El potencial de la IA en salud
Julia Díaz. Data Science Senior Manager at Repsol y ex directora del Área de Health and Energy Predictive Analytics en el Instituto de Ingeniería del Conocimiento (IIC)
Firma invitada
El futuro de la atención médica está cada vez más ligado a dos vocales que han despertado las esperanzas y temores de un sector que busca soluciones más inteligentes. Hablamos, como no podía ser de otra forma, de la “IA”.
En los años 70, Mycin, un sistema experto orientado a la detección de enfermedades infecciosas, fue la primera experiencia de la Inteligencia Artificial en el sector salud. Sin embargo, parece que es ahora cuando estas técnicas empiezan a aplicarse a la realidad.
Posibilidades de la IA en medicina
La definición de Inteligencia Artificial sigue siendo confusa. Más allá de las tareas realizadas por un ordenador o los robots, cuando hablamos de la aplicación de la IA en medicina, podemos considerar distintos tipos de inteligencia.
Las redes neuronales, algoritmos modelados a partir del cerebro humano, son la base del denominado “aprendizaje automático”. Las máquinas pueden realizar análisis probabilísticos a varios niveles, simulando o incluso ampliando la forma en que la mente humana procesa los datos.
Por otro lado, el “aprendizaje profundo” puede reconocer patrones en distintas capas, de manera independiente pero coordinada. Este mecanismo es cada vez más útil en la práctica médica, por ejemplo, a la hora de buscar cáncer a nivel de células individuales.
Inteligencia Artificial: aplicaciones en la atención médica
Como vemos, son muchas las posibilidades que la Inteligencia Artificial ofrece a la medicina y al sector salud en general, pero podemos dividir en tres sus aplicaciones actuales:
Soluciones algorítmicas
Las soluciones algorítmicas son enfoques basados en la evidencia, en las referencias y datos de los que se dispone. Con la ayuda de los clínicos, los expertos programan e integran esta información en algoritmos, y estos la utilizan para resolver un problema.
Es el caso de los algoritmos que utilizan los datos de la historia clínica informatizada para predecir la evolución de la esclerosis múltiple, por ejemplo. De esta forma, se puede aplicar el tratamiento más adecuado para un paciente concreto.
Pero mi solución algorítmica favorita es Bisepro, un sistema de detección de sepsis desarrollado en el Hospital Universitario Son Llàtzer, con la colaboración del Instituto de Ingeniería del Conocimiento y la empresa farmacéutica Merck Sharp & Done (MSD), y con el apoyo de la Consejería de Sanidad, el Servicio de Salud e IdISBa.
Para mejorar el diagnóstico y el tratamiento de este problema tiempo-dependiente, el desarrollo de Bisepro se realiza en dos fases:
1. Detección de sepsis en tiempo real
2. Ayuda en la toma de decisiones
La sepsis es la afección médica con mayor mortalidad y uso de recursos. Cuanto antes se identifica, antes se puede tratar, con la consecuente mejora de resultados.
Tratamiento de imágenes
El ojo humano falla, incluso en los mejores clínicos. Es aquí donde reside el potencial del reconocimiento de patrones visuales. Un software de este tipo puede almacenar y comparar decenas de miles de imágenes utilizando las mismas técnicas que los humanos, pero con entre un 5 y 10% más de precisión que el médico promedio.
Una aplicación informática basada en IA podría reducir los falsos positivos de las mamografías, por ejemplo. Según estudios independientes, entre el 50 y el 63% de las mujeres de EE. UU. que se realizan mamografías regulares durante 10 años, recibirán unos resultados que indican erróneamente la posibilidad de cáncer. En estos casos, se requieren pruebas adicionales y procedimientos innecesarios que también se verán reducidos.
Herramientas de apoyo al profesional médico
La inteligencia del Dr. Gregory House, famoso por la serie de televisión, triunfa frente a la experiencia de sus compañeros. Sin embargo, los expertos indican que la diferencia entre los médicos, más allá del nivel de inteligencia, depende de cómo abordan los problemas de los pacientes y los sistemas sanitarios que los apoyan.
Ambas condiciones se combinan para la obtención de los resultados médicos. Y en la reducción de su variabilidad, reside de nuevo el potencial de la IA, con dos enfoques para mejorar el desempeño del profesional de la salud:
· El Procesamiento del Lenguaje Natural (PLN) permite a las maquinas comprender e interpretar el habla y la escritura humana, pudiendo revisar miles de registros médicos y elegir la mejor información para decidir los pasos a seguir con un paciente.
· El segundo enfoque consiste en observar y aprender de los médicos en su día a día. Bisepro vuelve a ser un buen ejemplo. Cuando el profesional incorpora los datos del paciente en la historia clínica informatizada, el sistema analiza en tiempo real la información para ofrecer una alerta anticipada o sugerir un posible tratamiento.
El futuro de la IA en salud
La cultura médica es, sin embargo, la mayor barrera para la Inteligencia Artificial en el sector salud, dando mayor peso a la intuición del médico que a las soluciones basadas en la evidencia.
Viendo como AlphaGo, un programa creado por la división Google Deepmind, derrotó a uno de los mejores jugadores del mundo de Go, un juego de mesa chino con un conjunto aparentemente infinito de posibles movimientos, el potencial de la IA es sin duda mayor que el mostrado en este artículo. Y es que AlphaGo no “aprendió” estudiando a los humanos, sino que dominó el juego compitiendo contra sí mismo.
Este tipo de aprendizaje profundo podría ser el mismo que aporte nuevos enfoques para diagnosticar y tratar cientos de problemas médicos, sin los sesgos de la mente humana. Además, con el tiempo, los pacientes podrán utilizar herramientas basadas en IA para cuidarse a sí mismos, al igual que manejan muchos otros aspectos de sus vidas.
