Gracias a su enorme capacidad de procesamiento de datos y patrones, los programas de inteligencia artificial (IA) ya están siendo muy útiles, entre otras tareas, en el diagnóstico y detección temprana de tumores, en la distinción de virus y en la investigación de proteínas. En el ámbito biomédico y biotecnológico, su “aprendizaje profundo” (deep learning) no ha hecho más que dar los primeros pasos.
No sorprendió que, entre los diez científicos más destacados de 2023, la revista Nature eligiera a Ilya Sutskever, cofundador y director científico de OpenAI, la empresa del conocido ChatGPT, que un año antes había irrumpido estrepitosamente en nuestras vidas. En cambio, sí extrañó que en esa lista figurara, por primera vez, un científico no humano: el propio ChatGPT.
Y entre los avances médicos de 2023 que seleccionó la revista National Geographic estaba una nueva herramienta de IA, desarrollada por investigadores de la Facultad de Medicina de Harvard y la Universidad de Copenhague, que detecta con hasta tres años de anticipación el cáncer de páncreas, uno de los tumores más veloces y letales. El estudio se había publicado en mayo en la revista Nature Medicine. El algoritmo de IA se entrenó con dos conjuntos de datos que sumaban 9 millones de registros de pacientes de Dinamarca y Estados Unidos.
Es un ejemplo de los muchos que se han ido desarrollando en los últimos años, antes incluso de la llegada del GPT (Generative Pretrained Transformer). Sus perspectivas son tan prometedoras que los editores de The New England Journal of Medicine (NEJM), considerada la mejor publicación médica del mundo, inauguraron en enero pasado una revista específica, NEJM AI, que, bajo la dirección de Isaac S. Kohane, catedrático y jefe del Departamento de Informática Biomédica de la Universidad de Harvard, explorará los avances, perspectivas, oportunidades y tendencias futuras de la IA en el ámbito de la medicina.
Ayuda al diagnóstico
En una revisión publicada el año pasado en ScienceDirect, Partha Pratim, de la Universidad india de Sikkim, enumeraba algunas posibilidades de la IA en medicina: diagnóstico de afecciones mediante el análisis de los datos, el historial médico y los síntomas del paciente; planes de tratamiento personalizados; generación de resúmenes científicos; información y consejos médicos comprensibles; comunicación e intercambio de información entre los profesionales; clasificar a los pacientes según la urgencia de sus afecciones y definir el curso de acción apropiado; y desarrollo de nuevos métodos para la formación médica.
Por ejemplo, estos programas de IA sintetizan de forma inteligible un abstruso informe hematológico repleto de siglas y cifras, redactan artículos científicos, corrigen errores estadísticos, distinguen en una radiografía si se trata de una neumonía o una infección por covid, localizan plagios y hasta han aprobado con notable el examen MIR.
España se va sumando poco a poco a este torbellino tecnológico. Así, el covid-19, que sigue presente aunque menos virulenta, ha impulsado un sistema de detección que se utiliza en los hospitales 12 de Octubre y Ramón y Cajal de Madrid, y en el San Pablo de Barcelona. La aplicación, desarrollada por Capgemini, mejora la precisión diagnóstica en la lectura de radiografías de tórax en pacientes con sospecha de covid: del 71% de los modelos anteriores al 89%.
La inteligencia artificial ha permitido encontrar el primer antibiótico eficaz en sesenta años
El hospital Ramón y Cajal dispone también de un sistema de IA que predice con un 80% de precisión la probabilidad de que un paciente sea readmitido en los próximos 30 días. El Clínico de Barcelona ha incorporado un chatbot que responde preguntas frecuentes sobre citas, admisiones, resultados de pruebas y otros servicios del hospital, reduciendo el trabajo administrativo y mejorando la experiencia del paciente. El hospital madrileño La Paz ha implantado otro sistema ‘inteligente’ que facilita a los radiólogos el diagnóstico del cáncer de pulmón. En el hospital Valle de Hebrón de Barcelona hay una plataforma de IA que ayuda a los profesionales de la salud mental a diagnosticar y tratar pacientes con depresión y ansiedad, así como un sistema que identifica pacientes con riesgo de desarrollar sepsis. Y el Hospital Gregorio Marañón (Madrid) cuenta, entre otras, con una herramienta para el diagnóstico de enfermedades raras y un sistema de predicción de complicaciones en pacientes quirúrgicos.
Colaboración público-privada
La colaboración público-privada está siendo esencial en estos avances. En febrero de este año la herramienta Flu-Copilot, desarrollada por la plataforma canadiense Arkangel Ai, ganó la convocatoria “Pediatric Innovation Challenge Program” impulsada por AstraZeneca y i4KIDS, con la coordinación del Hospital San Juan de Dios, de Barcelona. Flu-Copilot proporciona información esencial sobre la gripe pediátrica, facilita el acceso a datos precisos, agiliza la programación de citas y mejora las tasas de vacunación en un 20%.
Y Rubén Armañanzas, del Instituto de Ciencia de los Datos e Inteligencia Artificial de la Universidad de Navarra, publicó en febrero pasado, junto con la empresa de neurotecnología médica Brainscope, un artículo en JAMA Open Network (Neurology) donde relataba que han logrado identificar por primera vez cinco subtipos de contusiones gracias a la lectura de electroencefalogramas. El hallazgo ayudará a evaluar las conmociones cerebrales, su diagnóstico y pronóstico.
Por su parte, el Servicio de Cardiología del Hospital General de Valencia está probando la aplicación HearOTM, la primera solución digital con un biomarcador de voz de IA que monitoriza la insuficiencia cardiaca a través del habla, detectando de manera precoz signos de empeoramiento y de complicaciones. La aplicación, validada ya en Israel y Estados Unidos, es capaz de alertar hasta 18 días antes de que tenga lugar el episodio.
Prácticamente todas las especialidades se están beneficiando de los algoritmos inteligentes, o soñando con ello. En cardiología interpretan ecocardiogramas y advierten sobre los efectos adversos de la medicación en síndromes coronarios; clasifican las manchas cancerosas en la piel, con un acierto del 95 % frente al 87 % de los dermatólogos; detectan tejidos anómalos en colonoscopias; identifican virus y resistencias microbianas; leen escáneres cerebrales en busca de señales de alzhéimer; analizan mamografías; desentrañan los genomas, y buscan interacciones de fármacos.
Las herramientas de IA serán más útiles en el manejo de grandes cantidades de datos, en tareas repetitivas y para diagnósticos precisos, pero de momento no reemplazarán a los médicos
No hace mucho, un equipo del Instituto de Tecnología de Massachusetts (MIT) informaba en la revista Nature de un nuevo antibiótico descubierto mediante IA. Mostró gran eficacia y efectos adversos mínimos contra el Staphylococcus aureus resistente a meticilina (SARM), una bacteria que causa 10.000 muertes al año en Estados Unidos. Supondría el hallazgo del primer antibiótico eficaz en sesenta años. Gracias al modelo de aprendizaje profundo analizaron unos 12 millones de compuestos. Seleccionaron 280, los probaron contra SARM e identificaron dos que parecían muy prometedores. En las pruebas en dos modelos de ratón, uno de infección cutánea por SARM y otro de infección sistémica, cada uno de esos compuestos redujo la población bacteriana en un factor de 10.
Secuencia de proteínas
El manejo de enormes cantidades de datos -la condición de exhaustividad de la IA- es una de sus grandes ventajas. El algoritmo Alpha Fold 2, desarrollado por la empresa DeepMind, filial de Google, no deja de sorprender a los especialistas por su capacidad para predecir la estructura de proteínas a partir de sus secuencias de aminoácidos. Su rendimiento es muy similar al que se obtiene mediante cristalografía de rayos X y el programa no deja de mejorar. En lugar de deducir la estructura tridimensional de las proteínas a partir de sus propiedades fisicoquímicas, lo que hace es comparar estructuras y secuencias de aminoácidos. A partir de ahí, predice la forma de proteínas cuya estructura se desconoce, pero de las que se sabe su secuencia. Los creadores de Alpha Fold sostienen que transformará el diseño de fármacos dirigidos a dianas específicas, y que marcará un punto de inflexión en el conocimiento de las estructuras de los seres vivos y en sus posibles aplicaciones biomédicas y biotecnológicas.
Algunas voces críticas califican a estos programas de meros ‘loros estocásticos’, eso sí, con una capacidad nunca vista para buscar patrones y procesar datos e informaciones. Otros se quejan de su voraz consumo energético: una evaluación publicada este año en Nature indicaba que el ChatGPT ya está consumiendo tanta energía como 33.000 hogares; y se estima que una búsqueda por IA generativa utiliza de cuatro a cinco veces más energía que una búsqueda web convencional.
Hay que añadir el riesgo de los sesgos o errores que puedan cometer estos programas, un horizonte más tecnificado aún de la atención sanitaria y las posibles desigualdades entre quienes los usen y los que continúen escribiendo las historias clínicas en papel, como denunciaba Ricardo Delgado en el XXXIII Congreso Nacional de Urgencias y Emergencias SEMES 2023. “Es increíble –dijo– que la empresa privada esté tan avanzada en este sentido y la sanidad siga en pañales: cualquier empresa conoce la previsión de compra de un nuevo producto, pero los profesionales sanitarios seguimos sin saber qué picos de enfermedad vamos a tener que atender o qué protocolos podemos mejorar ante una emergencia sanitaria”.
En general, estas herramientas serán más útiles en el manejo de grandes cantidades de datos, en tareas repetitivas y para diagnósticos precisos. Por ahora no reemplazarán a los médicos, sino que facilitarán y potenciarán algunas tareas y les ayudarán a tomar mejores decisiones. ¿Hospitales sin médicos? El futuro, como se sabe, es imprevisible. Desde hace años hay robots quirúrgicos cada vez más precisos, aunque en la consola vigila un cirujano de carne y hueso para controlar un posible “cruce de cables”.