el obstáculo más difícil: el técnico, el de aprobación o el de la mentalidad de los médicos? ¿En qué punto está ahora?
Liu Hongbin:El reto de la IA médica consiste en que tiene que aterrizar un producto, aplicarlo y generar ingresos de venta dentro de un sistema muy complejo; no es un problema de un solo punto. En todo el sistema sanitario hay varios interesados: los propios pacientes, los médicos, los hospitales y la parte de pago del seguro médico; las cuatro partes se preocupan por cosas distintas. Solo cuando el diseño del producto satisface simultáneamente las demandas de las cuatro partes se puede lograr el éxito comercial.
Por ejemplo, primero hay que garantizar el liderazgo tecnológico: los grandes hospitales del país quieren ahora ser líderes en tecnología, es una promoción del «equipo nacional»; al mismo tiempo, hay que resolver realmente problemas clínicos, hacer que los médicos sientan que les resulta útil; para el hospital, al usar tu nueva tecnología, la gestión debe beneficiarse y la eficiencia debe mejorar; para el seguro médico, tu tecnología no debe aumentar la carga, lo ideal es que tras usarla todo el proceso terapéutico sea en conjunto más barato, y no un gasto adicional. En el diseño de cada producto hay que considerar todos estos aspectos.
Lei Feng Wang: Usted desarrolla ahora la vertical médica CARES; en su opinión, ¿qué capacidades de los modelos generales pueden trasladarse directamente y cuáles hay que rehacer por completo en el ámbito médico?
Liu Hongbin:En cuanto a las capacidades generales, cuanto más fuerte es la capacidad general del modelo, mejor será el rendimiento tras el post-entrenamiento en el dominio vertical y la incorporación de herramientas del dominio vertical. La capacidad de base del modelo general equivale a una piedra angular: cuanto mayor sea la capacidad general, más alto será el techo del modelo vertical, ese es el primer punto.
Pero en la aplicación real, si solo se resuelve el escenario de un determinado departamento de un determinado hospital, el contenido de la tarea es bastante limitado. Además, una gran capacidad general suele significar un modelo demasiado grande, difícil de desplegar y con un gran consumo de cómputo. Así que el despliegue real es un equilibrio: por un lado, la capacidad del modelo; por otro, si la tarea realmente necesita adaptar una capacidad tan alta, o si un modelo más pequeño, con diseño de herramientas y posprocesamiento, ya puede lograr un muy buen resultado.
Lei Feng Wang: Del Instituto DAMO a la Academia China de Ciencias y luego a Hong Kong, la línea de investigación ha ido paso a paso del multimodal general a la vertical médica. ¿Cómo ha sido este camino? ¿Hubo algún momento decisivo que le hizo decidirse a profundizar en la medicina?
Liu Hongbin:En realidad, siempre hemos trabajado en la dirección de la IA médica y hemos mantenido este camino. Para mí, hubo dos acontecimientos que elevaron exponencialmente mi confianza en la aplicación de la IA en el ámbito médico.
El primero fue el lanzamiento de ChatGPT. Antes, los modelos de IA, como las redes neuronales convolucionales CNN, eran solo una parte de una herramienta: hacía falta que un ingeniero los usara para construir un software que luego los médicos emplearan, y la aplicación estaba muy limitada por la capacidad del personal de ingeniería; es decir, no se podía entregar esto directamente al médico. Tras la aparición de ChatGPT, la IA puede dialogar con las personas y se ha vuelto interactiva, de modo que el problema de que «el médico no sabe usar la herramienta» pudo resolverse. Ahora, en unos cuatro años aproximadamente, los médicos ya dominan las herramientas de IA sin necesidad de una larga curva de aprendizaje, y eso nos dio en su momento mucha confianza.
El otro fue durante el último año: muchos de nuestros sistemas de IA ya se han empezado a desplegar en hospitales. El equipo conversa con los equipos médicos colaboradores para entender cómo se usa realmente la IA en su trabajo diario. Hemos comprobado que cada médico, en mayor o menor medida, ya usa herramientas de IA —quizá no en el diagnóstico, pero en el manejo de bibliografía y el trabajo diario ya no puede prescindir de la IA. Al mismo tiempo, hemos visto que, siempre que el volumen de datos sea suficientemente grande y la calidad de los datos suficientemente alta, la capacidad del modelo puede superar el nivel medio de los expertos, algo común en múltiples proyectos de despliegue real.
Así que en tareas concretas, la IA seguramente lo hará mejor que las personas —es como hacer competir a un coche con una persona en una carrera: el coche seguro que gana. La medicina se basa en la evidencia (evidence-based): mientras haya pruebas suficientes y suficientemente sólidas, todo el mundo acabará confiando en ella.
Lei Feng Wang: ¿Con cuántos hospitales tiene actualmente el equipo colaboraciones sustantivas? ¿Cuál es la retroalimentación de mejora más repetida por parte de los médicos?
Liu Hongbin:En cuanto a hospitales, ya deben ser más de 30. El que se difunde más rápido es el puesto de trabajo de IA para diagnóstico por laringoscopia: solo este sistema ya está desplegado en más de 10 hospitales; el sistema de broncoscopia, en más de 4; y el sistema de ultrasonido también en más de 10. Algunos hospitales despliegan a la vez varios de nuestros sistemas; en total, deben ser más de 30 hospitales los que lo usan en la práctica.
La mayoría de los comentarios piden que la operación sea más sencilla, poder terminar el trabajo sin necesidad de pensar demasiado: aliviar la carga de trabajo es lo que más les gusta. Otra demanda frecuente es que la salida del modelo y la interacción sean más intuitivas, que la información se vea de un vistazo y que, en lo posible, el médico no malinterprete qué significa el resultado de la IA. Por eso, muchas de nuestras modificaciones están en realidad en la interacción persona-máquina: con qué forma mostrar los resultados de la IA, si gráficos, números o mapas de calor.
Lei Feng Wang: Dentro de cinco años, si la serie CARES tiene éxito, ¿qué diferencia habrá entre el quirófano y el de ahora?
Liu Hongbin:El quirófano del futuro será, sin duda, un espacio inteligente de colaboración persona-máquina.
Primero, muchos instrumentos del quirófano se robotizarán, pero no necesariamente en forma de robot humanoide. Por ejemplo: la lámpara sin sombra actual es un instrumento pasivo, el médico tiene que arrastrarla y ajustarla con la mano; en el futuro, la lámpara sin sombra será en sí misma un brazo robótico capaz de moverse por sí misma, y el médico no tendrá que ajustarla con la mano durante toda la cirugía, porque agarrarla con la mano implica en sí un riesgo de infección. El gesto actual de la enfermera al entregar instrumentos también podría realizarlo en el futuro un brazo robótico.
Segundo, el personal del quirófano. La medicina es un proceso de evolución lenta; podemos imaginar dentro de 20 años: hoy en una operación hay un equipo médico de siete u ocho personas, y en el futuro en el quirófano quizá haya solo dos o tres: el cirujano principal, acompañado de una o dos enfermeras o asistentes, y el resto mediante dispositivos robóticos que interactúan con ellos.
Además, es posible que el hospital del futuro ya no tenga la forma actual de departamentos aislados, sino que sea un gran agente inteligente: habría una plataforma central de cómputo, y cada especialidad sería como una rama nerviosa de ella; todo lo que ocurra en quirófanos, consultas y clínicas ambulatorias se sumaría en tiempo real a este «cerebro».
Lei Feng Wang: Si tuviera que resumir en una frase en qué ha estado ocupado su equipo este año, ¿qué diría?
Liu Hongbin:Lo llamamos real-world research, investigación en el mundo real. En los últimos años creamos muchos modelos de IA y herramientas de IA, y el año pasado nos concentramos en hacer despliegues clínicos en diversos hospitales y recopilar la retroalimentación de los médicos, evaluando también nosotros si los modelos realmente ayudaban a los médicos, porque antes del despliegue todo era una hipótesis: no se sabe si al médico le resulta útil o no.
Lo que nos animó mucho es que la gran mayoría de los modelos mostraron su valor durante el uso real. También hubo funciones que al principio no habíamos previsto, pero los expertos clínicos son muy creativos: haces una función A y él asocia que tiene un punto de dolor en una función B, y pregunta si A podría hacerse, y descubrimos que efectivamente se podía transferir. Muchas herramientas así, evolucionando junto con los expertos clínicos, se convirtieron en formas realmente útiles para los médicos.
Artículo original de Lei Feng Wang; queda prohibida su reproducción sin autorización. Para más detalles, consultelas normas de reproducción。