Inteligencia artificial en la salud más allá del tratamiento de imágenes

Autor: Andrés Visus, profesor de ESIC.

Se habla mucho de la inteligencia artificial y sus aplicaciones en la medicina. Habitualmente se asocia a casos —más llamativos— en los que se aplica para la detección de cánceres mediante el diagnóstico de imágenes. Por suerte, se está avanzando mucho en este ámbito y también en otros no tan conocidos de la medicina y la salud, pero que tienen un gran impacto en la sociedad.

Para afrontar con una perspectiva más amplia el potencial de la IA en la salud, hay que entender, aunque sea de una forma muy sencilla, cómo funciona el machine learning.

El machine learning es la actividad más importante de la IA y se centra en la interpretación de los datos para luego tomar decisiones. Básicamente, los modelos de machine learning buscan correlaciones y patrones en los datos, y aprenden de ellos. Con esta información son capaces de segmentar, detectar anomalías en los patrones y predecir resultados futuros.

En definitiva, aprenden de un registro histórico y, ante una nueva información, son capaces de interpretarla en función de los patrones que han identificado en los datos con los que han aprendido.

Por ejemplo, en la detección de cánceres por diagnóstico de imagen, los modelos interpretan las imágenes como datos y son capaces de reconocer patrones que se corresponden con otros casos en los que se identificó un tumor. Son capaces de 'ver' más allá que una persona por muy experimentada que sea. Empresas punteras como IBM o Google han sido grandes impulsoras de estos avances.

El COVID-19 está acelerando todo tipo de investigaciones científicas y la IA está desempeñando un papel muy relevante. A diario se hacen millones de analíticas de PCR en todo el mundo. Este tipo de pruebas de laboratorio no es algo novedoso, pero sí es crítico minimizar los falsos negativos, es decir, aquellos casos en los que se determina por error que el resultado del PCR es negativo en COVID-19.

Algunas empresas especializadas en ciencia de datos como PredictLand están desarrollando modelos de machine learning que han aprendido de registros históricos de PCR y son capaces de determinar los resultados con una precisión que las técnicas tradicionales no consiguen. Sin duda, tener la conclusión de un especialista, respaldada por soluciones de IA de este tipo aporta una rigurosidad y confianza que son vitales y nada triviales.

Más allá de identificar un positivo o un negativo, en el diagnóstico de un cáncer o una PCR, la inteligencia artificial está ayudando a predecir enfermedades neuronales monitorizando, de forma no invasiva, las constantes vitales y los comportamientos del paciente.

La científica y profesora del Massachusetts Institute of Technology (MIT), Dina Katabi, ha desarrollado una tecnología inalámbrica que detecta y registra las constantes vitales y el movimiento de una persona sin necesidad de que lleve encima ningún dispositivo. Con la información que recoge y mediante técnicas de machine learning, detecta anomalías en los patrones de comportamiento y en las constantes vitales, además de ser capaz de identificar y predecir ciertas enfermedades físicas y neurológicas.

El gráfico muestra el registro del comportamiento de una persona durante las 24 horas y a lo largo de un mes. Los modelos de machine learning analizan estos datos aportando información sumamente relevante para los especialistas, que de otro modo no podrían hacerlo con la misma precisión y capacidad de anticipación.

En definitiva, la inteligencia artificial está impulsando la propuesta de valor de los especialistas y aportando información de gran importancia para la toma de decisiones. Identifica, diagnostica y predice con una exactitud mucho mayor que la humana.

La demanda de soluciones de inteligencia artificial está creciendo a pasos agigantados, aportando nuevas oportunidades a las empresas y a la sociedad, así como abriendo la puerta a nuevos perfiles profesionales relacionados con la ciencia de datos y la IA en general.