En la actualidad, el impacto de la inteligencia artificialLa inteligencia artificial (IA) se refiere a la capacidad de las máquinas para realizar tareas que normalmente requieren inteligencia humana. Es un campo fascinante que busca imitar las capacidades humanas para resolver problemas y... Más en la salud está revolucionando la medicina, pero también plantea desafíos ambientales significativos. El Profesor Asociado Daiju Ueda de la Escuela de Medicina de la Universidad Metropolitana de Osaka, junto con un equipo de investigación, ha liderado un estudio que identifica estos problemas, y también propone soluciones concretas para mitigarlos. ¿Cuáles son las medidas que destacan el desarrollo de modelos de IA energéticamente eficientes? ¿Qué recomendaciones son clave para que las instituciones médicas, los responsables políticos y los desarrolladores de IA actúen de manera responsable con el medio ambiente?.
Impacto de la Inteligencia Artificial en la Salud y el Cambio Climático
En el artículo “Climate change and artificial intelligence in healthcare: Review and recommendations towards a sustainable future” publicado en Diagnostic and Interventional Imaging (2024) nos hace cuestionar el impacto de la inteligencia artificialLa inteligencia artificial (IA) se refiere a la capacidad de las máquinas para realizar tareas que normalmente requieren inteligencia humana. Es un campo fascinante que busca imitar las capacidades humanas para resolver problemas y... Más en la salud y el cambio climático, explorando los retos ambientales planteados por la IA y considerando posibles soluciones para mitigarlos. Los investigadores nos invitan a reconocer que el cambio climático es uno de los desafíos globales más urgentes de nuestro tiempo, con consecuencias que afectan a todos los sectores, incluyendo el de la salud. Este fenómeno no solo altera los patrones climáticos, sino que también plantea riesgos significativos para la atención del sector salud.
El costo ambiental de la IA
La rápida adopción de sistemas de IA en la salud ha generado preocupaciones significativas sobre su impacto ambiental. Los modelos de IA, especialmente aquellos que utilizan aprendizaje profundo (deep learning), requieren recursos computacionales sustanciales y tienen un alto consumo de energía durante las fases de entrenamiento e inferencia. Un estudio estimó que entrenar un solo modelo grande de IA puede emitir tanto dióxido de carbono como 5 automóviles a lo largo de su vida útil. Así como un automóvil consume combustible, la IA necesita “combustible” en forma de energía para funcionar, lo que nos lleva a cuestionar nuestras prácticas actuales.
Centros de datos y huella de carbono
Los centros de datos que sustentan la infraestructura de IA en la salud desempeñan un papel crucial en este panorama. Estos centros consumen grandes cantidades de energía para mantener en funcionamiento continuo los servidores, sistemas de enfriamiento, aire acondicionado y equipos de red. Imaginemos un gran refrigerador que nunca se apaga; así es como funcionan estos centros, generando una huella de carbono considerable.
Residuos electrónicos
Otro problema ambiental asociado con la IA en la salud es la generación de residuos electrónicos (e-waste) y la explotación de recursos naturales. Los dispositivos desechados a menudo contienen materiales tóxicos que pueden dañar el medio ambiente y la salud humana si no se manejan adecuadamente. Es como si cada vez que compramos un nuevo dispositivo, estuviéramos dejando un rastro ecológico que debemos aprender a administrar.
Mitigación del impacto ambiental con IA sostenible
A pesar de los desafíos, existen soluciones potenciales para mitigar el impacto ambiental de la IA en la salud. El desarrollo de modelos de IA energéticamente eficientes es un enfoque prometedor. Técnicas como la optimización de modelos, la cuantización y la reducción pueden crear modelos de IA más compactos y eficientes sin comprometer su rendimiento. Esto es similar a optimizar una receta: al reducir ingredientes innecesarios, se obtiene un platillo más sabroso y ligero.
Prácticas de computación verde
La adopción de prácticas de computación verde en las instalaciones de salud y centros de datos es crucial para minimizar su huella ambiental. Esto incluye el uso de hardware eficiente en términos de energía y software optimizado, al igual que elegir lámparas LED en lugar de incandescentes para reducir el consumo energético. La integración de fuentes de energía renovable, como la solar y la eólica, puede disminuir significativamente la huella de carbono, convirtiendo cada rayo del sol en un aliado en nuestra lucha contra el cambio climático. a implementación de hospitales verdes también contribuiría significativamente a reducir el impacto ambiental del sector salud.
Evaluaciones de ciclo de vida
Para comprender y minimizar completamente el impacto ambiental de los sistemas de IA, es fundamental realizar evaluaciones de todo su ciclo de vida. Estas evaluaciones consideran la huella ambiental a lo largo de toda su vida útil, desde la extracción de materias primas hasta su operación y eventual eliminación. Es similar a evaluar el ciclo completo de un producto: desde su creación hasta su reciclaje, debemos ser conscientes y responsables del impacto que genera cada etapa.
Más allá de la sostenibilidad con IA
La implementación de una IA más sostenible puede reducir el impacto ambiental del sector sanitario; además puede aplicarse para resolver problemas ambientales actuales. Por ejemplo, en radiología, la IA puede optimizar los flujos de trabajo y la utilización de recursos, reduciendo el consumo de energía y el desperdicio en exámenes innecesarios. Piensa en ello como reorganizar una cocina para hacerla más eficiente; al hacerlo, se ahorra tiempo y se reducen los desperdicios.
| Fuente de Energía | Ventajas | Desventajas |
|---|---|---|
| Energía Solar | Renovable y abundante. Bajas emisiones de carbono. Costos operativos bajos una vez instalado. | Dependiente de la luz solar (intermitente). Requiere espacio para instalaciones solares. Costos iniciales de instalación relativamente altos. |
| Energía Eólica | Renovable y limpia. Bajas emisiones de carbono. Reducción de costos en la generación de energía. | Intermitente y dependiente del viento. Puede afectar la fauna local (aves). Requiere espacio y puede ser visualmente intrusivo. |
| Energía Hidroeléctrica | Alta eficiencia en la conversión de energía. Capacidad de almacenamiento (embalses). Fuente confiable y continua. | Impacto ambiental en ecosistemas acuáticos. Puede desplazar comunidades locales. Dependiente de condiciones climáticas |
| Energía Nuclear | Altamente eficiente y baja huella de carbono. Producción constante de energía. Puede disminuir la dependencia de combustibles fósiles. | Residuos nucleares peligrosos. Costos altos de construcción y desmantelamiento. Riesgo de accidentes y problemas de seguridad. |
| Biomasa | Renovable y puede reducir residuos. Puede utilizarse para calefacción y generación eléctrica. | Emisiones de gases contaminantes. Requiere tierras agrícolas y puede competir con cultivos alimentarios. |
| Gas Natural | Menos contaminante que el carbón y el petróleo. Abundante y relativamente económico. Suministro estable para generación eléctrica. | Emisiones de metano durante extracción y transporte. Contribuye al cambio climático. Recurso no renovable. |
| Carbón | Abundante y económico en países en desarrollo. Infraestructura existente para su explotación. Proporciona empleos en sectores mineros. | Altas emisiones de CO₂ y otros contaminantes. Contribuye significativamente al cambio climático. Afecta la salud pública y el medio ambiente. |
Fusión nuclear y energía limpia
Tecnologías emergentes como la fusión nuclear ofrecen una alternativa de fuentes de energía sostenibles y bajas en carbono para alimentar sistemas de IA en la salud. La IA puede desempeñar un papel crucial en esta investigación, ayudando a optimizar diseños y predecir comportamientos, así como un ingeniero que ajusta maquinaria compleja para lograr una producción eficiente.
Políticas y Gobernanza para una IA sostenible en la salud
El desarrollo e implementación de la IA en la salud, especialmente en el contexto del cambio climático, requieren marcos robustos de políticas y gobernanza para asegurar prácticas responsables. Los organismos regulatorios y legisladores deben colaborar con las partes interesadas para desarrollar marcos regulativos que consideren todo el ciclo de vida de los sistemas de IA. Una adecuada gobernanza de IA es crucial para garantizar que estas tecnologías se desarrollen y utilicen de manera sostenible y ética.
Iniciativas globales y colaboraciones
Las iniciativas y colaboraciones globales son esenciales para abordar los desafíos ambientales que plantea la IA en la salud. Organizaciones internacionales como la Organización Mundial de la Salud (OMS) han reconocido esta necesidad y trabajan para establecer directrices que promuevan prácticas sostenibles.
Healthy AI: Inteligencia Artificial Sostenible para la salud
El creciente uso de la IA demuestra una urgente necesidad contar con iniciativas globales hacia la sostenibilidad. Según el profesor Daiju Ueda, miembro destacado del Japan Radiological Society y líder en investigaciones sobre los costos ambientales asociados con la IA, “AI tiene el potencial para mejorar la calidad del cuidado médico, pero al mismo tiempo su impacto ambiental no puede ser ignorado”. Esta afirmación resalta el delicado equilibrio que debe encontrarse entre los beneficios tecnológicos y su impacto ecológico.
Propuestas para una implementación sostenible
El equipo liderado por el profesor Ueda ha discutido soluciones específicas para mitigar estos impactos ambientales, incluyendo el desarrollo de modelos energéticamente eficientes, la implementación de computación verde y el uso de energías renovables. Estas pautas son esenciales para que las instituciones médicas, los legisladores y los desarrolladores operen sistemas en una manera ambientalmente responsable.
“Las mejores prácticas que hemos recomendado son los primeros pasos hacia el equilibrio entre estos dos factores”, agregó el profesor Ueda. “El desafío para el futuro será verificar y elaborar aún más estas recomendaciones en prácticas médicas reales”.
Recomendaciones de mejores prácticas
Para asegurar el desarrollo sostenible de la IA en salud, es esencial establecer y seguir mejores prácticas que den prioridad a la responsabilidad ambiental y la sostenibilidad a largo plazo. Estas prácticas deben ser implementadas por todas las partes interesadas. Entre las que se proponen en el estudio se encuentran:
- Eco-diseño y evaluación del ciclo de vida: Realizar evaluaciones completas del ciclo para identificar oportunidades.
- Modelos energéticamente eficientes: Priorizar el desarrollo usando técnicas para reducir consumo energético.
- Infraestructura verde: Adoptar prácticas utilizando hardware eficiente.
- Administración responsable: Implementar técnicas para reducir impacto ambiental.
- Investigación colaborativa: Promover esfuerzos conjuntos entre instituciones médicas.
- Monitoreo continuo: Realizar evaluaciones constantes del impacto ambiental.
- Prácticas sostenibles: Adquirir hardware responsablemente.
- Educación: Aumentar conciencia sobre impacto ambiental.
- Cumplimiento regulatorio: Asegurar adherencia a regulaciones.
- Integración con iniciativas sostenibles: Alinear esfuerzos con objetivos más amplios.
Colaboraciones Globales e Iniciativas de la OMS para una IA Sostenible en Salud
Por otra parte debemos mencionar que la Organización Mundial de la Salud (OMS) desempeña un papel crucial en la promoción del uso seguro, ético y sostenible de la inteligencia artificialLa inteligencia artificial (IA) se refiere a la capacidad de las máquinas para realizar tareas que normalmente requieren inteligencia humana. Es un campo fascinante que busca imitar las capacidades humanas para resolver problemas y... Más (IA) en el ámbito de la salud. Reconociendo tanto el potencial transformador como los riesgos ambientales y éticos de estas tecnologías, la OMS ha convocado a la implementación de principios sólidos para asegurar su desarrollo responsable.
La rápida difusión y uso experimental de grandes modelos lingüísticos, han generado un considerable entusiasmo por su capacidad para atender necesidades de salud. Sin embargo, la OMS subraya la necesidad de examinar cuidadosamente los riesgos asociados, incluyendo su impacto ambiental. La adopción precipitada de estos sistemas podría causar errores significativos en la atención médica, y también aumentar la huella de carbono debido al alto consumo energético de los modelos de IA.
Para abordar estos desafíos, la OMS ha establecido 6 principios fundamentales en sus orientaciones sobre Ética y Gobernanza de la Inteligencia Artificial en el ámbito de la salud:
- Proteger la autonomía: Asegurar que los pacientes mantengan el control sobre sus decisiones médicas.
- Promover el bienestar y la seguridad: Garantizar que las tecnologías mejoren la salud pública sin causar daños.
- Garantizar la transparencia: Mantener claridad y accesibilidad en el funcionamiento y decisiones de la IA.
- Promover la responsabilidad y rendición de cuentas: Asegurar que los desarrolladores y usuarios de IA sean responsables de sus acciones.
- Garantizar la inclusividad y equidad: Asegurar que todos los grupos tengan acceso igualitario a los beneficios de la IA.
- Promover una IA con capacidad de respuesta y sostenible: Desarrollar tecnologías que sean respetuosas con el medio ambiente.
Además, la OMS colabora con diversas organizaciones internacionales para fomentar un enfoque global hacia el uso responsable y sostenible de la IA. Estas colaboraciones incluyen trabajar con entidades normativas para garantizar que las nuevas tecnologías se implementen de manera segura y con un bajo impacto ambiental. La OMS también promueve la transparencia y la colaboración pública, asegurando que todas las partes interesadas participen activamente en el desarrollo sostenible de estas tecnologías.
Conclusión al Impacto de la Inteligencia Artificial en la Salud
La intersección del cambio climático y la IA en la salud presenta desafíos y oportunidades. Es necesario hacer una prioridad la sostenibilidad y responsabilidad ambiental al adoptar tecnologías en el sector salud. Al seguir las mejores prácticas para un despliegue sostenible, las organizaciones pueden aprovechar el potencial transformador mientras contribuyen a preservar nuestro planeta.
El compromiso con prácticas sostenibles debe ser una prioridad para toda comunidad médica y sector salud, que puede ser un líder con ejemplos constructivos al promover soluciones responsables en inteligencia artificialLa inteligencia artificial (IA) se refiere a la capacidad de las máquinas para realizar tareas que normalmente requieren inteligencia humana. Es un campo fascinante que busca imitar las capacidades humanas para resolver problemas y... Más. Esto beneficiará a los pacientes y también al entorno en el que vivimos, asegurando un futuro más saludable para todos.
Referencias
- Organización Mundial de la Salud. (2023, 16 de mayo). La OMS propugna un uso seguro y ético de la inteligencia artificialLa inteligencia artificial (IA) se refiere a la capacidad de las máquinas para realizar tareas que normalmente requieren inteligencia humana. Es un campo fascinante que busca imitar las capacidades humanas para resolver problemas y... Más para la salud. Recuperado de https://www.who.int/es/news/item/16-05-2023-who-calls-for-safe-and-ethical-ai-for-health
- Organización Mundial de la Salud. (2021). Ethics and governance of artificial intelligence for health: WHO guidance. https://www.who.int/publications/i/item/9789240029200
- Ueda, D., Walston, S. L., Fujita, S., Fushimi, Y., Tsuboyama, T., Kamagata, K., Yamada, A., Yanagawa, M., Ito, R., Fujima, N., Kawamura, M., Nakaura, T., Matsui, Y., Tatsugami, F., Fujioka, T., Nozaki, T., Hirata, K., & Naganawa, S. (2024). Climate change and artificial intelligence in healthcare: Review and recommendations towards a sustainable future. Diagnostic and Interventional Imaging. Disponible en el URL: https://www.sciencedirect.com/science/article/pii/S2211568424001384?via%3Dihub
