Inteligencia Artificial en la Artritis Reumatoide: Estado Actual y Perspectivas Futuras: Una Revisión de Última Generación

La investigación sobre las aplicaciones potenciales de la inteligencia artificial (IA), incluidas las técnicas de aprendizaje automático (ML) y aprendizaje profundo (DL), es un campo que crece exponencialmente en medicina y atención médica. Estos métodos pueden ser críticos para proporcionar atención de alta calidad a pacientes con enfermedades reumatológicas crónicas que no tienen un tratamiento óptimo, como la artritis reumatoide (AR), que es la segunda enfermedad autoinmune más prevalente. En este artículo, tras revisar los conceptos básicos de la IA, resumimos los avances en sus aplicaciones en la práctica clínica e investigación de la AR. Proporcionamos direcciones para futuras investigaciones en este campo después de revisar las brechas de conocimiento actuales y los desafíos técnicos y éticos en la aplicación de la IA. Los modelos automatizados se han utilizado en gran medida para mejorar el diagnóstico de la AR desde principios de la década de 2000, y han utilizado una amplia variedad de técnicas, p. ej., máquinas de soporte vectorial, bosques aleatorios y redes neuronales artificiales. Los algoritmos de IA pueden facilitar la selección y identificación de grupos susceptibles, el diagnóstico mediante ómicas, imágenes, datos clínicos y de sensores, la detección de pacientes dentro de los registros de salud electrónicos (EHR), es decir, fenotipificación, evaluación de respuesta al tratamiento, monitoreo del curso de la enfermedad, determinación del pronóstico, descubrimiento de nuevos fármacos y mejora de la investigación básica. También pueden ayudar en la evaluación de riesgos para la incidencia de comorbilidades, p. ej., enfermedades cardiovasculares, en pacientes con AR. Sin embargo, los modelos propuestos pueden variar significativamente en su rendimiento y fiabilidad. A pesar de los resultados prometedores logrados por los modelos de IA en la mejora del diagnóstico temprano y la gestión de pacientes con AR, no están completamente listos para ser incorporados en la práctica clínica. Se requieren futuras investigaciones para garantizar el desarrollo de algoritmos confiables y generalizables mientras se busca cuidadosamente cualquier posible fuente de sesgo o mala conducta. Hemos demostrado que un número creciente de pruebas apoya el potencial papel de la IA en revolucionar la selección, diagnóstico y manejo de pacientes con AR. Sin embargo, múltiples obstáculos dificultan las aplicaciones clínicas de los modelos de IA. Incorporar los algoritmos de aprendizaje automático y/o aprendizaje profundo en entornos del mundo real sería un paso clave en el progreso de la IA en la medicina.