Inteligencia artificial en salud: algoritmos que te pueden salvar la vida
/https://assets.iprofesional.com/assets/jpg/2020/09/503605.jpg)
La innovación ha llegado a todo el mundo y la inteligencia artificial ha sido uno de los grandes cambios que la ciencia ha introducido. La posibilidad de trasladar la inteligencia humana a un dispositivo electrónico -no humano- es muy importante para el avance y el progreso de ciertos campos.
El campo de la salud no ha sido ajeno a estas innovaciones y tampoco lo es a la inteligencia artificial. La inteligencia artificial aplicada al mundo de la salud se posiciona cada vez más como un elemento clave en el complemento de la atención a los pacientes, de la detección de enfermedades y del análisis de información, sobre todo a gran escala.
La inteligencia artificial aplicada a la salud cada vez crece más y cada vez se desarrollan más herramientas con la inteligencia artificial como elemento fundamental.
La Inteligencia Artificial (también conocida como IA) existe desde el año 1956. Sin embargo, fue recién en la década de los '70 que compartió su primera experiencia en el sector de la salud con el denominado Mycin. Mycin es un sistema de inteligencia artificial que es experto en a la detección de enfermedades infecciosas de la sangre. Aquella primera experiencia de inteligencia artificial aplicada a la salud hacía algo parecido al razonamiento humano; tenía la capacidad de comunicarse en lenguaje natural con el usuario y de indicar la toma de medicamentos de forma personalizada a cada paciente.
De esta manera, se puede ver que la inteligencia artificial aplicada a la salud no es algo nuevo. Todo lo contrario, las primeras introducciones de la inteligencia artificial en el campo de la salud ya tiene prácticamente 50 años; esto indica que la medicina y la ciencia ya llevan medio siglo de trabajo en la aplicación de la inteligencia artificial a la medicina tradicional con el objetivo de complementarla, potenciarla y siempre contribuir a una mejor atención y una optimización de los recursos.
Tipos de inteligencia artificial en medicina
La confusión que rodea a la inteligencia artificial, e incluso a su definición, todavía es generalizada. Hoy en día, inteligencia artificial es una abreviación para cualquier tarea que un ordenador puede realizar tan bien, si no mejor, que los humanos. Eso y los robots, a los que normalmente se asocia con esta tecnología. Pero cuando pensamos en la aplicación de la IA en la medicina, debemos considerar distintos tipos de inteligencia computacional.
La mayoría de las soluciones generadas por máquinas que están surgiendo actualmente en el terreno de la salud no se basan únicamente en la inteligencia de los algoritmos sobre los datos. Más bien, los algoritmos creados por los expertos son solo la base para analizar datos y recomendar tratamientos.
El denominado aprendizaje automático de las máquinas se basa en algoritmos conocidos como redes neuronales, es decir, un sistema informático modelado a partir del cerebro humano. Estas aplicaciones incluyen análisis probabilísticos a varios niveles, lo que permite a los ordenadores simular e incluso ampliar la forma en que la mente humana procesa los datos. Como resultado, ni siquiera los programadores pueden estar seguros de cómo sus programas informáticos obtendrán soluciones y, por tanto, tampoco los médicos sabrán cómo han llegado a una recomendación óptima.
En otra variante de la inteligencia artificial, conocida como aprendizaje profundo, el software aprende a reconocer patrones en distintas capas. Este mecanismo es cada vez más útil en la práctica médica, pues cada capa de la red neuronal funciona de manera independiente pero coordinada, separando aspectos como el color, el tamaño y la forma antes de integrar los resultados. Estas nuevas herramientas visuales prometen transformar el diagnóstico médico e incluso pueden buscar cáncer a nivel de células individuales.
El uso de la inteligencia artificial en la atención médica
Tal como se puede ver, la inteligencia artificial puede aplicarse de muchas maneras diferentes, pero la mejor forma de entender su uso potencial en la atención médica es dividir sus aplicaciones en tres categorías:
- Soluciones algorítmicas
- Tratamiento de imágenes
- Herramientas de apoyo a la práctica médica
Soluciones algorítmicas para la atención médica
En la práctica médica actual, las aplicaciones de la inteligencia artificial más utilizadas son las algorítmicas: enfoques basados en la evidencia, programados por investigadores y clínicos. Cuando los humanos integran datos conocidos en algoritmos, los ordenadores pueden extraer información y aplicarla a un problema.
Uno de los ejemplos más claros es la evolución de la esclerosis múltiple. Utilizando algoritmos en consenso con expertos en el campo, junto con los datos existentes en la historia clínica informatizada, se pueden revisar numerosas alternativas de tratamiento y recomendar la combinación más adecuada para un paciente concreto.
El software de inteligencia artificial conocido como Bisepro es uno de los ejemplos más evidentes. Se trata de un programa diseñado por la Unidad de Sepsis del Hospital Universitario Son Llàtzer (Palma de Mallorca), un centro pionero en Europa en la generación y el uso de sistemas de informatización hospitalaria, en colaboración con la empresa farmacéutica Merck Sharp & Done (MSD) y con el apoyo de la Consejería de Sanidad, el Servicio de Salud e IdISBa.
La sepsis es la afección médica con mayor mortalidad – 13 veces más que los accidentes de tránsito, por ejemplo – y uso de recursos y costos. Para mejorar su detección y tratamiento, el desarrollo del software de inteligencia artificial conocido como Bisepro se está realizando en dos fases:
- Una primera fase para la detección de la sepsis en tiempo real
- Una segunda fase que aportará a los clínicos una ayuda en la toma de decisiones, con un enfoque integral, desde el diagnóstico hasta el soporte terapéutico al paciente con sospecha de sepsis
Detectar precozmente una patología como la sepsis es fundamental, dado que se trata de un proceso clínico tiempo-dependiente, tales como el infarto de miocardio o el ictus. Cuanto antes se identifique, antes se puede tratar, con la consecuente mejora de los resultados: menor mortalidad, uso de recursos y costos.
Tratamiento de imágenes en salud
Para apreciar el potencial del reconocimiento de patrones visuales en la práctica médica, es necesario tener en cuenta con qué frecuencia el ojo humano falla, incluso a los mejores clínicos.
Estudios independientes afirman que entre el 50% y el 63% de las mujeres de Estados Unidos que se realizan mamografías regulares durante 10 años recibirán al menos un "falso positivo". Es decir, el resultado de la prueba indica erróneamente la posibilidad de cáncer, por lo que se requieren pruebas adicionales y, a veces, procedimientos innecesarios. Además, hasta en un tercio del tiempo, dos o más radiólogos que examinan la misma mamografía no estarán de acuerdo en la interpretación de los resultados.
En dichos estudios, se estima que el software de reconocimiento de patrones visuales, que puede almacenar y comparar decenas de miles de imágenes utilizando las mismas técnicas heurísticas que los humanos, es entre un 5% y un 10% más preciso que el médico promedio. De hecho, se espera que la brecha de precisión entre el ojo humano y el digital se amplíe aún más en poco tiempo a través de la aplicación de inteligencia artificial.
Inteligencia artificial: herramientas de apoyo a la práctica médica
En la serie de televisión Dr. House, el genio de un médico triunfa sobre la experiencia de sus colegas. Se podría pensar, entonces, que si todos los médicos fueran tan inteligentes como el Dr. Gregory House, los enigmas asociados al diagnóstico desaparecerían.
En realidad, los expertos indican que la mayor diferencia entre los médicos no es su nivel de inteligencia, sino cómo abordan los problemas de los pacientes y los sistemas sanitarios que los apoyan. Debido a que estas dos variables se combinan para crear amplias variaciones en los resultados clínicos, la inteligencia artificial ofrece grandes posibilidades para el futuro. Dos enfoques de la inteligencia artificial en concreto, ambos disponibles actualmente, podrían mejorar radicalmente el desempeño del médico.
El primero es el Procesamiento del Lenguaje Natural, una rama de la inteligencia artificial que ayuda a las máquinas a comprender e interpretar el habla y la escritura humana. Este software de inteligencia artificial puede revisar miles de registros médicos electrónicos completos y dilucidar los mejores pasos para evaluar y administrar un tratamiento a pacientes con diferentes enfermedades.
El segundo enfoque implica el uso de ordenadores para observar y aprender de los médicos en su desempeño habitual.
Desafortunadamente, la mayor barrera para la inteligencia artificial en medicina no son las matemáticas. Más bien, se trata de una cultura médica que da mayor peso a la intuición del médico que a las soluciones basadas en la evidencia que proporciona la información y su análisis. Por ello, se espera que los médicos entiendan que la IA no viene para sustituirlos, pero que aquellos profesionales que utilicen inteligencia artificial sí sustituirán a los que no lo hagan.
El potencial de la inteligencia artificial en salud
La inteligencia artificial ofrece un potencial muy grande que incluso todavía no se ha explotado en su totalidad. Un ejemplo claro es el que ofrece la experiencia con un antiguo juego chino inventado hace más de 2.500 años conocido como Go. En este juego de mesa para dos jugadores, los oponentes intentan reclamar la mayor parte del territorio en una partida increíblemente compleja y abstracta, con un conjunto aparentemente infinito de posibles movimientos.
El grado de dificultad de Go dejó a pocos observadores creyendo que una máquina podría ser mejor que un humano competente. Un reto conseguido en 2015, cuando AlphaGo, un programa creado por la división Google Deepmind, superó a Lee Se-dol, uno de los mejores jugadores del mundo de Go.
Lo más interesante, sin embargo, es cómo lo hizo. A diferencia del Deep Blue de IBM, que derrotó al campeón de ajedrez, Garry Kasparov, en 1997, AlphaGo no aprendió estudiando a los humanos y repitiendo las partidas anteriores. Según un artículo de Nature, los humanos pueden haber enseñado las reglas de Go a AlphaGo, pero es el propio programa el que dominó el juego jugando contra sí mismo.
Este tipo de aprendizaje profundo podría ser lo mismo que impulse la aplicación de la inteligencia artificial en salud en el futuro, ya que ayudaría a obtener una mejor atención médica, crear nuevos enfoques para diagnosticar y tratar cientos de problemas médicos y medir la adherencia de los médicos sin los sesgos defectuosos de la mente humana.
De forma adicional, y con el tiempo, los pacientes podrán usar una variedad de herramientas basadas en inteligencia artificial para cuidarse a sí mismos, al igual que manejan muchos otros aspectos de sus vidas hoy en día.
Herramientas de inteligencia artificial
Art Medical: la startup que quiere monitorizar a los pacientes intubados
La startup israelí dedicada a la inteligencia artificial ha creado tubos de alimentación y respiración basados en sensores inteligentes para una mejor monitorización de la persona ingresada, con el propósito de evitar las complicaciones que pueden surgir cuando un paciente está intubado. De esta manera, el profesional médico y de enfermería puede acceder a datos completos en tiempo real sobre los pacientes en las unidades de cuidados intensivos, propiciando que se puedan evitar mayores riesgos.
El sistema de inteligencia artificial surge debido a que la intubación se trata de una actividad sensible al tiempo que generalmente se realiza de forma manual. Los retrasos pueden llevar a complicaciones, o incluso a la muerte, mientras que en ocasiones surgen infecciones y problemas como la neumonía de aspiración. Los sensores de Art Medical pueden controlar constantemente y de forma automatizada el reflujo gástrico, la saliva y la orina alertando de cualquier anormalidad.
CheXnet: algoritmo que diagnóstica neumonía mejor que un radiólogo
Se trata de un algoritmo de aprendizaje automático capaz de diagnosticar neumonía a partir de una radiografía de tórax y con más efectividad que un radiólogo humano. The Machine Learning Group usó para entrenar este sistema inteligente un conjunto de datos proporcionado por el Instituto Nacional de Salud de Estados Unidos: concretamente 112.120 imágenes de rayos X de tórax, marcadas a su vez con 14 diagnósticos posibles diferentes.
En menos de una semana, los expertos desarrollaron el algoritmo CheXnet, que podía medir 10 de las 14 patologías asociadas a la neumonía. En un mes, lograron cubrir las 14 con un sofisticado grado de precisión casi perfecto, tanto en sensibilidad como en especificidad, ya que diagnosticaba adecuadamente los casos reales y también evitaba los falsos positivos. Para la medición se crearon mapas de calor sobre las radiografías de tórax en los que se muestran las áreas de la imagen con mayor probabilidad de representar neumonía.