La inteligencia artificial descubre asociaciones inusuales en la medicina

Hablando de IBM Watson, mientras que el algoritmo obtuvo su nombre del fundador de la compañía Thomas J. Watson, hay otra figura de la cultura pop adjunta a ese nombre. Es elemental; estamos hablando nada menos que del compañero de Sherlock Holmes, el Dr. Watson. Parece que la inteligencia artificial del mundo real se está pareciendo a esos detectives ficticios, y los algoritmos están descubriendo asociaciones inusuales en la medicina y el cuidado de la salud.

Desde predecir los riesgos cardiovasculares con sólo mirar a los ojos, pasando por identificar el riesgo de Alzheimer años antes del diagnóstico hasta evaluar la probabilidad de que un paciente sea ingresado en el hospital, la inteligencia artificial continúa su tendencia a sorprendernos. ¡Averigüemos más sobre el trabajo de detective de la I.A.!

Ondas cerebrales para un mejor tratamiento antidepresivo

Dado que sólo el 30% de los pacientes responden bien al primer antidepresivo prescrito, tal vez deberíamos emplear métodos más eficaces. Pero la verdadera razón de este asombroso bajo índice de efectividad... "En este momento, la selección del tratamiento se basa puramente en el ensayo y el error", dice el Dr. Madhukar Trivedi, profesor de psiquiatría en el Centro Médico Southwestern de la Universidad de Texas.

Estudiando las ondas cerebrales de los pacientes, el Dr. Trivedi, su equipo y un algoritmo de aprendizaje de máquinas identificaron el mejor antidepresivo. Analizaron los datos de un estudio anterior con más de 200 participantes cuyas ondas cerebrales se midieron mediante electroencefalografía (EEG) y luego se les recetó sertralina (un antidepresivo de uso común) o un placebo durante ocho semanas.

Sus resultados, publicados recientemente en Nature Biotechnology, mostraron que, a partir del conjunto de datos, el 65% de los pacientes con un patrón particular de ondas cerebrales también mostraron una fuerte respuesta a la sertralina. Uno de los autores del artículo, el Dr. Amit Etkin, sugirió que este método es "mucho mejor" que confiar en factores clínicos, como ciertos síntomas, para tratar de adivinar si una droga tendrá un efecto favorable en los pacientes.

Si una enfermedad es rara, su identificación y tratamiento supondrán un reto. Cada año, alrededor de medio millón de niños nacen con una rara enfermedad hereditaria en todo el mundo. Sin embargo, muchos de estos casos presentan características físicas específicas que pueden ayudar a su identificación. Los pediatras podrían pasarlos por alto debido a que nunca han visto tales casos. Sin embargo, nada escapa al ojo meticuloso de la I.A.

En un estudio de la Universidad de Bonn y la Charité - Universitätsmedizin de Berlín, los investigadores utilizaron un programa informático basado en A.I. con datos de 679 pacientes con 105 enfermedades diferentes causadas por un cambio en un solo gen. Estas incluyen condiciones como la mucopolisacaridosis, el síndrome de Mabry y el síndrome de Kabuki, donde los afectados tienen rasgos faciales característicos.

Los investigadores entrenaron a la red neural DeepGestalt con 30.000 fotos de retratos de aquellos con condiciones tan raras. "En combinación con el análisis facial, es posible filtrar los factores genéticos decisivos y priorizar los genes", dijo el profesor Krawitz, que trabajó en este estudio. "Fusionar los datos en la red neuronal reduce el tiempo de análisis de los datos y conduce a una mayor tasa de diagnóstico".

Sus resultados mostraron que con la ayuda de la I.A., la identificación de las enfermedades raras fue mucho más precisa. Su método mejoró el índice de exactitud del primero en más de 20-89% y el índice de exactitud de los 10 primeros en más de 5-99% para el gen causante de la enfermedad. El uso de esta técnica podría acelerar la identificación y el tratamiento de los afectados desde el principio.

Del coma a la conciencia

Estar en coma o en estado vegetativo puede ser uno de los problemas más éticos de la atención sanitaria. Sobre la base de las recomendaciones de los médicos, los familiares de esos pacientes pueden decidir si desean poner fin al soporte vital. Es un tema muy discutible lo que la decisión prolongará: la vida o el sufrimiento del paciente, mientras que también cuesta a los familiares y al sistema de salud. Sin embargo, la I.A. puede ayudar a tomar decisiones más informadas en estos casos, prediciendo correctamente si uno recuperará la conciencia incluso después de que los médicos concluyan una recuperación improbable.

Tal sistema de I.A. ha sido desarrollado por la Academia China de Ciencias y el Hospital General de PLA en Beijing. Según se informa, su algoritmo logró una precisión de alrededor del 90% en las evaluaciones de pronóstico. El software analiza los escáneres cerebrales para reevaluar las decisiones del médico.

En al menos 7 casos en los que los médicos confiaban en que los pacientes no recuperarían la conciencia, la I.A. los contradijo y, de hecho, esos pacientes se despertaron en los 12 meses siguientes a los escáneres cerebrales. "Nuestra máquina puede 'ver' cosas invisibles a los ojos humanos", dijo el Dr. Song Ming, primer autor del estudio.

Esto se debe a que la evaluación de los pacientes se realiza mediante un escáner cerebral con imágenes de resonancia magnética funcional y la rápida evolución de las actividades neuronales puede resultar difícil de detectar para los médicos. Por otro lado, un algoritmo de aprendizaje de la máquina puede detectar cambios diminutos indicativos de una recuperación en curso. Esto podría ayudar a los médicos y a los familiares a tomar decisiones más informadas cuando se trata de estos pacientes.

Detectar el Alzheimer antes de que se manifieste

Para una condición como el Alzheimer, los pacientes son comúnmente diagnosticados con la condición después de que los síntomas se manifiestan. Estos pueden ser muy debilitantes, como la pérdida de memoria, los cambios de personalidad y la depresión. El Dr. Benjamin Franc y un equipo de investigación de la Universidad de California en San Francisco entrenaron un algoritmo para buscar signos indicativos de Alzheimer desde otro ángulo.

Los investigadores entrenaron un algoritmo de aprendizaje profundo en escaneos de FDG-PET, un método utilizado para estudiar la actividad metabólica de las células cerebrales. Utilizaron un conjunto de datos con más de 2.100 imágenes cerebrales de FDG-PET de 1.002 pacientes para enseñar a la I.A. a reconocer los patrones metabólicos asociados con la enfermedad de Alzheimer. En pruebas posteriores, la I.A. detectó la condición con un 100% de sensibilidad, en promedio más de seis años antes del diagnóstico final!

Como el coautor del estudio, el Dr. Sohn, dice: "Si podemos detectarlo antes, es una oportunidad para que los investigadores encuentren mejores formas de frenar o incluso detener el proceso de la enfermedad".

Riesgo de ataque cardíaco al mirar a los ojos

He aquí otra hazaña de la I.A. al analizar las imágenes. Los investigadores de Google utilizaron modelos de aprendizaje profundo entrenados con datos de más de 280.000 pacientes para identificar los signos que indican riesgos cardiovasculares a largo plazo.

Tradicionalmente, para evaluar esos riesgos, los médicos necesitan mirar manualmente la retina, hacer análisis de sangre y considerar otros factores como la edad y el IMC. Impresionantemente, la I.A. se enseñó a sí misma qué buscar en las imágenes de la retina por sí sola después de haber pasado por suficientes datos para identificar los patrones encontrados en los ojos de las personas en riesgo.

Esa tecnología puede resultar ser de vital importancia, especialmente si se tiene en cuenta el hecho de que unos 17 millones de personas mueren de enfermedades cardiovasculares cada año. Puede ayudar a los médicos e incluso a los pacientes a realizar una prueba de detección rápida y a evaluar su riesgo y tomar las medidas preventivas subsiguientes.

Sistema de puntos para evaluar la necesidad de hospitalización

Esta es la premisa de un reciente proyecto piloto de Bering Research y los médicos de Axbridge Surgery en Somerset, Inglaterra. Se ha desplegado un algoritmo para predecir qué pacientes podrían necesitar ser admitidos en un hospital, y para ayudar a los médicos de cabecera a trabajar en la reducción del riesgo.

La I.A. asigna puntos, en base a una escala porcentual, según las condiciones de salud subyacentes y los factores que contribuyen a ello, como la elevada presión sanguínea o el hábito de fumar. Cuanto más altos sean los puntos, más probable es que el paciente necesite ser hospitalizado.

El objetivo es que los médicos de cabecera intervengan antes, hagan predicciones precisas sobre los ingresos hospitalarios y ayuden a los hospitales a planificar la asignación de sus recursos.

Mientras que estas asociaciones inusuales dan un rayo de esperanza a millones de pacientes en todo el mundo, debemos ser cautelosos sobre cómo tomamos estas noticias. Es necesario validar los experimentos realizados y repetirlos a mayor escala, teniendo en cuenta otros factores contribuyentes, como las comorbilidades.

Sin embargo, demuestra que la inteligencia artificial puede convertirse en parte integral no sólo del tratamiento de los pacientes, sino también de la identificación de los riesgos y la adopción de medidas preventivas en las que nunca antes habíamos pensado.