Dra. Kara L. Davis, de la unidad de pediatría de la Universidad de Stanford: “La inteligencia artificial ya nos dice qué pacientes con leucemia recaerán”

El big data, la inteligencia artificial y el machine learning están multiplicando sus aplicaciones en el campo de la medicina para mejorar los diagnósticos y los tratamientos de los pacientes. Para analizar el impacto de estas tecnologías en distintas especialidades, la Fundación Ramón Areces y Springer-Nature han reunido hoy en Madrid a algunos de los expertos más punteros en el uso de estas herramientas dentro de la jornada Inteligencia artificial aplicada a la Biomedicina. Lo que nos depara el futuro. En este foro, la doctora Kara L. Davis, del departamento de pediatría del Centro Bass del Instituto de Investigación de Salud y del cáncer y leucemias infantiles de la Universidad de Stanford, ha presentado los resultados de un proyecto en el que la inteligencia artificial ayudó a predecir la probabilidad de recaída en pacientes con leucemia infantil y contribuyó a diseñar tratamientos más eficaces para esta enfermedad. “En nuestro grupo, el uso del machine learning nos ha ayudado a establecer para el caso de la leucemia qué población celular es la más importante, tanto para entender biológicamente la enfermedad, como para dilucidar las dianas terapéuticas a las que dirigir el tratamiento y así mejorar los resultados de los pacientes. Al centrar nuestra atención en las células más importantes, podemos desarrollar mejores modelos pronósticos y tratamientos más precisos para prevenir la recaída en niños con leucemia”, ha asegurado.

Para Davis, la integración de la inteligencia artificial en la investigación médica “permitirá nuevas formas de tomar decisiones sobre el pronóstico de los pacientes y su tratamiento, y así ayudarnos a acercarnos a la medicina de precisión”. Para esta doctora de la Universidad de Stanford, la inteligencia artificial también puede ayudar a que el sistema sanitario y la atención médica sean más eficientes. “Al enseñarnos las pruebas diagnósticas más interesantes para cada patología, se pueden agilizar los complejos exámenes y los diagnósticos redundantes o no informativos, e invertir de esta forma menos tiempo y dinero”. A su juicio, esto no significa que cada hospital o sistema sanitario requiera de complicados algoritmos o equipos para utilizar la inteligencia artificial, sino que “el aprendizaje de las características clave de los ensayos clínicos o estudios traslacionales, a través de modelos basados en la inteligencia artificial, proporcionarán información muy valiosa para el desarrollo de pruebas diagnósticas y pronósticas que se puedan realizar a gran escala”.

La doctora Erika Pastrana, editora ejecutiva de Nature Research con sede en Nueva York, ha recordado en la presentación de este ciclo cómo “estudios recientes han demostrado la utilidad de aplicar inteligencia artificial para el diagnóstico de distintas enfermedades como el cáncer, las enfermedades cardiovasculares y las retinopatías. En estos casos, los algoritmos han aportado resultados tan buenos o incluso mejores que los estándares establecidos por expertos”. De hecho, la agencia reguladora del medicamento americana (FDA) ha aprobado el uso de la inteligencia artificial en varios campos de la medicina. “Es de esperar que estas técnicas tengan un efecto significativo en la práctica de la medicina en el siglo XXI”, ha adelantado Pastrana.

Monitorización excesiva

Por su parte, José Hernández-Orallo, catedrático del departamento de sistemas informáticos y computación de la Universidad Politécnica de Valencia, ha aprovechado su presencia en este XI ciclo de conferencias de la Fundación Ramón Areces y Springer-Nature para explicar por qué muchas disciplinas científicas, y en particular la Biomedicina, se están redefiniendo como ciencias basadas en los datos y lo que supone este cambio para el futuro de la salud. “La Biomedicina es un ámbito donde se dan ciertas características que son propicias para la aplicación de la inteligencia artificial y la ciencia de datos, pero también hay ciertos aspectos que deben ser resueltos para una aplicación realmente beneficiosa (equidad, privacidad, regulación…)”, ha afirmado. Al mismo tiempo, ha destacado los riesgos de caer en una “monitorización excesiva” por la creciente sensorización y realización de pruebas de todo tipo que incluyen desde analíticas, imagen médica, genética, muestras de tejidos… Preguntado por el tipo de tareas que terminarán asumiendo las máquinas, ha respondido que “todas”, que será “cuestión de tiempo” y que “la única limitación a largo plazo será ver si los seres humanos queremos que algunas tareas no las asuman las máquinas”.

¿Cuándo se producirá entonces este cambio? “Es muy difícil predecirlo y depende mucho de la tarea. En los últimos 10 o 20 años han cambiado radicalmente las valoraciones sobre qué era fácil o difícil para la inteligencia artificial y del mismo modo pueden volver a cambiar en unos pocos años. Ahora se suele decir que todas las tareas que se pueden hacer más o menos inconscientemente (en menos de un segundo), son automatizables si existen suficientes datos. Sin embargo, las tareas que requieren sentido común o razonamiento más complejo, no lo son”. Hernández-Orallo, autor de The measure of all minds (Cambridge University Press) ha añadido que asistiremos a “una revolución copernicana en la que veremos la inteligencia humana (y, en general, la biológica) como un caso particular en una diversidad de tipos de inteligencia que se crean artificialmente. La inteligencia humana dejará de ser la medida de las demás”, ha concluido.

El debate ético

De la ética en la aplicación de todas estas tecnologías ha hablado el doctor Tarek R. Besold, director del laboratorio de inteligencia artificial Alpha Health de Telefónica con sede en Barcelona. Ha considerado que para garantizar la viabilidad futura de la inteligencia artificial en la sociedad es necesario implantar ahora estos nuevos sistemas de manera que no solo sean eficientes sino que satisfagan los requerimientos éticos necesarios. “Construir una inteligencia artificial ética es difícil, pero es posible. Esto incluye características que protejan la privacidad y el control de los datos del usuario”. Así, ha recordado cómo la comunidad de inteligencia artificial está inmersa en estos momentos en una discusión muy importante sobre los fundamentos teóricos de los valores a los que debe adherirse la inteligencia artificial: “Ha llegado el momento de poner en práctica estos principios desarrollando y entregando esta tecnología ética a los usuarios. Especialmente en sectores como la salud y el bienestar, la confianza de los usuarios en los sistemas de inteligencia artificial/machine learning es clave. Esta confianza debería basarse en características objetivas y abiertas al escrutinio público en lugar de intentar simplemente `calmar´ las preocupaciones de los usuarios”, ha asegurado este científico de datos.

Robótica inteligente

En este ciclo también ha intervenido la Dra. Jamie Paik, directora del Laboratorio de Robótica Reconfigurable de la École Polytechnique Fédérale de Lausanne. Paik ha presentado algunos avances recientes en el campo de la robótica flexible y su potencial uso en aplicaciones humanas. “El campo de la robótica inteligente ha progresado rápidamente en los últimos años por la yuxtaposición de los avances en ingeniería robótica y algorítmica”, ha explicado. Durante su presentación, esta investigadora ha mostrado cómo el campo de la robótica está centrado en desarrollar interfaces de máquina-humano con distintas aplicaciones en el campo de la salud. La Dra. Paik, antes de dirigir este laboratorio en Lausanne trabajó en la Universidad de Harvard y desarrolló brazos y manos robóticos humanoides. Su laboratorio está especializado en el desarrollo de materiales inteligentes y su aplicación para la fabricación de robots con aplicaciones con fines médicos.