El Fin Del Conocimiento - Bóveda 4/46 - IA Para Bien - 2020 - Nuevas Formas de Pensar en el Teléfono Móvil para la Salud y la Pandemia Actual

graph LR classDef main fill:#f9f9f9, font-weight:bold, font-size:14px classDef phones fill:#ffcc99, font-weight:bold, font-size:14px classDef ai fill:#ccff99, font-weight:bold, font-size:14px classDef healthcare fill:#99ccff, font-weight:bold, font-size:14px classDef diagnostics fill:#ff99cc, font-weight:bold, font-size:14px classDef challenges fill:#ccccff, font-weight:bold, font-size:14px A["Nuevas Formas de
Pensar en el
Teléfono Móvil para
la Salud y la
Pandemia Actual"] A --> B["Teléfonos móviles
y IA
para la salud. 1"] B --> B1["Profesor en la
Universidad de Washington,
director en Google. 2"] B --> B2["Cumbre IA Para Bien:
IA práctica para
los ODS. 3"] B --> B3["ACM es
un socio clave. 4"] B --> B4["Pandemias, tecnología
permiten cambios
de paradigma en salud. 5"] A --> C["Dispositivos móviles,
wearables
para monitoreo de salud. 6"] C --> C1["Teléfonos permiten telemedicina,
diagnósticos, medición
continua. 7"] C --> C2["Apps actuales: entrada
manual de datos
por usuarios. 8"] C --> C3["Smartphones modernos tienen
muchos sensores
para la salud. 9"] C --> C4["Proporcionan ideas de salud,
no precisión
clínica. 10"] A --> D["Sensores del teléfono
monitorean función pulmonar,
hemoglobina, densidad ósea. 11"] D --> D1["App para función pulmonar
con micrófono
del teléfono. 12"] D --> D2["Micrófono detecta obstrucciones
pulmonares,
enfermedades. 13"] D --> D3["App de espirometría probada
en 10,000
sujetos. 14"] D --> D4["App de evaluación de tos
para TB. 15"] D --> D5["Cámaras del teléfono examinan
ictericia. 16"] A --> E["Cribado no invasivo de hemoglobina
con cámara del
teléfono. 17"] E --> E1["Densidad ósea a través de
resonancias
vibratorias. 18"] E --> E2["Sensores de temperatura
para detección
de fiebre. 19"] E --> E3["IA interpreta kits
de diagnóstico rápido
resultados. 20"] A --> F["Desafíos: IA
como dispositivo médico,
confianza. 21"] F --> F1["IA en el dispositivo
para privacidad,
aprendizaje federado. 22"] F --> F2["Prueba en teléfonos de gama baja
para
equidad. 23"] F --> F3["Estudios rigurosos,
despliegues en campo
necesarios. 24"] F --> F4["Detección temprana, prevención
con salud
móvil. 25"] F --> F5["Tecnología móvil: triaje,
adaptar interfaces,
monitorear tratamiento. 26"] A --> G["Fabricantes de teléfonos
incluyen sensores
de salud. 27"] G --> G1["Considerar consecuencias no
intencionadas de
ideas. 28"] G --> G2["Demostrar precisión,
confiabilidad
de apps. 29"] G --> G3["Salud móvil, IA
pueden revolucionar
la salud. 30"] class A main class B,B1,B2,B3,B4 phones class C,C1,C2,C3,C4 ai class D,D1,D2,D3,D4,D5 healthcare class E,E1,E2,E3 diagnostics class F,F1,F2,F3,F4,F5 challenges class G,G1,G2,G3 future

Resumen:

1.- El Dr. Shwetak Patel discute el uso de teléfonos móviles e IA para la salud, especialmente a la luz de la pandemia actual de coronavirus.

2.- Patel es profesor de ciencias de la computación en la Universidad de Washington y director de salud en Google.

3.- La Cumbre Global de IA para Bien, organizada por la ITU y socios, tiene como objetivo identificar aplicaciones prácticas de IA para el desarrollo sostenible.

4.- ACM, la Asociación de Máquinas Computacionales, es un socio clave y patrocinador de oro de la Cumbre de IA para Bien.

5.- Las pandemias y los avances tecnológicos en áreas como vacunas, tratamiento, robótica, imagenología han permitido cambios importantes en los paradigmas de salud.

6.- Un cambio de paradigma actual involucra el uso de dispositivos móviles, sensores portátiles e IA/aprendizaje automático para permitir el monitoreo de salud fuera de hospitales/clínicas.

7.- Los teléfonos móviles son omnipresentes y personales, permitiendo telemedicina, cribado de enfermedades, nuevos diagnósticos, monitoreo de tratamientos y medición fisiológica continua.

8.- La mayoría de las apps de salud móvil actuales implican la entrada manual de datos por parte de los usuarios, por ejemplo, para el seguimiento de la nutrición.

9.- Los smartphones modernos tienen muchos sensores que pueden ser aprovechados para la detección de salud usando IA, sin hardware adicional.

10.- El objetivo es proporcionar ideas útiles de salud, no necesariamente precisión de grado clínico, para guiar los próximos pasos para los usuarios.

11.- El laboratorio de Patel ha trabajado en el uso de sensores de teléfono como micrófonos, cámaras, acelerómetros para monitorear la función pulmonar, hemoglobina, densidad ósea, etc.

12.- Para la función pulmonar, desarrollaron una app usando el micrófono del teléfono para realizar pruebas de espirometría de la capacidad respiratoria.

13.- Las resonancias del tracto vocal capturadas por el micrófono mientras se exhala pueden indicar obstrucciones pulmonares y enfermedades.

14.- La app de espirometría fue probada en 10,000 sujetos, encontrándose comparable a los espirómetros clínicos. Permite el cribado por trabajadores de salud comunitarios.

15.- Para la evaluación de la tos para el cribado de TB, modelaron los sonidos de la tos para identificar condiciones pulmonares anormales. El análisis en el dispositivo preserva la privacidad.

16.- Usaron cámaras de teléfono para examinar la ictericia en recién nacidos analizando tonos de piel. Cerca de la precisión de dispositivos clínicos de $10K.

17.- Cribado no invasivo similar de hemoglobina analizando los colores del dedo presionado contra la cámara del teléfono y el flash. Probado en Perú.

18.- Análisis de densidad ósea a través de resonancias vibratorias de golpear el codo, capturadas por el acelerómetro. Cribado para osteoporosis.

19.- Explorando el uso de sensores de temperatura de los teléfonos para detectar fiebres, por ejemplo, para coronavirus, detectando temperatura elevada de la piel.

20.- La IA permite interpretar cambios de color en kits de diagnóstico rápido para malaria, COVID-19, etc., tomando fotos de las tiras de prueba con el teléfono.

21.- Desafíos clave: Regular el software de IA como un dispositivo médico. Construir confianza en las apps de salud del teléfono como precisas y privadas.

22.- La IA en el dispositivo evita enviar datos de salud sensibles a la nube. El aprendizaje federado permite ideas mientras se preserva la privacidad del usuario.

23.- No todos tienen smartphones, por lo que probar en teléfonos de gama baja es importante para desarrollar soluciones equitativas para la salud global.

24.- Involucrar a los proveedores de salud requiere estudios clínicos rigurosos, despliegues en campo que muestren resultados de salud. Los sistemas arraigados cambian lentamente.

25.- La salud móvil permite la detección temprana y prevención, no solo la gestión de enfermedades. La IA puede detectar anomalías fisiológicas que preceden a los síntomas.

26.- Tres roles clave de la tecnología móvil en la salud: triaje de atención, adaptación de interfaces para discapacidades, monitoreo de la eficacia del tratamiento de forma remota.

27.- Involucrar a los fabricantes de teléfonos para incluir sensores y capacidades que permitan la equidad en salud global a través de estas soluciones móviles.

28.- Considerar consecuencias no intencionadas, por ejemplo, ideas sobre condiciones sensibles que los usuarios no han revelado, a medida que se desarrollan estas herramientas poderosas.

29.- Demostrar a los proveedores y pacientes que estas apps móviles "baratas" pueden ser precisas y confiables es un desafío continuo.

30.- Gran oportunidad para que la salud móvil y la IA revolucionen el acceso, la calidad y la equidad en la atención sanitaria en todo el mundo, si se pueden navegar los desafíos.

Bóveda del Conocimiento construida porDavid Vivancos 2024