Por Alejandra Folgarait
[column col=”1/3″]
[/column]
El reemplazo de trabajadores por robots fue uno de los temas favoritos de la ciencia ficción en el pasado. Pero lo que era fantasía futurista se convirtió hoy en una realidad palpable en muchas industrias. Ya hay robots que limpian en forma autónoma los pisos, que ensamblan autos y que ayudan a los cirujanos a operar en el quirófano. ¿Llegarán las máquinas inteligentes a sustituir a los profesionales de la salud? Por lo pronto, un reciente estudio mostró que algunos algoritmos de inteligencia artificial superan al score de riesgo ACC/AHA a la hora de pronosticar un evento cardiovascular.
El estudio de la Universidad de Nottingham, publicado en la revista PLoS ONE, se basó en el análisis de más de 370.000 historias electrónicas de pacientes británicos sin antecedentes cardiovasculares, entre 2005 y 2015. Cuatro sistemas de inteligencia artificial (IA) fueron entrenados en el reconocimiento de patrones que podían aumentar el riesgo cardiovascular de estos pacientes. Luego se les pidió que emitieran pronósticos a 10 años y se los comparó con los eventos efectivamente ocurridos en esa cohorte. Las máquinas acertaron el riesgo en 74.5 al 76.4% de los casos, mientras que el score habitualmente usado por los cardiólogos para calcular el riesgo acierta hasta un 72%. El mejor algoritmo predictivo resultó el de redes neuronales, ya que predijo correctamente 355 más eventos cardiovasculares que el score de ACC/AHA.
¿Por qué las máquinas que utilizan estos algoritmos les ganan a los cardiólogos con experiencia clínica? Los especialistas sospechan que el análisis de cientos de miles de datos y su capacidad de aprendizaje les permite a las máquinas inteligentes detectar factores de riesgo no considerados habitualmente (por ejemplo: salud mental, EPOC, nivel de triglicéridos, uso de corticoides orales) y combinarlos con los factores tradicionales.
“Los modelos de predicción actuales, como el score del ACC/AHA, están basados en ocho factores de riesgo, incluyendo edad, nivel de colesterol y de presión arterial, pero son demasiado simplistas para considerar otros factores, como la medicación, las comorbilidades y biomarcadores no tradicionales”, señaló Stephen Weng, autor principal del estudio y especialista en prevención primaria. “Los algoritmos de IA tienen el potencial de ayudar a salvar más vidas”, enfatizó el epidemiólogo británico. Por lo pronto, podrán evitar el sobretratamiento de los pacientes.
Bienvenidos al siglo XXI
Desde que la supercomputadora Deep Blue, de IBM, derrotó en 1997 al ajedrecista Garry Kasparov y la Deep Mind de Google le ganó, en 2016, a un gran maestro del Go, ya nada parece imposible para las máquinas que aprenden de los datos y de sus propios errores.
Claro que ya no se trata sólo de computadoras sofisticadas y únicas en el mundo. Ahora los sistemas inteligentes empiezan a invadir la vida cotidiana. Ahí está Siri, la ayudante que responde a cualquier pregunta en los teléfonos iPhone gracias a su sistema de reconocimiento de voz. O el programa de reconocimiento facial de Facebook, que nos identifica en cualquier foto subida a un muro virtual. También están los mapas que indican el estado del tránsito en tiempo real (como Waze). Y, por supuesto, las aplicaciones móviles que registran las ondas eléctricas del corazón, la presión arterial, las calorías gastadas, el peso y otros datos biométricos, y los guardan luego en enormes bases de datos.
Más allá de las aplicaciones móviles, hoy existen bombas que inyectan insulina cuando el nivel de glucosa sube en la sangre. Muy pronto, cualquier persona podrá consultar al doctor A.I. o Alexa, un sistema inteligente que está desarrollando Amazon para que los pacientes envíen preguntas e imágenes por teléfono y reciban a cambio un diagnóstico de lo que les ocurre. Pero es preciso aclarar que no todos los sistemas son iguales.
La Inteligencia Artificial (IA) incluye algoritmos, redes y robots que le permiten a un programa o software tener propiedades inteligentes comparables a las de los seres humanos. Por ejemplo, aprender a partir de bases de datos con una mínima interferencia humana o sin programación, en lo que se conoce como “machine learning”. También existen otros tipos de IA, como el deep learning y la computación cognitiva.
Los especialistas en medicina y ética Ziad Obermeyer y Ezequiel Emanuel aclaran en un artículo publicado en NEJM que la mayoría de los algoritmos computacionales en medicina son “sistemas expertos”: un conjunto de reglas que codifican el conocimiento existente sobre un tema y que se aplican a sacar conclusiones sobre distintos escenarios clínicos. Los sistemas expertos trabajan como un estudiante de medicina ideal: toman principios generales de la medicina y los aplican a nuevos pacientes.
En cambio, escriben Obermeyer y Emanuel, el machine learning opera como un médico residente: aprende las reglas a partir de los datos. El algoritmo empieza por las observaciones a nivel del paciente y luego se mueve a través de una enorme cantidad de variables, a la búsqueda de combinaciones que predigan resultados (outcomes) en forma confiable.
La gran ventaja del machine learning es que puede manejar una gigantesca cantidad de predictores y combinarlos en forma no linear e interactiva. Esto permite usar nuevos tipos de datos, cuyo volumen o complejidad antes eran imposibles de analizar.
“Antes nos parecía impensable que existieran autos sin chofer, pero hoy el de Google anda por las calles sin mayor problema. Lo mismo puede decirse de los marcapasos: superaron todo lo imaginable por los propios cardiólogos”, reflexiona Carlos Tajer, ex presidente de la SAC. “A futuro, las máquinas van a poder igualar -o incluso mejorar- la capacidad de razonamiento y creatividad del cerebro clínico”, apuesta el cardiólogo.
De todos modos, es necesario enfatizar que no todos los sistemas que se engloban en la IA son igualmente inteligentes. “Los que hacen minería de datos se basan en análisis y correlaciones de datos, nada más”, explica el cardiocirujano y licenciado en Sistemas Raúl Borracci. “Un verdadero sistema inteligente debería pensar y actuar como un ser humano, lo que implica también percibir, comprender el lenguaje natural y realizar acciones motoras”, explica el director asociado de la Revista Argentina de Cardiología y Coordinador del Comité de Bioética de la SAC. Todavía ninguna máquina logró tanto.
Borracci sostiene que, como la inteligencia de estas máquinas, basadas fundamentalmente en redes neuronales artificiales, se construyen por biomímesis, no van a poder superar al pensamiento humano; a lo sumo, se desempeñarán como el mejor de los humanos. Más aún: la inteligencia artificial basada en la biomímesis podría compartir los mismos sesgos que la humana. “Por el momento, el límite de la inteligencia artificial es el del cerebro, aunque con una mayor velocidad de cálculo y memoria”, afirma el cardiocirujano. “Probablemente, en el futuro, esta estructura cerebral artificial básica pueda evolucionar a una configuración mejor dotada por medio de algoritmos genéticos que simulan la evolución biológica en escalas de tiempo mucho más cortas”, anticipa Borracci.
Quizás la máquina que mejor emula hoy el pensamiento humano es Watson, de IBM, un sistema de computación cognitiva capaz de responder a las preguntas formuladas en lenguaje natural y de detectar patrones en los datos e imágenes que a los médicos les resultan imposibles de procesar en conjunto.
“Watson es un sistema no de inteligencia artificial sino cognitiva”, aclara Juan Pablo Hoyos, líder de Watson Health en Latinoamérica. “No sólo puede aprender de sí misma sino también comprender el contexto y el sentido del lenguaje natural. Esto es importante, ya que el 80% de la información médica se encuentra en contextos no estructurados, que Watson puede comprender”.
Watson accede a todos los datos disponibles (anonimizados) de pacientes, puede procesar todos los papers médicos publicados sobre un tema de interés, toma en cuenta las noticias sobre brotes epidemiológicos y analiza muchas otras fuentes de información (imágenes, videos) en cuestión de segundos. Su aplicación a la oncología y la neurología permitió nuevos avances en el cuidado de los pacientes y, también, mostró ciertas limitaciones. Por lo pronto, IBM invirtió 4.000 millones de dólares en la compra de empresas que almacenan datos médicos, desde facturación por prestaciones médicas a imágenes de resonancia magnética. Ahora, es el turno de la Cardiología.
“Watson proporciona inteligencia aumentada para tomar mejores decisiones en medicina”, enfatiza Hoyos. “No va a sustituir a los médicos sino que va a ayudarlos a evaluar la información y las imágenes para tomar decisiones clínicas basadas en toda la evidencia disponible en el mundo”, dice el especialista en física médica de IBM.
Cardiología 3.0
[column col=”1/3″]
[/column]
“En el siglo XXI, el paradigma está cambiando de las herramientas estadísticas tradicionales al uso de inteligencia artificial para ir hacia una medicina cardiovascular de precisión”, afirman Chayakrit Krittanawong y sus colegas en una revisión que acaba de publicar JACC.
Los especialistas anticipan que el impacto de la IA va a ser disruptivo en varias áreas de la medicina: radiología y anatomía patológica, prognosis y diagnóstico de enfermedades. Por supuesto, también va a ser clave en el desarrollo y aplicación de la genómica, la metabolómica y otras “ómicas” a la clínica.
Si hoy la Historia Clínica Electrónica permite almacenar datos de miles de pacientes en forma anónima, las máquinas inteligentes permitirán obtener en el futuro nuevo conocimiento a partir de ellos. Por medio de la minería de Big Data, por ejemplo, se podrán establecer nuevos genotipos y fenotipos para síndromes heterogéneos, como el Takotsubo, la insuficiencia cardíaca con fracción de eyección preservada, la hipertensión pulmonar primaria y muchas otras enfermedades. Así se facilitará el tratamiento personalizado de los pacientes.
“Los sistemas inteligentes serán muy útiles en cuestiones de seguridad, como la interacción de fármacos, pero eso es un sistema de control más que inteligencia”, advierte Borracci. “Sin duda, en el futuro las máquinas inteligentes podrán disminuir el error médico y ayudar a la toma de decisiones, además de permitir el diagnóstico diferencial y generar pronósticos más certeros. Pero su impacto mayor en la Cardiología va a estar en el área de las imágenes; ahí sí que podrán reemplazar a los médicos en el mediano plazo”, anticipa el cardiocirujano, que publicó un estudio basado en lógica difusa (una técnica de IA) para predecir el riesgo de muerte tras una cirugía cardíaca.
En verdad, varias técnicas de IA ya han sido aplicadas en Cardiología para explorar genotipos desconocidos de algunas patologías, mejorar la calidad del cuidado de los pacientes, reducir las rehospitalizaciones y promover terapias costo-efectivas basadas en evidencias, según el reciente artículo de JACC.
Por ejemplo, la IA ya ha permitido distinguir entre cardiomiopatía hipertrófica e hipertrofia fisiológica en atletas en base al análisis de imágenes ecocardiográficas, sin necesidad de una interpretación humana. El deep learning también ha permitido identificar a pacientes con insuficiencia cardíaca 9 meses antes que un médico hiciera el diagnóstico. En el futuro, la IA podrá ser utilizada para calcular dosis variables de anticoagulantes o nuevos factores de riesgo para infartos de miocardio o ACV.
Con todo, las técnicas de inteligencia artificial también tienen limitaciones y los especialistas sostienen que algunas están más indicadas que otras para resolver determinados problemas, ya sea con un entrenamiento previo supervisado por seres humanos, ya sea en forma automática.
Amenaza o asistencia
[column col=”2/3″]¿Son una amenaza estos sistemas inteligentes para los médicos y, específicamente, para los cardiólogos? “No lo creo”, dice Tajer. “Las computadoras inteligentes serán simplemente asistentes”. Así como el Holter utiliza un algoritmo para hacer un diagnóstico, muy pronto otras máquinas o softwares podrán sugerir estudios y estrategias para llegar a un diagnóstico y diversas opciones terapéuticas para casos complejos. “Lo más importante es que nos ayudarán a disminuir errores médicos y evitar sesgos en la atención a los pacientes”, subraya Tajer.
La mayoría de los especialistas en IA creen que estos desarrollos no reemplazarán a los médicos pero pueden ofrecerles herramientas precisas para detectar enfermedades, estratificar el riesgo y optimizar los tratamientos específicamente para cada paciente, en lo que se conoce como “medicina personalizada”.[/column]
[column col=”1/3″ last=”true”]
[/column]
Precisamente éste es uno de los objetivos del sistema Watson: comprender las diferencias que existen entre los pacientes a la hora del diagnóstico y el tratamiento. Según Hoyos, Watson no sustituirá a los médicos, quienes tendrán que seguir observando a los pacientes y alimentando a Watson con datos de calidad. “Es como el piloto automático de un avión”, compara Hoyos. “Watson no va a sustituir al piloto, pero lo ayudará en circunstancias complejas”.
La primera aplicación en Cardiología será el reconocimiento de patrones en imágenes cardiológicas (resonancia, tomografía, ecografía). El experto de IBM anticipa que las soluciones cardiológicas de Watson estarán disponibles en el corto plazo para el mercado anglosajón. Para que lleguen a Latinoamérica, será necesario que Watson aprenda cardiología en español, algo que podría ocurrir en el mediano plazo. Pero, tarde o temprano, Watson se instalará en los centros hospitalarios de la Argentina.
Como sea, Tajer advierte que “estamos en el umbral de una revolución muy compleja en medicina”. Ya no se trata de fantasías hollywoodenses al estilo de “Matrix” o “Ella” (Her). Las técnicas de IA y la computación cognitiva han llegado para quedarse, y generarán un cambio de paradigma hacia la medicina de precisión. ¿Habrá ganadores y perdedores con esta innovación tecnológica? Sin duda. “Pero somos optimistas respecto de que los pacientes, que son los que donan los datos que subyacen a los algoritmos, serán los grandes ganadores a medida de que el machine learning transforme la clínica médica”, concluyen Obermeyer y Emanuel.
