Inteligencia Artificialel futuro de la iA en medicina

 

EXPECTATIVA

 

VS

REALIDAD

(Aquí te dejo un vídeo dónde puedes ver mejor qué es Alexa).

EMOCIONES MIXTAS

Por un lado, le tenemos miedo, desconfianza, antipatía, pereza, incomprensión total o sencillamente desinterés. Por otro lado, curiosidad, entusiasmo, atracción, tal vez hasta anhelo. Y seguramente, algo de envidia.

La Inteligencia Artificial (IA) enfocada en la medicina quizá sea la tecnología disruptiva sobre la que hay un mayor consenso, pues es seguro que va a llegar y, cuando lo haga, el impacto será inmenso. Todas las áreas en las que nos la vamos a encontrar están todavía por definir, pero una de las primeras aplicaciones se espera que sea en el diagnóstico (precoz) de enfermedades.

¿Puede un algoritmo llegar a hacer diagnósticos más precisos que un médico? La respuesta es que sí, pero no de la manera en que la gente piensa hoy en día. El perfil del médico del futuro va a cambiar de forma inevitable. En algunas tareas seremos sustituidos por instrumentos que realicen la parte mecánica de nuestro oficio, cosa que harán infinitamente mejor que nosotros.

LA VISIÓN

Pensemos solamente en la parte burocrática. Qué alivio pensar que las historias clínicas se van a editar ellas solas y de manera automática.

¿Cuánto tiempo se liberará entonces para la interacción personal entre el médico y el paciente? Aunque puede que eso asuste a algunos. Que un mayor trato con los pacientes implique invertir más tiempo y simular, empatía y paciencia, para algunos, puede ser una pesadilla.

Hasta ahora, creo que para el futuro próximo el papel del médico no desaparecerá ni se hará obsoleto. Seremos el interface ulterior entre el paciente y la IA.

Tal como hacemos ahora de puente entre paciente y métodos diagnósticos, seremos nosotros los que tendremos que guiar la interacción entre paciente y la IA. Una perspectiva que parece lógica y natural. Yo, por lo menos, no temo esa visión.

¿QUIÉN HACE QUÉ?

 

Diagnóstico por la imagen – MIT

Regina Barzilay es una profesora en el Massachusetts Institute of Technology que enseñaba a ordenadores a aprender (mediante el procesamiento natural de lenguaje) hasta que fue diagnosticada con cáncer de mama. “Cuando pasé por eso, me di cuenta que hoy en día tenemos tecnología más sofisticada para escoger tus zapatos en Amazon que para ajustar el tratamiento de pacientes con cáncer.”

El grupo de Barzilay colabora ahora con el Massachusetts General Hospital aplicando sus conocimientos para mejorar el diagnóstico y tratamiento del cáncer.

Algunos puntos que investigan son si la IA puede detectar signos tempranos de cáncer de mama en mamogramas antes que un humano y si el análisis de big data de pacientes puede contribuir a elaborar opciones de tratamiento más personalizadas.

Barzilay se realizó mamografías durante más de dos años, sin hallazgo alguno, antes de ser diagnosticada con cáncer.

“Estoy de acuerdo en que no hubo ningún tumor en las mamografías anteriores. Pero tal vez hubo algo en estas imágenes tan complejas que podría haber indicado… ¿un desarrollo erróneo?” Ella está convencida: “Desde luego, (el cáncer) no surgió de repente de la nada. Para que pueda haber un crecimiento exitoso tienen que ocurrir procesos biológicos con anterioridad que impacten en los tejidos. Para un humano es demasiado difícil cuantificar unos cambios tan minúsculos. Sin embargo,una máquina puede comparar millones de imágenes en un corto periodo de tiempo y encontrar patrones que serían imposibles de identificar por una persona.

Hay más gente que persigue la misma aproximación.

 

PathAI

 

Este grupo de investigación está formado por un patólogo de Harvard Medical School (Dr. Andy Beck), la decana del Medical Center (Beth Israel), y una ingeniera informática de MIT y Caltech (Aditya Khosla). Ellos también creen en el potencial del diagnóstico por imagen del cáncer mediante IA. Enseñan a sus ordenadores a distinguir células cancerosas de normales. La empresa, PathAI, la formaron después de que su tecnología ganara un concurso en detectar cáncer de mama.

 

Resultados del concurso en 2016:

  • Cuota de error de un patólogo experto: 3,5%
  • Cuota de error equipo IA: 7,5%
  • Combinación de los dos (experto humano + IA): disminuye la cuota de error del experto en un 85% (quiere decir que, combinado los dos, la cuota del error total baja al 0,5%).

Pero en la ecuación falta la curva de aprendizaje exponencial de la IA. Solo meses más tarde, la IA ganó al experto. Adiós a la superioridad humana.

 

Deep learning

El verdadero potencial de la IA está en el deep learning. La máquina no necesita que tú la cojas de la mano y le digas qué es importante y qué no. Este aprendizaje automático, esta ventaja, es lo que definimos como “inteligencia”, de lo contrario , es solamente un robot que ejecuta órdenes a una velocidad rápida. No solo se trata de una mente fresca, ¡sino de una totalmente diferente! El ordenador busca según sus propios criterios qué considera importante. Así, se acaban analizando datos que nosotros ni siquiera miraríamos. De esta manera, la IA abre la puerta a nuevas correlaciones que no se nos hubieran ocurrido a nuestras mentes humanas.

 

Deep Patient

Esto es a lo que se dedica el equipo de Joel Dudley en Mt. Sinai, Nueva York. Su sistema Deep Patient analiza y correlaciona datos “des-identificados” de todo el hospital.

“Un médico o investigador que se dedica a DM 2, por ejemplo, elaborará un modelo diagnóstico basado en glucemia y peso para determinar quién es una persona con riesgo de desarrollar la enfermedad. Pero toda la información adicional presente en la ficha del paciente, se ignorará en el algoritmo diagnóstico o de cribaje.”

Dudley investiga si se están perdiendo oportunidades diagnósticas. “Utilizamos una aproximación de deep learning en la que ‘metemos’ toda la información que tenemos sobre 5 millones de pacientes en nuestro sistema y cualquier prueba que se les haya hecho en su vida.”

Los resultados del estudio se publicaron en Nature. Deep Patient mejoró la predicción de enfermedades como la esquizofrenia, el cáncer o la diabetes.

La Inteligencia Artificial puede analizar cambios indetectables al ojo humano.

Fuente: Popsci.com

¿QUÉ HAY EN EL MERCADO?

 

La inversión del sector privado es inmensa. El mercado de la inteligencia artificial en el ámbito de la salud tienen unas previsiones de crecimiento del 40% cada año, hasta 6.600 millones de dólares el año 2021. (Frost & Sullivan)

 

1. Google Deepmind Health:

Una corporación entre Google y la NHS (sistema sanitario) del Reino Unido.

Se basa en aplicaciones móviles de IA que pretenden optimizar la atención al paciente desde la primera visita hasta el tratamiento. El objetivo es acelerar todos los procesos intrasanitarios. Han proyectado resultados positivos: “Las enfermeras comentan tener una media de 2 horas más para dedicar a los pacientes”.

Fuente: Theverge.com

2. Alphabet:

Trabajan en una iniciativa para coleccionar información génica, el estudio Baseline. Intentan utilizar los mismos algoritmos de tu buscador de Google de toda la vida para analizar qué es lo que hace saludable a las personas
. También experimentan con tecnologías para monitorizar el transcurso de enfermedades como p.ej. una lentilla digital que analiza tu glucemia.

 

3. IBM WatsonPaths:

Tienen un programa especial para oncología que da opciones terapéuticas. IBM quiere que su Medical Sieve se convierta en el “asistente cognitivo” de la siguiente generación de médicos, con capacidad para analizar y razonar además de unos conocimientos clínicos amplios. Los algoritmos estarán cualificados para asistir en la toma de decisiones clínicas en radiología y cardiología.
Watson se está utilizando en el Alder Hey Children’s Hospital.

 

Hay muchos más, que podéis investigar vosotros mismos siguiendo estos links:

Careskore
Zephyr Health
Oncora Medical
Sentrian
CloudMedX Health

VIVIR CON EL CAMBIO

Mejorar es cambiar; ser perfecto es cambiar a menudo. – Winston Churchill

La inteligencia es la habilidad de adaptación al cambio. -Stephen Hawking

…Aunque para eso hay que asumir el cambio. Parece que hay académicos “de la vieja escuela” que les cuesta más aceptar nuevos paradigmas.

Pensemos en el fonendo. Un artilugio de los clásicos de hoy en día por el que, desde su presentación en 1819 por el médico francés Laënnec, tuvieron que pasar varias décadas hasta que recibió finalmente la aceptación por la comunidad médica.

El otro día en cardiología estaba buscando la hoja quirúrgica de una sustitución de válvula mitral. El médico era un cirujano cardíaco famoso pero no encontré nada en la base de datos. Días más tarde me revela la anestesista que este profesional casi no utiliza el ordenador. Toda su historia clínica estaba escrita a mano en una carpeta. Una letra de esas clásicas, bonitas y una amplia gama de sentimientos después de haber perdido horas rebuscando en el SAP. ¿Esto existe todavía? ¿Aún está permitido que el médico escriba esa información básica a mano? ¿No dispone de un residente que se lo pueda pasar al ordenador? Aquí chocan mundos.

¿QUÉ TENEMOS QUE PONER DE NUESTRA PARTE?

  • Formación tecnológica básica de IA. Se dice que el entendimiento que tienen los médicos de la química es rudimentario (eso lo puedo corroborar si comparo la media del curso de bioquímica con otras asignaturas). Pero, un médico debe conocer las bases moleculares de su oficio y las herramientas básicas del trabajo del día a día en un centro de salud. Hay que formar a nuestros médicos en el uso de tecnologías si queremos que sean capaces de trabajar con ellas.
  • Seguimiento de la implementación de IA por el sistema sanitario. Para saber si hay beneficio neto, en qué medida, en qué ámbito y dónde no, hay que coleccionar datos y estudiar los resultados. Igual que en un estudio clínico.
  • Más comunicación del sector privado hacia la población general. Hace falta incentivar el debate, aumentar el conocimiento, corregir preocupaciones falsas y dudas justificadas, como p.e. la privacidad.

 

¿LIMITACIONES?

  • Es un hype. Es posible. Vamos a ver cómo de rápido maduran los programas, cuánto falta para una implementación exitosa, cómo de accesibles serán.
  • Barreras tecnológicas. Están disminuyendo.
  • Barreras económicas. No tengo ni idea de los costes.
  • Acceso a datos. Las implicaciones legales podrían frenar bastante el avance.
  • Comunicación humana. La tecnología está todavía en una fase de desarrollo temprana. ¿Es eso una limitación constitutiva y permanente? No lo creo.

 

CRÍTICAS DE LA IA EN GENERAL

 

Hawkings y Musk están en contra de la IA, tienen miedo y dicen que un escenario tipo “Terminator” es posible. Mark Zuckerberg está, en cambio, totalmente a favor y frustrado de que haya expertos que frenen el desarrollo de la IA con predicciones que infunden miedo.
La IA en medicina comenzará con un enfoque más inocuo, estamos hablando de agilizar un campo que costará muchísimo tiempo y energía a los trabajadores de la salud. Y aquí sí que estaría bien entregar la organización administrativa y burocrática a una IA.
Por eso, creo que hay que diferenciar entre el tema a nivel global con escenarios tipo Terminator y aplicaciones muy concretas tipo Fitbit.

¿Y SI EL FUTURO SUPERA NUESTRAS EXPECTATIVAS? POSITIVAMENTE.

 

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos requeridos están marcados *

Publicar comentario