Adaptación del Profesional del Laboratorio Clínico Ante los Retos de la Automatización y la Inteligencia Artificial.

Abstract

Los profesionales del Laboratorio Clínico están inmersos en un proceso de cambio significativo, impulsado por la implantación de nuevas tecnologías, como la automatización y la robótica. Este cambio no solo afecta las habilidades técnicas, sino que también transforma la práctica clínica en el contexto del "Internet de las Cosas (IoT)" y del manejo de datos. Los profesionales deberán ser capaces de utilizar y nutrir sistemas de mejora de decisiones basados en Inteligencia Artificial (IA), evitando conceptos erróneos en su formación y preparación. El Laboratorio Clínico es una fuente crucial de información para sistemas de IA que deben aprender y tomar decisiones basadas en datos. Es esencial que los datos proporcionados por los profesionales sean de alta calidad y fiabilidad, para así contribuir de manera efectiva a la "Computación en la Nube de Datos". La forma en que trabajamos cambiará de manera sustancial. Mi objetivo en esta presentación es reflexionar sobre cómo debemos actuar y cuál será nuestro papel en todas las fases del laboratorio, con un enfoque particular en la fase post-analítica, vinculada a la validación clínica y la finalización de los informes. Es crucial entender cómo nuestros datos se reflejarán en los resultados en salud, y cómo será nuestra formación en Medicina Personalizada y de Precisión. Estamos claramente inmersos en el contexto de la Industria 4.0, una evolución avanzada de los laboratorios, enmarcada en la Cuarta Revolución Industrial, y aplicable a todo el contexto médico bajo el concepto de Medicina 4.0, se caracteriza por el uso intensivo de tecnologías avanzadas, como (IA), la completa digitalización, la automatización inteligente, la conectividad total de cada dispositivo y sistema en el laboratorio, y la robótica avanzada permiten la coordinación autónoma entre máquinas, transformando radicalmente el entorno laboral. La IA se está integrando de manera gradual, casi sin darnos cuenta, en nuestras vidas y por ende y de forma significativa en nuestros laboratorios. Un ejemplo claro es la automatización, donde los autoanalizadores mejoran la precisión, velocidad y eficiencia en las pruebas diagnósticas, optimizando los flujos de trabajo, el uso de reactivos, y los tiempos de procesamiento. Además, estos sistemas pueden priorizar muestras según su urgencia o tipo de prueba requerida, e implementar sistemas de control de calidad en tiempo real. En el área de la imagen, disponemos de microscopios que utilizan algoritmos de IA para identificar patrones y automatizar el análisis de muestras biológicas. Asimismo, existen sistemas de imagen que utilizan IA para identificar y diagnosticar enfermedades a partir de imágenes médicas, como es el caso del “ CellVision” , un sistema automatizado diseñado para la clasificación y análisis de células. Aunque podríamos seguir enumerando más ejemplos de la IA en el laboratorio, es importante avanzar poco a poco y no "construir la casa por el tejado". Es importante destacar que la IA no desplazará a los profesionales del laboratorio, ya que se nutre de nuestro conocimiento y experiencia. Sin embargo, los profesionales que no adopten estas nuevas tecnologías podrían ser superados y desplazados por aquellos que sí lo hagan.