Microsoft ha reforzado su presencia en el sector salud con inversiones estratégicas que están impulsando la digitalización y modernización de la industria. Su apuesta por la inteligencia artificial y la computación en la nube ha acelerado el desarrollo de soluciones innovadoras en áreas como el diagnóstico, la gestión hospitalaria y la investigación biomédica.
En una entrevista en Salud35, el Dr. Jonathan Carlson, Managing Director, Health Futures y Microsoft Research explica que es Microsoft Health y como transforma la atención médica y las ciencias biológicas mediante la IA. Su enfoque se basa en la digitalización y estructuración de datos clínicos para mejorar diagnósticos y personalizar tratamientos.
¿Cuál es la misión principal de Microsoft Health Futures y en qué se diferencia de otros grupos de investigación de Microsoft?
Microsoft Health Futures es un equipo dentro de Microsoft Research que se centra enempoderar a cada persona del planeta para que viva un futuro más saludable. Con este fin, somos responsables de la investigación, las incubaciones y los proyectos ambiciosos que impulsan la estrategia, las asociaciones y el impacto en el mundo real de toda la empresa en los ámbitos de la atención médica y las ciencias biológicas.
"Nos centramos en cómo la IA puede acelerar y mejorar el descubrimiento biológico y la prestación clínica"
A medida que las tecnologías de IA generativa maduran rápidamente, nos centramos cada vez más en la cuestión de cómo la IA puede acelerar y mejorar específicamente el descubrimiento biológico y la prestación clínica, empoderando a cada persona para que reciba la atención individualizada que conducirá a los mejores resultados.
¿Qué papel juega la inteligencia artificial en los proyectos actuales de Health Futures?
Varias herramientas y técnicas de inteligencia artificial, como el lenguaje natural y el procesamiento de imágenes, han desempeñado un papel destacado en nuestro trabajo durante muchos años. La generación actual de IA está acelerando enormemente esta tendencia.
Lo que estamos descubriendo es que, de la misma manera que la IA generativa ha aprendido a "entender" y "razonar" sobre conceptos codificados en lenguajes humanos, también es capaz de razonar sobre los lenguajes de la biomedicina. Por ejemplo, los grandes modelos de lenguaje pueden estructurar información de registros médicos para utilizarla para asociar pacientes con ensayos clínicos, o incluso para simular estos estudios a partir de grandes cohortes de pacientes.
Al mismo tiempo, los modelos de IA generativa pueden aprender a analizar imágenes, identificar órganos e incluso células cancerosas, al tiempo que ayudan a los radiólogos y patólogos a redactar informes o validar conclusiones. O en el campo del diseño de proteínas, hemos adaptado las técnicas de modelos de difusión que se utilizan habitualmente para generar imágenes basadas en indicaciones lingüísticas para generar proteínas que tengan determinadas características deseables. La generación actual de capacidades de IA está demostrando ser mucho más general que el lenguaje y está mostrando el potencial de revolucionar el campo de la medicina y, en algunos casos, ya se están utilizando en la práctica clínica actual.
¿Podrías contarnos cuáles son los proyectos más destacados que estáis desarrollando actualmente para el sector sanitario y farmacéutico?
Si bien trabajamos en muchos proyectos, estos se dividen principalmente en tres áreas de enfoque: evidencia del mundo real, imágenes médicas y descubrimiento biológico.
La IA está revolucionando la medicina al estructurar datos clínicos y mejorar la precisión de diagnósticos y tratamientos. Aunque los ensayos clínicos aleatorios siguen siendo el estándar de referencia, su alcance es limitado, ya que analizan solo pequeños grupos de pacientes. Con la digitalización de datos de salud, la IA permite identificar patrones en grandes poblaciones y optimizar tratamientos personalizados. Sin embargo, gran parte de esta información no está estructurada, especialmente en notas clínicas. La IA generativa facilita la organización de estos datos, lo que permite aplicar herramientas de análisis avanzadas para evaluar el impacto de cambios en la atención médica y mejorar la predicción de resultados.
"Los modelos avanzados pueden interpretar imágenes biomédicas con mayor precisión que especialistas clínicos"
El análisis de imágenes médicas también está evolucionando con la IA. De esta forma, los modelos avanzados pueden interpretar imágenes biomédicas con mayor precisión que especialistas clínicos, mejorando la detección y cuantificación de enfermedades. Se han desarrollado herramientas que permiten analizar grandes volúmenes de imágenes y generar hallazgos automáticos, lo que optimiza los flujos de trabajo en patología y radiología. Estas innovaciones no solo aumentan la eficiencia diagnóstica, sino que también permiten integrar información visual con lenguaje humano, facilitando la interpretación médica.
En biología y genómica, la IA ha demostrado ser una herramienta clave para estructurar información y mejorar el diagnóstico de enfermedades. Se han desarrollado algoritmos capaces de analizar la secuenciación del sistema inmunológico para detectar enfermedades de manera más precisa.
También se han aplicado tecnologías de IA en la investigación genómica, lo que ha permitido avanzar en la comprensión de enfermedades raras y en el diseño de células individuales en laboratorio. Estas aplicaciones están impulsando una nueva era en la medicina, donde la inteligencia artificial no solo optimiza la investigación y el diagnóstico, sino que también permite personalizar tratamientos de manera más eficiente y precisa.