A finales del siglo XX la tecnología se volvió cada vez más común en el ámbito educativo, lo cual continuó en el siglo XXI con el aprendizaje móvil (m-learning) en teléfonos inteligentes, la realidad aumentada a través de una tableta, así como experiencias totalmente inmersivas en entornos simulados como la realidad virtual (RV).¹

Antes de la realidad virtual, los investigadores y educadores defendieron durante mucho tiempo el uso de dispositivos de entrenamiento de simulación de vuelo –o simuladores–, como opciones de alta fidelidad y bajo costo con múltiples beneficios de aprendizaje para el entrenamiento en aviación.¹

El uso de RV con fines de capacitación puede reducir la tasa de error y mejorar la experiencia de aprendizaje, al mismo tiempo que aumenta el ahorro de tiempo y reduce los costos.¹

Ahora, las tecnologías de RV se están incorporando a los programas educativos, especialmente en entornos de aprendizaje dinámicos, para capacitar a estudiantes y principiantes en escenarios complejos dentro de un entorno seguro y controlado, y para practicar procedimientos iterativos sin afectar el desgaste de los costosos simuladores.¹

La realidad virtual se estudia en distintas especialidades

Diversas investigaciones han encontrado que las terapias basadas en realidad virtual pueden ser beneficiosas para algunos trastornos de la salud mental. También se ha empleado como un dispositivo de distracción para superar el estrés de los pacientes.²

Una investigación utilizó la terapia de realidad virtual para tratar la aracnofobia. En otro caso, se aplicaron tecnologías de juegos de RV y se demostró su eficacia para el alivio del dolor en fisioterapia.³

Por otro lado, los juegos o deportes electrónicos son ​​esenciales en la cultura del ocio y el placer para mantener la salud física y liberar el estrés mental, aunque sea brevemente. En los últimos años se han establecido como parte de la cultura del juego entre la mayoría de las generaciones jóvenes y han formado una cultura de fandom global.³

Recientemente, también se ha consolidado como un deporte gracias a una estructura competitiva, por lo cual puede dejar de ser una cultura de goce solitario para convertirse en un tipo de deporte “health care” que experimenta y comunica a través de una red online y consigue objetivos a partir del ejercicio físico.³

En el placer que producen los deportes electrónicos la clave básica es la duración del ejercicio para generar efectos de capacidad de ejercicio personal. Se necesita hacer ejercicio constantemente durante un periodo prolongado para experimentar los efectos.³

Tours virtuales durante la pandemia

Un estudio sobre la visita virtual de 360º en la reducción del estrés psicológico construyó un modelo de cuatro niveles para examinar cómo un recorrido virtual de 360º puede reducir el estrés psicológico de las personas en dos tipos de presencia, a saber, el sentido de existencia o telepresencia, y el afectivo-motivacional, que se refiere a las emociones y recompensas durante el periodo extraordinario de la pandemia de COVID-19.²

Por implicaciones prácticas, al diseñar un tour virtual de 360º muchos desarrolladores de software enfatizaron la experiencia de una situación “real” en la plataforma RV. Sin embargo, los usuarios tienen la sensación de “estar allí” en lugar de estar en el “lugar real”.²

Por ejemplo, estaban viendo un cielo color turquesa y un arcoíris vibrante. Estas experiencias de recorrido virtual que nunca podrían ver con frecuencia en el “lugar real”, en el “lugar ideal” son experiencias gratificantes.² El disfrute de la actividad física en la RV inmersiva es otra forma de beneficiarse de la creatividad de la salud digital.²

Como no estamos seguros de qué problemas de salud mental pueden beneficiarse de la intervención de la tecnología digital, los estudios adicionales son fundamentales para medir los resultados específicos de los problemas de salud mental.²

Estos estudios revelan que la RV es una buena herramienta psicológica para la intervención en personas con problemas de salud mental.²

La inteligencia artificial (IA) es una tecnología basada en el modelo de redes neuronales del cerebro que utiliza múltiples capas de algoritmos, deep learning y computación cognitiva para el procesamiento de datos y que, puesta al servicio de la ciencia médica, está revolucionando el saber y accionar de los profesionales de la salud.¹

En años recientes, la IA se ha incorporado a la medicina como auxiliar en el mejoramiento de la atención al paciente: acelera los procesos y logra una mayor precisión diagnóstica. Hoy en día, las imágenes radiológicas, las preparaciones de anatomía patológica y los registros médicos electrónicos de los pacientes se evalúan mediante aprendizaje automático, ayudando tanto en el proceso de diagnóstico como en el propio tratamiento de los pacientes.²

Existen muchos programas informáticos de apoyo al diagnóstico que han ido mejorando su aprendizaje a través de su uso repetido y continuo. Por ejemplo, en el campo de procesamiento e interpretación de imágenes, los algoritmos basados en inteligencia artificial mejoran la calidad y precisión del diagnóstico ya que son excelentes para reconocer automáticamente patrones complejos en los datos de imágenes, eliminan el ruido en las imágenes ofreciendo una mayor calidad y permiten establecer modelos tridimensionales a partir de imágenes de pacientes concretos.²

La inteligencia artificial en la atención del cáncer de mama

Los programas de detección de cáncer de mama se implementan actualmente en la mayoría de los países desarrollados, pues han demostrado aumentar la detección temprana de la enfermedad, lo que conduce a un mejor pronóstico y reducción en las tasas de mortalidad.³

Por décadas, la mastografía ha sido la herramienta de primera línea en la detección del cáncer de mama, con más de 200 millones de mujeres examinadas cada año en todo el mundo. Sin embargo, aún existen limitantes en la sensibilidad y especificidad de las máquinas, incluso con los avances tecnológicos más recientes. De hecho, durante un cribado, hasta 30% a 40% de los cánceres de mama pueden no ser detectados.³

Debido al creciente interés en la implementación de la IA en la imagenología médica, se han desarrollado múltiples algoritmos basados en deep learning, los cuales se han aplicado a la mastografía digital. Investigaciones preliminares demuestran que los sistemas basados en inteligencia artificial para interpretar mastografías pueden mejorar la eficiencia de los radiólogos en cuanto a sensibilidad, especificidad y tiempo.³

Tal es el caso de MammoScreen®, una solución diseñada para identificar riesgos de cáncer de mama en mastografías digitales bidimensionales, en regiones donde existe sospecha de su presencia, así como evaluar la probabilidad de malignidad. Dicho sistema toma como dato de entrada el set completo de cuatro vistas que comprenden la mastografía (imágenes craneocaudales izquierda y derecha; y mediolateral oblicua) y entrega una serie de tomas posicionales con un puntaje de sospecha asociado.³

El sistema combina dos grupos de redes neuronales convolucionales profundas (el grupo “imagen” interpreta las mamografías y les asigna un puntaje, y el grupo “lesión” detecta regiones de interés y determina si el hallazgo es una calcificación o lesión de tejido blando) con un módulo de agregación³ y, basándose en distintos casos interpretados por radiólogos expertos, además del uso de avanzadas técnicas de deep learning, las redes neuronales de MammoScreen® detectan y caracterizan resultados sospechosos.⁴

El módulo de agregación, por su parte, combina las predicciones de ambos grupos para formar la imagen de predicción final. Asigna un nuevo valor al hallazgo más significativo, y en el resto se obtienen resultados que varían de acuerdo con su relevancia. De esta forma se asegura la óptima integración entre ambas partes, de modo que un resultado fuertemente positivo –o negativo– es posible solo cuando los dos grupos coinciden totalmente.³

Con ayuda de la inteligencia artificial, el software reúne diferentes familias de algoritmos de aprendizaje automatizado –machine learning– para llevar a cabo una amplia variedad de tareas como detección de hallazgos, interpretación del nivel de sospecha y relación de hallazgos desde múltiples puntos de vista. De igual forma, el algoritmo de la solución vincula la caracterización de la malignidad del tumor, al nivel de la mastografía, con los hallazgos específicos.⁴

Las herramientas tecnológicas enfocadas en la IA siguen encontrando una infinidad de aplicaciones como son el 3D, machine o deep learning, imagenología y telesimulación, entre otros, con el fin de no solo detectar un diagnóstico certero, sino crear otros tipos de combinaciones para generar algoritmos que, unidos a los datos clínicos y a las imágenes, puedan dar una predicción exacta, lo que se traduzca en un buen tratamiento para el paciente.¹

Conoce cómo se aplica la IA a la atención médica en: La evolución de las prótesis inteligentes y el tacto artificial.

Internet de las cosas (IoT, por sus siglas en inglés) se refiere a aquellos sistemas informáticos presentes en todo lo que nos rodea: desde ropa y accesorios hasta vehículos y electrodomésticos, e incluso en partes del cuerpo humano.¹

En esta nueva era digital en la que numerosos objetos adquieren mayor capacidad de cómputo y toman consciencia del entorno mejorando su poder de procesamiento y su independencia energética, la hiperconectividad entre personas y aparatos (dispositivos) abrirá la puerta hacia la total integración entre el mundo físico y los entornos virtuales creados por el hombre.¹

Para el sector salud, esta interacción digital que trasciende la relación meramente instrumental con la tecnología representa nuevos escenarios que modifican la práctica asistencial, la educación y la investigación.¹

Aquí podemos encontrar innovaciones como los wearables, la telemedicina, la computación en la nube (cloud computing), mHealth, Augmented Personalized Healthcare (APH) y big data. Aunque muchas de estas tecnologías que están relacionadas o son dependientes del IoT se encuentran aún en fases incipientes, aquellas que ya están en marcha muestran un enorme potencial.¹

Monitoreo gracias al Internet de las cosas

Un ejemplo de esto se encuentra en mHealth (mobile health), definida como la práctica médica y de salud pública apoyada por smartphones, equipos de monitorización de pacientes, tabletas, asistentes personales digitales y otros dispositivos móviles.¹

El uso de mHealth en epidemiología y salud pública se destaca en la recolección de datos clínicos y comunitarios, monitoreo de signos vitales en tiempo real y el envío de mensajes de texto para solicitud de ambulancias, por mencionar algunos.¹

La incorporación de los wearables (accesorios “vestibles” que se llevan en el cuerpo) extiende las funciones y beneficios de esta tecnología hasta la detección de arritmias y la medición de funciones corporales y la actividad física, así como el monitoreo constante de los niveles de glucosa o cualquier otro marcador biométrico en el cuerpo humano.¹

Beneficios de recopilar datos

Por su parte, la APH pretende potenciar el cuidado de la salud al sacar provecho

de los datos personalizados obtenidos mediante el IoT con el uso de sensores, wearables, aplicaciones móviles, Electronic Medical Records (EMRs) e incluso las redes sociales (social media), utilizando técnicas de inteligencia artificial (AI, por sus siglas en inglés) para mejorar la salud y el bienestar poblacional.¹

El Internet de las cosas y la cuarta revolución industrial pintan un escenario totalmente disruptivo, especialmente en relación con la salud pública y la epidemiología, el cual estará lleno de retos y oportunidades para lograr una medicina más eficiente, asequible y precisa.¹

Prueba de ello es el sistema PIC-ING-2236 de “IoT aplicado en la telemedicina”, una solución costo-efectiva para el monitoreo de la enfermedad pulmonar obstructiva crónica (EPOC) desarrollada por el grupo de investigación en telemedicina de la Universidad Militar Nueva Granada (España).²

Este sistema consiste en la medición constante de la temperatura corporal, saturación de oxígeno y frecuencia cardíaca de los pacientes mediante sensores de bajo costo, con el propósito de analizar y emitir alarmas de prevención temprana.²

El proyecto se basa en el uso del IoT para el registro, almacenamiento y procesamiento de señales que son enviadas a un Hub-IoT, el cual controla el acceso a la información en tiempo real para generar valores promedio, críticos e históricos que estarán disponibles en la nube, así como a través de una app móvil o una plataforma web.²

La solución –que por ahora es solo un proyecto de investigación, pero podría ser hasta 50% más económica que otros productos comerciales– incorpora un sensor de temperatura Exsense y un pulsioxímetro simple (modelo JZK-301), interconectados con tarjetas madre/procesadores Arduino-Raspberry Pi, los cuales son controlados por programas de código abierto (open source) Raspbian, Arduino 101, NetBeans IDE 8.1 y Ubuntu server 16.10, además de una plataforma eHealth, útil para realizar aplicaciones biométricas en telemedicina.²

La mayor ventaja de este dispositivo/sistema/interfaz es la gestión eficiente de un gran volumen de datos a través de la nube, así como la posible aplicación de técnicas de inteligencia artificial para caracterizar y crear estándares predictivos que reporten a los profesionales de la salud sobre cualquier cambio inesperado en signos vitales o condiciones que puedan poner en riesgo la salud de los pacientes. Todo en tiempo real.²

Conoce más sobre el monitoreo remoto, una aplicación práctica del Internet de las cosas.