LA INTELIGENCIA ARTIFICIAL EN LA DETECCIÓN DEL CÁNCER

Hoy en día, cuando acudimos al médico por alguna dolencia, es muy normal que nos hagan distintas pruebas: desde una analítica, una radiografía o pruebas más específicas y complejas. Todas estas pruebas, en conjunto con nuestro historial médico, suponen una gran cantidad de información, que si se emplea bien, puede ser muy útil a la hora del diagnóstico. Es aquí donde la inteligencia artificial ha empezado a jugar un papel importante en la medicina, convirtiéndose en un gran aliado para los médicos.

Muchas veces, cuando escuchamos el término “inteligencia artificial” nos imaginamos a robots con forma humana que pueden realizar las mismas actividades que nosotros, y que en un futuro podrían acabar con la humanidad (sí, yo también he visto Yo Robot, de Will Smith). Pero afortunadamente esto no es así.

¿Qué es realmente la inteligencia artificial?

La inteligencia artificial son algoritmos informáticos con los que pretendemos que a base de prueba y error el ordenador pueda llegar a hacer deducciones al igual que las hacemos los seres humanos, incluso mejor. Valiéndose de esta gran herramienta, muchos científicos intentan desarrollar algoritmos que nos permitan diagnosticar enfermedades a partir de toda la información que tenemos del paciente.

“Por ejemplo, existen algoritmos de inteligencia artificial que mediante la radiografía del paciente pueden detectar si este sufre cáncer o no, cuando el médico a simple vista observando la radiografía no puede detectarlo.”

Pero estos algoritmos no sólo se pueden servir de bases de datos o imágenes, también existe un tipo de inteligencia artificial que es mediante el procesamiento del lenguaje natural, en inglés “Natural Language Processing (NLP)”. Estos algoritmos son capaces de extraer información a partir del lenguaje escrito, y esto puede ser de gran utilidad en el campo de la medicina. Imaginemos que estos algoritmos tienen acceso a las historias clínicas electrónicas de los pacientes y de esta manera  pueden  extraer los conceptos médicos de manera directa. Esto de por sí ya es una gran avance, ya que nos permite la extracción automática de datos médicos de distintos pacientes de distintos centros de salud. Pero la cosa no termina aquí, y es que esta información médica extraída gracias al procesamiento del lenguaje natural puede sernos también útil para hacer futuras predicciones sobre la salud de los pacientes.

Todo esto es una noticia extraordinaria y muy esperanzadora para la medicina.

Os preguntaréis ¿y cómo se hace esto?

Lo primero de todo y normalmente lo más complicado, y lo que más tiempo y esfuerzo consume, es conseguir una muestra representativa de la población que queremos estudiar. Y que sea lo suficientemente grande para poder entrenar al algoritmo.

Una vez tenemos esta muestra, los investigadores la dividen en 3 grupos:

1) Entrenamiento: se utiliza para probar distintos modelos candidatos de inteligencia artificial.

2) Afinación: se emplea para elegir el modelo que parece tener mejor rendimiento.

3) Prueba: se utiliza para evaluar el rendimiento del modelo escogido.

Aunque muchos grupos de investigación están desarrollando algoritmos de inteligencia artificial para la detección de distintas enfermedades y estos algoritmos resultan tener una gran capacidad de detección en los estudios, puede costar implementarlos en la práctica clínica.

¿Por qué puede costar implementar estos algoritmos en la práctica clínica?

Uno de los principales hándicaps que se encuentran los investigadores a la hora de implementar su algoritmo en la práctica clínica es el sesgo de selección. Es decir, la muestra de pacientes que han utilizado para llevar a cabo el experimento no es del todo representativa del resto de pacientes con esa patología. Y es que aunque al realizar la investigación el investigador intenta obtener una muestra de los más representativa posible, muchas veces esto es difícil.

Es por esto que es importante validar los resultados obtenidos con una muestra externa independiente.

¿Y entonces qué?     

Para poder hacer frente al hándicap del sesgo de selección, el aliado principal y más efectivo que tienen los investigadores son los consorcios/colaboraciones. Es decir, aliarse entre los distintos grupos de investigación que trabajan con la misma enfermedad para conseguir muestras externas e independientes, y es que reclutar pacientes para un estudio es una tarea costosa, tanto a nivel de tiempo como económico. Además, la cosa se complica más aun cuando el investigador trabaja con enfermedades menos comunes, en estos casos es todo un desafío conseguir una buena muestra representativa de la enfermedad. Esto hace que las colaboraciones entre distintos grupos de investigación sean necesarias, ya que permiten aunar esfuerzos entre ellos, trabajando conjuntamente y permitiendo obtener las muestras de una manera más eficaz.

A día de hoy son cada vez más los investigadores que trabajan con modelos de inteligencia artificial, pero para poder pasar de los resultados de los artículos científicos a la práctica clínica hace falta una mayor colaboración entre los distintos grupos de investigación. Esto permitirá a los investigadores validar sus resultados en muestras externas a su investigación. Por lo tanto, no es de extrañar que en los próximos años nos sea muy común encontrarnos a los médicos trabajando con algoritmos de inteligencia artificial en su consulta como un aliado más para nuestra salud. Podríamos decir que la inteligencia artificial está llamando a la puerta de la consulta de los médicos y ha venido para quedarse.

Jon Frias-Gomez

IDIBELL