Tercer Milenio
En colaboración con ITA
¿Reemplazará la inteligencia artificial a tu médico?
Los algoritmos de inteligencia artificial también están en el diagnóstico de enfermedades, el diseño de nuevos fármacos o la investigación biomédica.
En los últimos tiempos proliferan las noticias sobre el potencial de la inteligencia artificial (IA). La presentación en sociedad de Chat GPT, hace poco más de un año, y de otras aplicaciones similares basadas en algoritmos de IA, ha puesto el foco sobre el beneficio y riesgo del uso de estas tecnologías en distintos ámbitos de nuestras vidas, y también sobre la necesidad de su regulación.
Uno de los campos en los que la inteligencia artificial ha empezado a aplicarse con éxito es la medicina, por ejemplo, como ayuda al diagnóstico o para el diseño de nuevas terapias. No obstante, esta tecnología tiene limitaciones y su uso acrítico podría comportar riesgos para los pacientes. Repasamos aquí algunas de las principales aplicaciones médicas, presentes y futuras, de la inteligencia artificial.
La inteligencia artificial es la tecnología que permite a los ordenadores imitar algunas de las habilidades del cerebro humano como el aprendizaje, la comprensión del lenguaje y la toma de decisiones. Gracias a esta tecnología podemos hacer que una computadora aprenda de la experiencia y realice tareas, resuelva problemas y tome decisiones como lo haría una persona, incluso de forma más rápida y eficiente. Y todo ello sin intervención humana constante: una IA puede aprender por ella misma e ir mejorando con el tiempo. No es de extrañar entonces que este potencial encuentre aplicaciones en el campo médico.
Los algoritmos de IA son capaces de procesar grandes cantidades de datos procedentes de las historias clínicas electrónicas de los pacientes. Esta habilidad es muy útil para la investigación biomédica, pero también puede ayudar al diagnóstico y a la prevención de enfermedades. A partir de los datos clínicos, las herramientas de IA pueden entrenarse para reconocer patrones específicos asociados a enfermedades o incluso descubrir nuevos patrones.
El tipo de datos médicos que la IA procesa es muy diverso. Comprende imágenes médicas como radiografías, tomografías computarizadas o resonancias magnéticas, imágenes microscópicas de tejidos, fotografías de la piel o de distintas partes del ojo. También datos de las historias clínicas como diagnósticos, tratamientos, medicación o signos vitales, y resultados de pruebas de laboratorio como los habituales análisis de sangre y de orina. De igual modo, se pueden procesar datos genéticos, de dispositivos de monitoreo continuo (como monitores cardíacos y de glucosa) o de dispositivos conectados como los relojes inteligentes que registran la actividad física, el sueño y otros parámetros relevantes para la salud.
Un sinfín de aplicaciones
En medicina, la inteligencia artificial podría revolucionar la forma en que se diagnostican y tratan las enfermedades. Se está estudiando su potencial para aumentar la precisión y rapidez de los diagnósticos, para prever la evolución de las enfermedades y detectar de forma temprana cambios en la salud de los pacientes; también para predecir la respuesta de un paciente a un tratamiento específico y así poder personalizar las terapias. La IA también puede jugar un papel clave acelerando los tiempos de la investigación biomédica y farmacológica, por ejemplo, aplicada a la búsqueda de nuevas dianas terapéuticas y al desarrollo de nuevos fármacos. Y en los hospitales, puede emplearse para mejorar los procesos de gestión y administración de los sistemas de salud y, en áreas como la telemedicina, como herramienta de asistencia virtual.
A pesar de su potencial, los usos de la IA en la medicina plantean una serie de retos de índole metodológica y ética. Entre las preocupaciones que esta tecnología suscita están la transparencia de los algoritmos y sus sesgos, la privacidad de los datos, y la equidad en el acceso a la tecnología.
Muchos modelos de inteligencia artificial son difíciles de interpretar, especialmente los basados en las denominadas redes neuronales profundas. Estos algoritmos carecen de transparencia, porque no sabemos cómo toman decisiones y ello puede generar desconfianza por parte de los profesionales de la salud y los pacientes. Para que las herramientas de inteligencia artificial puedan ser aceptadas y adoptadas, es crucial poder explicar las razones detrás de un diagnóstico. Finalmente, estas herramientas deben pasar por ensayos clínicos rigurosos como cualquier otro dispositivo médico y demostrar su eficacia y seguridad antes de ser ampliamente adoptado.
Algoritmos que no reflejan la realidad
La calidad de los resultados de la IA depende en gran medida de la calidad y representatividad de los datos con los que ha sido entrenada. Si en ellos están poco representados determinados grupos de pacientes por razón de su origen, sexo, edad, o nivel socioeconómico, estos sesgos se verán reflejados en el comportamiento de la IA. Por ejemplo, si los datos proceden principalmente de hombres blancos y de una determinada edad, el modelo puede que no sea aplicable a otros pacientes, en los que no será tan preciso y podría conducir a diagnósticos erróneos y recomendaciones inapropiadas. Es el caso de algunos algoritmos diseñados para identificar cáncer de piel a partir del análisis de biopsias, que identificaban peor las lesiones en pacientes de piel oscura.
Los algoritmos también pueden verse afectados por sesgos si el conjunto de datos utilizado no refleja bien todas las características de la enfermedad y sus subtipos. En estos casos, el modelo puede no ser generalizable a lo que ocurre en el mundo real y se deberán desarrollar nuevos algoritmos entrenados con conjuntos de datos más representativos. La IA a menudo tampoco entiende el contexto clínico completo de un paciente: su historial médico previo y otros factores relevantes que el médico sí tiene en cuenta para realizar un diagnóstico preciso. Y si aparecen variantes o formas atípicas de la enfermedad, no presentes durante el entrenamiento, el algoritmo también se equivocará.
Diagnóstico de enfermedades
La aplicación de la IA se está estudiando como herramienta de diagnóstico en distintas áreas de la medicina como la cardiología, la oftalmología, la dermatología, la oncología o la anatomía patológica. Esta última estudia las causas, el desarrollo y los efectos de las enfermedades a partir de las alteraciones estructurales que se producen en las células y los tejidos de nuestro cuerpo, y que son detectadas, por ejemplo, con un microscopio en una biopsia. Las preparaciones citológicas (de células) o histológicas (de tejidos) pueden ser escaneadas y digitalizadas y, por ello, son susceptibles de analizarse con IA.
En anatomía patológica se han desarrollado herramientas de IA para el diagnóstico de enfermedades como la hepatitis B y en oncología se ha explorado su utilidad para detectar algunos cánceres como mama, próstata, estómago o colon.
En 2020 investigadores del Reino Unido y de Estados Unidos, en colaboración con Google, desarrollaron un sistema de IA basado en el algoritmo Deep Mind que era capaz de superar a expertos radiólogos en la detección del cáncer de mama a partir de mamografías en etapas tempranas de la enfermedad, cuando los tratamientos pueden ser más efectivos. Ese mismo año, investigadores de la Universidad de Pittsburgh desarrollaron un algoritmo que identificaba con una alta precisión los tumores de próstata a partir de imágenes de biopsias.
En el campo de la oftalmología, la IA se ha aplicado para diagnosticar la retinopatía diabética, una complicación ocular que puede causar pérdida de visión y ceguera en personas con diabetes si no se detecta a tiempo.
En 2018, la Administración de Medicamentos de los Estados Unidos aprobó la primera herramienta autónoma de diagnóstico basada en IA. Se trata de IDx-DR (actualmente Luminetics Core), un programa que detecta la presencia de retinopatía diabética en imágenes de la retina. El algoritmo de aprendizaje profundo fue concebido por Michael Abramoff, oftalmólogo y experto en inteligencia artificial de la Universidad de Iowa, que lo diseñó para poder ser utilizado en el entorno de la atención primaria por técnicos con una formación mínima en oftalmología que se encargan de escanear las retinas de los pacientes. Si el resultado es positivo, se deriva al paciente a la consulta del oftalmólogo para una evaluación clínica en profundidad, mientras que si es negativo, la prueba se repite al cabo de un año.
En oftalmología, las imágenes son esenciales para diagnosticar las enfermedades y seguir su evolución. Por este motivo, se están desarrollando y estudiando múltiples aplicaciones de la IA para diagnosticar otras enfermedades oculares como por ejemplo las cataratas, el glaucoma y la degeneración macular asociada a la edad.
Sin embargo, no todo el monte es orégano. En 2021, investigadores de la Universidad de Washington, en Seattle, examinaron siete algoritmos de IA diseñados para detectar la retinopatía diabética y vieron que, en condiciones habituales de uso, solo uno superaba el criterio de los médicos. Resultados como este ponen de manifiesto que para que los algoritmos de aprendizaje profundo puedan diagnosticar enfermedades oculares con un rendimiento comparable al de los especialistas clínicos todavía queda mucho trabajo por hacer.
Medicamentos diseñados con IA
De media, el desarrollo de un nuevo medicamento tarda más de una década en completarse. Actualmente, la inteligencia artificial se aplica para reducir este tiempo y la gran cantidad de dinero que los laboratorios destinan a esta tarea. Aunque todavía tardarán en llegar al mercado, los primeros fármacos desarrollados con IA ya están siendo estudiados en ensayos clínicos para determinar si funcionan y son seguros.
Para cada nuevo fármaco que aterriza en el mercado primero deben evaluarse en el laboratorio centenares de moléculas, la mayoría de ellas sin éxito. La IA puede ayudar a localizar en nuestro cuerpo las dianas terapéuticas más apropiadas, diseñar los fármacos que interactúen con ellas y determinar los subgrupos de pacientes que responderán mejor a un medicamento específico.
Por ejemplo, se emplea el procesamiento de lenguaje natural para extraer datos de los extensos archivos de publicaciones científicas y encontrar relaciones entre ellos que permitan identificar potenciales dianas para tratar una enfermedad. Y se usan algoritmos de aprendizaje automático (en inglés ‘machine learning’) para analizar cantidades ingentes de datos químicos y construir modelos que predigan cómo se comportará un determinado fármaco en nuestro cuerpo. De esta forma, la IA ayuda a seleccionar los mejores candidatos de entre un sinfín de compuestos y así se ensayan en el laboratorio solo los compuestos más prometedores. También se emplea para diseñar nuevas moléculas o modificar las existentes para que encajen como un guante con su diana: por ejemplo en el caso de anticuerpos que bloquean proteínas responsables de un cáncer. Todo este trabajo, que ahora se realiza con ordenadores, antes llevaba meses y años de laboratorio y ocupaba a un gran número de investigadores.
-Ir al suplemento Tercer Milenio
Apúntate y recibe cada semana en tu correo la newsletter de ciencia
