El Observatorio Vodafone de la Empresa


¿Confiaría en un algoritmo para diagnosticar una enfermedad?

NELL LEWIS


¿Confiaría en un algoritmo para diagnosticar una enfermedad?

Según Morgan Stanley , a medida que crece el mercado global de inteligencia artificial (IA) en el campo de la atención médica, que se espera aumente de 1.300 millones de dólares estadounidenses en 2019 a 10.000 millones en 2024, parece que tendremos que hacerlo. El aprendizaje profundo es un aspecto de la IA que emula las redes neuronales del cerebro. Puede analizar capas complejas de información e identificar anormalidades o tendencias en imágenes médicas.

IA y oftalmología

Los datos de diagnóstico tienen un gran impacto en cómo los exoesqueletos y las prótesis biónicos ayudan a las personas a caminar después de una lesión. Pearse Keane, oftalmólogo en la clínica oftalmológica Moorfields, descubrió el potencial del aprendizaje profundo hace cinco años. “Nos estamos ahogando en la cantidad de pacientes que tenemos que visitar y hay personas que pueden perder la vista de manera irreversible porque no se las puede visitar y tratar con la suficiente rapidez”, explicó a CNN Business.

Pensó que aplicar esta tecnología a los escáneres de tomografía de coherencia óptica (OCT) ayudaría a priorizar a pacientes con enfermedades que pudieran suponer una amenaza para la vista. Junto con DeepMind, un centro de investigación en IA propiedad de Google (GOOGL) y con sede en Reino Unido, desarrolló un algoritmo que, utilizando la información de 14.884 escáneres de retinas, puede ofrecer un diagnóstico detallado en aproximadamente 30 segundos.

Puede detectar 50 problemas oculares diferentes, como el glaucoma, la retinopatía diabética y la degeneración macular asociada con la edad, clasificar su gravedad y recomendar la urgencia con la que se debe derivar a los pacientes para que reciban atención médica.

Los primeros resultados del sistema, publicados en la revista Nature Medicine, muestran que es tan exacto como destacados especialistas y que es capaz de identificar correctamente los tipos de problemas oculares en el 94.5% de los casos.

Sin embargo, antes de que esta técnica pueda utilizarse en la clínica oftalmológica Moorfields y en muchas otras, debe completar el largo proceso de aprobación regulatoria y de ensayos clínicos. “Estamos muy entusiasmados con la IA”, dice Keane, “pero es importante ser prudentes. Sabemos que tiene un gran potencial, pero podría no funcionar en todos los casos”.

Mejoras en la fecundación in vitro

Los científicos del centro de investigación Weill Cornell Medicine también utilizan algoritmos de aprendizaje profundo para ganar tiempo e identificar qué embriones tienen más posibilidades de convertirse en un embarazo saludable durante la fecundación in vitro.

El algoritmo, denominado Stork, analiza imágenes de embriones en etapas tempranas, hechas en intervalos de tiempo, y es capaz de discriminar entre embriones de mala y buena calidad. Según el trabajo de investigación publicado en NPJ Digital Medicine, este algoritmo tiene una precisión del 97%.

Normalmente, este proceso se hace de forma manual y son los embriólogos quienes, a través de múltiples imágenes, se encargan de clasificar los embriones según su calidad para decidir cuáles implantar primero. “La clasificación de los embriones por humanos es un trabajo muy subjetivo”, explicó a CNN Business Nikica Zaninovic, embrióloga del Centro de Medicina Reproductiva del Weill Cornell Medicine. “El uso de IA para clasificar los embriones significa que podemos fijar unos ciertos criterios de estandarización.”

Esta herramienta también tendría un impacto positivo en el proceso de fecundación in vitro en su conjunto. Podría mejorar la tasa de éxito, minimizar el riesgo de embarazos múltiples y ayudar a reducir el coste del procedimiento, dice Zev Rosenwaks, director del Centro de Medicina Reproductiva del Weill Cornell Medicine. Actualmente, la herramienta solo está disponible para los embriólogos del Weill Cornell Medicine de forma experimental. Se espera que se pueda utilizar en mayor media “en el próximo año o el siguiente”, dice Zaninovic.

Predicción del riesgo de cáncer

Una iniciativa del laboratorio de informática del MIT y AI Lab puede predecir a partir de una mamografía si es probable que una paciente desarrolle cáncer de mama en el futuro.

El modelo, con información de mamografías de 60.000 mujeres, aprendió patrones en el tejido mamario que son precursores del cáncer pero que son demasiado sutiles para que el ojo humano los detecte. Superó a los enfoques existentes y clasificó al 31% de todos los pacientes con cáncer en la categoría de mayor riesgo en comparación con el 18% de pacientes que se clasificaban en esa categoría utilizando métodos tradicionales. “Me interesaba crear un modelo que pueda identificar el riesgo futuro de cáncer”, explicó Regina Barzilay, profesora del MIT y autora principal del estudio publicado en Radiology sobre el proyecto.

Como sobreviviente de cáncer de mama, posteriormente utilizó esta tecnología a sus propias mamografías. “Descubrí que ya tenía cáncer de mama dos años antes de que me lo diagnosticaran”, explicó. Con 43 años en ese momento y sin antecedentes de cáncer de mama en la familia, nunca se había considerado una paciente de riesgo. Pero pautas como estas no son fiables, explica, solo entre el 15% y el 20% de los casos de cáncer de mama son congénitos, según un estudio del Journal of Medical Genetics.

El uso de IA podría ayudar a identificar a las mujeres en riesgo y ayudarlas a tomar medidas preventivas. “En sus primeras etapas, el cáncer es una enfermedad tratable… Si podemos diagnosticar a muchas más mujeres con suficiente antelación y prevenir su enfermedad o tratarlas en las primeras etapas, tendría un gran impacto”, afirmó Barzilay.

El modelo se utiliza en el Hospital General de Massachusetts, y están en conversaciones con otros hospitales en todo el país e internacionalmente, dice Barzilay.