La IA entra en el hospital

 

Un nuevo aliado de los médicos  Superordenadores al servicio del paciente

En la película Elysium, ambientada en 2154 y protagonizada por Matt Damon, los habitantes de la Tierra más adinerados viven en una plataforma espacial en la que hay una especie de cápsula médica capaz de diagnosticar inmediatamente cualquier enfermedad, curarla y hasta reparar las lesiones del cuerpo sin que intervenga ninguna persona. Si es que algún día deja de ser ciencia ficción, tendrán que pasar muchas décadas para que una tecnología así se convierta en realidad, pero lo cierto es que la medicina es uno de los campos que más y mejor se está beneficiando de la inteligencia artificial (IA). En presente.
Desde agilizar el lento y costoso desarrollo de nuevos fármacos a analizar el genoma de un paciente, las aplicaciones que ya están en marcha son numerosas. Pero la IA se perfila, sobre todo, como una herramienta capaz de aprender y analizar con rapidez enormes cantidades de información de los historiales de pacientes, de las pruebas de imagen y de los avances científicos para ayudar a los doctores a ofrecer mejores diagnósticos y tratamientos. Y es que, como subraya el ingeniero Juan José Cerrolaza, investigador del Laboratorio BioMedIA del Imperial College de Londres, "la inteligencia artificial no va a sustituir a los médicos. Es un aliado".
Un aliado que les liberará también de algunas tareas monótonas, como el análisis de las imágenes médicas, que es una de las áreas en las que trabajan en este laboratorio situado en el barrio de Kensington. Son las 3 de la tarde y acaba de caer una gran nevada en el centro de Londres. El bullicio reina en el patio principal del campus, con grupos de estudiantes lanzándose bolas de nieve, pero en el laboratorio BioMedIA una veintena de ingenieros trabajan concentrados y en completo silencio.

Esa semana acaba el plazo para presentar los artículos científicos que se publicarán durante la Conferencia MICCAI que se celebrará en Granada en octubre, la más importante en imagen médica, y no hay tiempo que perder, explica en voz baja Cerrolaza mientras muestra en su ordenador ejemplos de su investigación, centrada en aplicar la IA a la imagen fetal.
Aquí desarrollan algoritmos para analizar e interpretar imágenes, y trabajan en el aprendizaje de máquinas (machine learning) para extraer de las imágenes médicas información clínica útil. Así, la IA se aplica para entender mejor el desarrollo del cerebro, mejorar el diagnóstico de pacientes con demencia, que hayan sufrido un ictus o daños cerebrales, o bien realizar diagnósticos en personas con enfermedades cardiovasculares.
"Hay muchas cosas que se pueden hacer de forma automática para ayudar al radiólogo", asegura. Pero también, añade, la IA es una herramienta para ofrecer diagnósticos en países en vías de desarrollo o zonas remotas donde no hay personal médico tan cualificado.

"A lo largo del embarazo, se suele hacer de forma rutinaria una ecografía detallada en el segundo trimestre. Es un momento crítico de la gestación, pues a las 20-22 semanas el feto ya está bastante desarrollado y aún tienes tiempo de intervenir si hay que corregir algo", relata. Este proceso apenas ha cambiado durante los últimos 20 o 30 años: "Hay coches que se conducen solos y algo tan importante como ver que una futura personita está creciendo bien depende de la pericia del obstetra. Nuestro objetivo es traer al siglo XXI la imagen fetal", resume este ingeniero riojano, que antes de trabajar en el Imperial College pasó cuatro años en el Hospital Pediátrico de Washington.
Los ingenieros del Imperial College trabajan estrechamente con los médicos del Hospital St. Thomas de Londres para llevar la IA a sus pacientes. Por ejemplo, el projecto iFind está centrado en el diagnóstico inteligente en imágenes fetales y una de sus principales aplicaciones es ayudar a detectar malformaciones en el feto.

 

Entrenar a una máquina

Simplificando, hay dos formas de enseñar a una máquina. "Una de ellas consiste en entrenar al sistema de IA a partir del proceso lógico que siguen los médicos". Para explicarlo, Cerrolaza menciona un proyecto que hicieron en el Hospital Pediátrico de Washington con el objetivo de diseñar un sistema que de forma automática detecte cómo de grave es la hidronefrosis, una enfermedad bastante común en pediatría que se produce cuando hay una obstrucción en el sistema urinario que impide que el riñón drene bien.





"Cuando se sospecha que un paciente la sufre, se le hace un ultrasonido para ver la apariencia del riñón y, si hace falta, se le deriva para una radiografía diurética, que es más invasiva y usa contrastes ionizantes. Los radiólogos, que tienen muchos años de experiencia, son capaces de inferir el grado de severidad de una hidronefrosis mirando sólo la prueba de ultrasonido, así que una opción es entrenar a una máquina a partir del proceso lógico que siguen", relata.

Con el deep learning o aprendizaje profundo -la otra forma de entrenar a una máquina-, cambia el paradigma. "En vez de entrevistar a los especialistas, uso cientos de miles de imágenes con sus correspondientes diagnósticos para que la máquina aprenda. En los últimos cinco años, añade, se ha aplicado mucho el deep learning aunque, paradójicamente, se está frenando y ahora la tendencia es hacer algo intermedio". Y es que, "si se trata de vencer al ajedrez o al GO no me importa tanto el proceso por el cual hace una jugada siempre y cuando gane; pero si lo que quiero es que me detecte un tumor en el cerebro, sí que me interesa saber cómo ha procesado los datos y ha llegado a esa conclusión".

La inteligencia artificial, asegura Cerrolaza, puede ayudar y asistir en cada uno de los aspectos de la imagen médica: "Pero tiene también asociados muchos retos", señala. "El deep learning consiste básicamente en enseñar a una máquina a hacer algo mostrándole muchos ejemplos, pero en medicina no se suelen compartir por motivos de privacidad y de protección de datos". Por ello, considera muy valiosa iniciativas como Biobank, un proyecto en Reino Unido para crear una base de datos de acceso libre con imágenes médicas, informe y hábitos de vida de 100.000 voluntarios.
No es el único obstáculo: "Si cambias de máquina o modificas su configuración, el sistema a veces no funciona. También hay mucho ruido porque al latir el corazón o al moverse el paciente o el feto, la imagen también se mueve. Y a la hora de enseñar a una máquina, la información que da un radiólogo no es la misma que la que dé otro especialista. Esa subjetividad es un lastre", enumera.
Pese a los retos a los que se enfrentan, el ingeniero considera que las posibilidades que abre la aplicación de la inteligencia artificial en la imagen médica son enormes. Ya hay empresas, como la estadounidense Heartflow, a las que se les puede enviar un escáner realizado en cualquier lugar del mundo para obtener un diagnóstico remoto utilizando deep learning e inteligencia artificial.





Detección precoz del cáncer de mama


En la Universidad de Valencia también están entrenando a máquinas para ayudar a los médicos a realizar mejores diagnósticos. En concreto, trabajan en un sistema de inteligencia artificial capaz de detectar el cáncer de pecho en mamografías usando básicamente la misma tecnología que los físicos de partículas han utilizado para detectar el bosón de Higgs en el CERN de Ginebra.
"El sistema intenta aprender de una colección de imágenes", explica Francisco Albiol, científico del Instituto de Física Corpuscular (IFIC/CSIC-Universidad de Valencia). El algoritmo que está desarrollando su equipo se enmarca en el Digital Mammography DREAM Challenge, un proyecto internacional lanzado por algunas de las principales instituciones sanitarias de EEUU en la lucha contra ese cáncer, junto a multinacionales como IBM o Amazon, para estimular a la comunidad científica a desarrollar soluciones. Por ello, han podido acceder a bancos de imágenes de pacientes facilitados por esas instituciones.
El objetivo, según explica, "es la detección temprana de los tumores" y "mejorar la relación de falsos positivos para evitar que las mujeres se sometan innecesariamente a una biopsia", algo que además de reducir las molestias, supone una reducción de gastos al prescindir de pruebas innecesarias.
El sistema está concebido para trabajar solo, ofreciendo un diagnóstico que es considerado como un experto más o combinarlo con el de un especialista; descarga de trabajo al radiólogo reduciendo su fatiga o permitiéndole centrarse en casos más complejos. "Nuestro nivel de fiabilidad del diagnósticos está en torno al 89%", asegura Albiol. Un porcentaje que sube al 93% si se combina con la valoración de radiólogos humanos.


Watson, el sistema de inteligencia artificial desarrollado por IBM, se hizo famoso en 2011 al vencer a concursantes humanos en el programa de televisión estadounidense Jeopardy! Su capacidad para aprender ha hecho de él un superordenador con aplicaciones en campos muy diversos. Y la medicina es una de las áreas en las que mejor se están aprovechando sus habilidades. Watson asesora ya a médicos que trabajan en hospitales de EEUU, India, México, Tailandia, Eslovaquia o Corea.

¿Sabía que, de media, una persona genera durante su vida datos sobre su salud con los que se podrían rellenar 300 millones de libros? "Es una cantidad de datos imposible de asimilar por parte de los expertos médicos", apunta Juan Carlos Sánchez Rosado, responsable de IBM Watson Health, la división de este sistema de IA centrada en aplicaciones sanitarias.
Una de las ramas es Watson para Oncología (Watson for Oncology en inglés). Los especialistas del Memorial Sloan-Kettering de EEUU lo han entrenado para que pueda analizar historiales médicos y ayudar al doctor a definir tratamientos más personalizados basados en estudios científicos y en los historiales de los pacientes. Y lo han logrado alimentándolo con gigantescas cantidades de información: 300 revistas médicas, cientos de libros y más de 15 millones de textos. Gracias a su capacidad de procesamiento del lenguaje natural, el superordenador ingiere esa montaña de datos y da sentido a toda esa información.

En la actualidad, Watson está entrenado para detectar 13 tipos de cáncer y su tecnología ha llegado a 45.000 pacientes en todo el mundo. Los resultados son alentadores, según algunos estudios sobre sus conclusiones. Una investigación realizada por el Manipal Hospital, en Bangalore, en la India, y publicada a principios de 2018 en Annals of Oncology, señalaba que las propuestas de tratamientos para cáncer de mama de Watson coincidieron con las del comité multidisciplinar de tumores de ese centro hospitalario en un 93% de los casos.
No obstante, según subraya una portavoz de IBM, "Watson no hace diagnósticos. Ofrece a los especialistas distintas posibilidades de tratamientos. Siempre es un médico el que toma la decisión final".

Los límites de la asistencia sanitaria

 Juan José Cerrolaza, investigador del Imperial College de Londres, cree que no es exagerado hablar de un "boom en inteligencia artificial", un campo en el que en los últimos tres o cuatro años se ha avanzado de forma exponencial debido, sobre todo, a dos factores: el acceso a grandes cantidades de datos y el desarrollo en la computación, es decir, en la capacidad del hardware. "Se ha abierto esta caja donde hay un montón de posibilidades, y hay una gran emoción por todo lo que se puede hacer. Una vez pasada la excitación, vamos a ver qué es viable y qué no".



Lo que tiene claro Cerrolaza es que "el futuro de la imagen médica y de la IA pasa porque los médicos y los ingenieros vayamos de la mano". Esa colaboración, señala, "es crucial". "La tendencia ahora es desarrollar herramientas de asesoramiento y ofrecerles posibilidades, y que el médico sea el que tome la decisión última".
Lo mismo opina Miguel Ángel Máñez, economista especializado en gestión sanitaria, que considera que la IA nunca deberá sustituir al médico. "Ayudará a resolver situaciones complejas pero la decisión final siempre ha de corresponder al profesional sanitario", señala Máñez, que trabaja en la Unidad de Gestión del Conocimiento y Desarrollo Profesional del Servicio Madrileño de Salud.

Además de mejorar la detección y el diagnóstico de muchas patologías, la IA permitirá reducir el número de errores médicos y hará posible el avance de áreas como la Epidemiología o la Salud Pública. Sin embargo, su implantación también llevará aparejados importantes desafíos éticos; retos que hay que abordar antes de asumir con garantías esta innovación tecnológica. No se puede tener "confianza ciega" en la tecnología y olvidar que "es una herramienta de apoyo cuyos resultados deben ser objeto de revisión", añade Máñez.
Coincide con su punto de vista un equipo del Centro de Ética Biomédica de la Universidad de Stanford (EEUU), que acaba de publicar un artículo sobre el tema en la revista médica The New England Journal of Medicine. Hay que tener en cuenta, escriben los científicos liderados por David Magnus, que los algoritmos también pueden reproducir los sesgos que existen en la toma de decisiones humanas. Ya hay ejemplos de esto en campos ajenos a la medicina, como el ámbito legal: "Los programas diseñados para ayudar a los jueces en las sentencias a la hora de predecir el riesgo del acusado de reincidir han mostrado una inquietante propensión a la discriminación racial".
Por otro lado, ¿qué pasa si esa tecnología se programa con fines poco éticos, si el algoritmo favorece el beneficio económico en lugar de la calidad de la asistencia sanitaria?, reflexionan.
Los médicos deben estar al tanto de cómo funciona la inteligencia artificial, cuáles son sus fuentes y cuáles sus posibles sesgos, para poder hacer una lectura crítica de su aportación, añaden. Además, la implementación de estas herramientas también debe garantizar que se respeta la confidencialidad de la información, así como las garantías que se contemplan en la relación médico-paciente.


TERESA GUERRERO @teresaguerrerof

CRISTINA G. LUCIO @cglucio

 



Comentarios

Entradas populares