Markus Winkler on UnsplashPor Javier Granda Revilla
Hace 20 años, Steven Spielberg y Stanley Kubrick imaginaron un futuro dominado por la inteligencia artificial. Sus predicciones no se han cumplido aún, pero la realidad es que la inteligencia llevada a cabo por las máquinas nos está ayudando en muchas facetas de nuestra vida cotidiana, incluida la medicina y, específicamente, el cáncer.
Inteligencia artificial y Oncología
José Manuel Jerez es catedrático del Departamento de Lenguajes y Ciencias de la Computación de la Universidad de Málaga. Y, como destaca, la inteligencia artificial es especialmente útil en el procesamiento de imágenes en Oncología. “El nuevo paradigma es el aprendizaje computacional, que se basa en imitar el comportamiento de redes neuronales biológicas: tiene una eficacia superior a la de los expertos clínicos en el diagnóstico de cualquier enfermedad en el que intervenga el análisis de imágenes. Por ejemplo, la tecnología de procesamiento de imágenes mejora en un 10% la eficacia del humano en el diagnóstico del melanoma.”
Otros campos que ya son una realidad, con publicaciones en revistas científicas, son los modelos de predicción de evolución de pacientes o de modelos de diagnóstico de enfermedad a partir de datos clínico-patológicos en vez de a partir de imágenes.
Todo un reto
Pero el experto advierte que el reto es trasladar este conocimiento publicado a la práctica clínica. Diferentes empresas de referencia están apostando por ello, como IBM o Google, con software que ayuda a la toma de decisiones en clínica. En España, su grupo de investigación está intentado avanzar en este sentido y así lograr mejorar la vida de los pacientes en la práctica clínica diaria.
Estamos colaborando con los servicios de Oncología de los tres hospitales de Málaga, tratando de hacer prototipos basados en los artículos publicados y que puedan usarse en cáncer de mama o de pulmón y, fuera de la Oncología, también en Oftalmología. Pero hay obstáculos al ser un abordaje novedoso, con problemas de tipo ético, como la responsabilidad cuando el algoritmo falla en sus predicciones. Deben articularse los procedimientos para validar este tipo de algoritmos inteligentes y quizá habrá que diseñar protocolos similares a los de los fármacos en los ensayos clínicos”, propone.
FUTURO PROMETEDOR
En cualquier caso, en su opinión, el futuro en cuanto a tecnología “es prometedor. Ya es presente, funciona bien y está contrastada su eficacia en las publicaciones científicas. Pero veo difícil la traslación de todo esto a la clínica diaria. Habrá herramientas con software incorporado que ayude al diagnóstico. Y modelos predictivos de evolución de tratamiento en cáncer de mama, como los que estamos desarrollando, que ayuden a saber cómo va a evolucionar una paciente en función de un determinado tratamiento”.
Descentralización de los datos sanitarios
Otra dificultad es la descentralización de los datos sanitarios en 17 comunidades autónomas. “Los algoritmos se alimentan de enormes cantidades de datos y partimos de una situación en la que los datos no se comparten entre los diferentes territorios. Si se compartieran, se favorecería el entrenamiento de estos algoritmos y que fueran más precisos, con resultados más confiables. También es complicado entrar en la sanidad pública, por sus trabas burocráticas”, destaca.
Procesamiento del lenguaje natural
Otro ámbito en el que se está trabajando es el procesamiento del lenguaje natural, que considera fundamental: todos los modelos predictivos se alimentan de datos que deben estar recogidos con cierto nivel de calidad. “Esta calidad es difícil de conseguir en la práctica clínica diaria del médico, que tiene poco tiempo de atención y lo dedica a los pacientes. Los datos vienen con cierta estructura, son los llamados ‘campos cerrados’ y se usan, por ejemplo, para establecer el tamaño del tumor. Hacer esa revisión en tiempo real, con el paciente delante, es imposible. Al final, el clínico tiende a escribir el diagnóstico en texto abierto y la información relevante se encuentra ahí, por lo que la inteligencia artificial y el procesamiento de lenguaje natural proporcionan una serie de herramientas y técnicas que permiten analizar esa información sin estructura y encontrar los patrones adecuados y los factores pronósticos de la enfermedad que pueden utilizarse luego en los modelos predictivos”, describe.
DATOS DE CALIDAD
Pero aquí surge otro problema al pre-procesar la información, porque para enseñar modelos son necesarios datos de calidad. Numerosas empresas están centradas en solucionarlo, junto con el análisis de imágenes. En el caso del profesor Jerez, su trabajo se basa en la detección de factores pronósticos en la historia clínica electrónica: el tamaño del tumor, el número de ganglios de la axila afectados o si la paciente tiene metástasis, una información que puede que el médico no haya marcado.
“Una vez que el médico termina su informe, nosotros tratamos de automatizar la lectura de ese informe y extraer esos factores pronósticos que consideramos clave para predecir la evolución de la paciente. Toda esta tecnología es ya una realidad, pero se debería invertir en la traslación a la práctica clínica y en la gestión de los recursos, aunque me consta que las diferentes administraciones comienzan a tenerlo en cuenta”, anuncia.
¿Cuánto cuesta?
La siguiente pregunta que se plantea es cuánto dinero cuesta implantar esta tecnología y cuánto ahorra a los sistemas de salud al detectar la enfermedad de manera precoz. Para el experto, el balance es claramente positivo, porque se mejora tanto el diagnóstico como el tratamiento del cáncer.
“El problema es cómo transferir esta tecnología a los sistemas sanitarios. Y se está haciendo con colaboraciones puntuales del entorno académico, como el nuestro, junto a grupos clínicos concretos en diferentes comunidades autónomas. Hay muchos grupos de investigación en computación trabajando en esta línea y muchos clínicos interesados en usar esta tecnología. Por ejemplo, nosotros tenemos un proyecto con el grupo de Real World Data (datos del mundo real) de la Sociedad Española de Oncología Médica (SEOM) en el Hospital de León para diseñar prototipos que podamos aplicar en otros hospitales. Pero nos encontramos con trabas administrativas, por lo que los grupos colaborativos van a tener mucho que decir. Espero que en los próximos diez años se produzca una digitalización de todas las tareas. Y también de la salud”, destaca.
¿Interesa incorporar esta tecnología a las consultas?
¿Puede haber reticencias de los oncólogos para incorporar esta tecnología a sus consultas? La experiencia del profesor Jerez es que “colaboran y hay un interés claro, ya que ellos mismos lo financian a través de fondos de investigación. Hay mucho interés también en SEOM por los algoritmos que diseñamos. La gente puede preguntarse por qué aquí: pues porque nosotros tenemos en Málaga un sistema de información específico y queremos ser, a escala nacional, una especie de laboratorio de diseño de algoritmos. Y que podamos probar- los y validarlos con datos diferentes de los de la población malagueña, que es un aspecto clave”.
AYUDA AL DIAGNÓSTICO
El doctor Ricardo Cubedo es oncólogo y responsable de la Unidad de Consejo Genético de la clínica MD Anderson Cancer Center de Madrid. Coincide en que “lo lógico” es que la inteligencia artificial se incorpore al campo del diagnóstico por la imagen, “como el diagnóstico de anatomía patológica, de radiología o de diagnóstico cardiológico. Pero no es lógico que no se haya incorporado aún a la medicina cuando ya está lo suficientemente desarrollada. En un futuro, puede ayudarnos a pronosticar y saber qué paciente va a recaer y qué paciente va a tener una buena o mala respuesta al tratamiento o un efecto adverso. Nosotros lo hacemos con muy pocos datos, como el tamaño y localización del tumor o la edad. La ventaja de estos sistemas es que pueden absorber miles y miles de datos, y ni se nos ocurre que muchos de ellos pueden tener influencia. Y muchos de ellos pueden tomarse de su teléfono móvil, pero los pacientes tendrían que acceder a prestarlos”.
¿Robot o médico?
Otro aspecto que considera clave es que habrá que detallar los procesos a los pacientes “para que no crean que les trata un robot en vez de un médico. Pero se impondrá y viene para quedarse porque los costes son asumibles. Cuanto más se use y más datos se procesen, más barato será, como ha pasado con todas las tecnologías de la información”, explica.
¿Se escucha al paciente?
Por último, queda la incógnita de si se escucha al paciente en este proceso. El profesor Jerez admite que “todavía no. Estamos centrados en los requisitos éticos, morales y legales para aplicar esta tecnología, que se están regulando. Pero el paciente oncológico tendrá que acabar dando su opinión sobre este tema, ya que en el futuro deberá ser consciente de que se le está diagnosticando y tratando mediante este tipo de herramientas. Creo que será algo muy parecido a lo que se hace ahora en un ensayo clínico”.
Dejar un comentario
¿Quieres unirte a la conversación?Siéntete libre de contribuir!