June 2, 2021
¿Por qué necesitamos ayuda de inteligencia artificial cuando se trata de datos de salud?
Si bien los registros tradicionales en papel y lápiz han demostrado una capacidad infinita de trascender en el tiempo, la cantidad de los datos médicos digitales acumulados aumentan exponencialmente en paralelo. Imágenes médicas, resultados de laboratorio y los pacientes que generan datos constantemente con rastreadores de actividad física y otros dispositivos portátiles, desde analizadores del sueño hasta monitores de la frecuencia cardíaca.
En medio de la pandemia de 2020, se despacharon 396 millones de dispositivos portátiles a nivel mundial, con Apple liderando el mercado global de wearables desde el lanzamiento del Apple Watch en 2015. El mercado de dispositivos portátiles de uso personal seguirá creciendo en los próximos años, junto con el volumen de datos de salud que estos monitorean. Pero no solo las personas generan grandes cantidades de datos, sino también los científicos, cada año se publican unos 2,5 millones de nuevos artículos científicos; con algunos investigadores productivos que llegan a publicar hasta 72 artículos científicos al año, o aproximadamente uno cada 5 días.
No es de extrañar que hoy en día el conocimiento médico se duplica en pocos meses. En comparación de la década de 1950 donde se estimó que esto sucedía en unos 50 años. Estas investigaciones representan una riqueza en conocimiento médico que, lamentablemente es imposible de tener al día por cada profesional de salud, incluso por aquellos que se esfuerzan en ser los más actualizados. Sin embargo, al combinar la cantidad cada vez mayor de datos personalizados de salud con nuevos hallazgos, se puede descubrir nuevos conocimientos sobre la propia enfermedad o el tratamiento potencial más rápido que con los métodos tradicionales. Por ejemplo, en la epidemia del virus del Ébola en África Occidental de 2015, la puesta en marcha de IA Atomwise, una asociación de la Universidad de Toronto e IBM, proporcionó la tecnología en inteligencia artificial para realizar la investigación farmacológica en el desarrollo de un tratamiento adecuado. Su sistema identificó dos medicamentos que podían reducir significativamente la infectividad del Ébola. Este análisis, que normalmente habría tardado meses o años, se completó en menos de un día.
Además, con las capacidades predictivas y de procesamiento de datos de IA, se puede encontrar asociaciones que son de otra manera invisibles para el ojo y el cerebro humano. Esto se debe a que, si bien una IA tiene en cuenta características que los médicos también consideran, un algoritmo inteligente también aprovecha las correlaciones sutiles a partir de puntos de datos periféricos que los médicos ni siquiera piensan en considerar.
Se cita como ejemplo un sistema de inteligencia artificial desarrollado por la Academia China de Ciencias y el Hospital General PLA en Beijing. En este sistema, el software analiza los escáneres cerebrales para reevaluar las decisiones del médico sobre pacientes en coma o estado vegetativo. En al menos 7 casos en los que los médicos tenían confianza que los pacientes no recuperarían la conciencia, la IA los contradijo y, de hecho, esos pacientes se despertaron dentro de los 12 meses posteriores a las exploraciones cerebrales. Gracias al aprendizaje automático del algoritmo, que podría detectar cambios mínimos de la resonancia magnética funcional, que son indicativos de una recuperación en curso, pero son difíciles de detectar por los médicos debido a las actividades neuronales en rápida evolución.
En otro caso, los investigadores de Google capacitaron modelos de aprendizaje profundo para identificar signos que indiquen riesgos cardiovasculares a largo plazo a partir de los datos de más de 280.000 pacientes. Posteriormente, la «IA se enseñó a sí misma» qué buscar sólo en las imágenes de la retina después de haber analizado suficientes datos para identificar patrones encontrados en los ojos de personas en riesgo.
Tradicionalmente, para evaluar aquellos riesgos, los médicos deben examinar manualmente la retina, realizar análisis de sangre y considerar otros factores como la edad y el índice de masa corporal. Si bien la deducción de tales algoritmos puede desconcertar incluso al médico más capacitado, descifrar el razonamiento de la IA detrás de tal conclusión marcará el comienzo de la era real del arte de la medicina.
Este proceso se basará en altos niveles de creatividad, resolución de problemas y conocimientos cognitivos, habilidades que posee la comunidad médica. Si bien todavía estamos en el comienzo de esta era, varios campos de la salud ya han comenzado adoptar la inteligencia artificial en su oficio.
