No es posible pensar en el futuro de la atención médica sin contar con dos vocales que, juntas, representan las esperanzas y los temores de una industria que busca soluciones más inteligentes. Estamos hablando, como no podía ser de otra forma, de la «IA».

La Inteligencia Artificial (IA) existe desde 1956, y en los años 70 compartió su primera experiencia en el sector salud con el denominado Mycin, un sistema experto orientado a la detección de enfermedades infecciosas de la sangre que razonaba, se comunicaba en lenguaje natural con el usuario y recetaba medicaciones de forma personalizada a cada paciente.

Si ya tan temprano se hablaba de inteligencia, Procesamiento del Lenguaje Natural (PLN) o prescripción, se preguntarán por qué existen tan pocas contribuciones de la IA a la práctica médica y por qué parece que es ahora cuando el aprendizaje basado en máquinas y datos comienza a fusionarse con la realidad.

IA en medicina: tipos de inteligencia computacional

La confusión que rodea a la Inteligencia Artificial, e incluso a su definición, sigue siendo generalizada. Hoy en día, IA 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

Como vemos, 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 IA 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.

Pongamos como ejemplo 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.

Pero mi solución algorítmica favorita es Bisepro, en la que el IIC participa: un programa diseñado por la Unidad de Sepsis del Hospital Universitario Son Llàtzer (Palma de Mallorca), 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 tráfico – y uso de recursos y costes, entre unos 14.000€ y 28.000€ por cada caso de sepsis detectado. Para mejorar su detección y tratamiento, el desarrollo de Bisepro se está realizando en dos fases:

• Una primera fase para la detección de la sepsis en tiempo real,
• Y 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 la sepsis es fundamental, pues 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 costes.

Tratamiento de imágenes en salud

Para apreciar el potencial del reconocimiento de patrones visuales en la práctica médica, debemos entender 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 EE. UU. 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. Y se espera que la brecha de precisión entre el ojo humano y el digital se amplíe aún más en poco tiempo.

A medida que las máquinas se vuelven más poderosas y los enfoques de aprendizaje profundo ganan fuerza, continuarán avanzando campos diagnósticos como la radiología (CT, MRI y mamografía), la patología (diagnósticos microscópicos y citológicos), la dermatología (identificación de erupciones y evaluación de lesiones pigmentadas para el potencial melanoma) y la oftalmología (examen de los vasos retinianos para predecir el riesgo de retinopatía diabética y enfermedad cardiovascular). Y estos son sólo algunos ejemplos.

Herramientas de apoyo a la práctica médica

En la serie de televisión House, el genio de un médico triunfa sobre la experiencia de sus colegas. Pudiéramos pensar 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 (a) cómo abordan los problemas de los pacientes y (b) los sistemas sanitarios que los apoyan. Debido a que «a» y «b» se combinan para crear amplias variaciones en los resultados clínicos, la Inteligencia Artificial ofrece grandes posibilidades para el futuro. Dos enfoques de la IA en concreto, ambos disponibles actualmente, podrían mejorar radicalmente el desempeño del médico.

El primero es el Procesamiento del Lenguaje Natural, una rama de la IA que ayuda a las máquinas a comprender e interpretar el habla y la escritura humana. Este software 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. Bisepro vuelve a ser un buen ejemplo. En lugar de extraer y analizar los datos de forma retrospectiva, esta herramienta sigue lo que hacen los médicos paso a paso. Con la incorporación por parte del profesional de los datos del paciente en la historia clínica digital, Bisepro analiza en tiempo real toda esta información para ofrecer de forma anticipada una alerta y sugerir un posible tratamiento personalizado. En este caso, los falsos positivos se reducen a la mitad y su efectividad es máxima.

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 IA sí sustituirán a los que no lo hagan.

El potencial de la IA en salud

La Inteligencia Artificial ofrece un potencial que va más allá del mostrado en este artículo.  Encontramos un ejemplo en la experiencia con un antiguo juego chino inventado hace más de 2.500 años: «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 IA 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. Podemos estar seguros de que nosotros las utilizaremos.