¿Por qué la inteligencia artificial es buena para la salud?

La inteligencia artificial es muchas cosas, por eso no existe un acuerdo sobre su definición completa. Se podría decir que es un sistema que piensa y actúa como los humanos, o un sistema que piensa y actúa racionalmente. Se conocen las inteligencias artificiales capaces de crear ilustraciones verosímiles, que parecen hechas por una persona, que juegan al ajedrez, que son capaces de demostrar teoremas matemáticos, que escriben textos y que sirven para estimular el consumo. Aunque el término inteligencia artificial (abreviado IA) existe desde los años cincuenta del siglo pasado, se sigue considerando una nueva tecnología y, como suele ocurrir con todo lo nuevo, despierta tanto entusiasmo como recelo. De hecho, en la última encuesta de percepción social de la ciencia elaborada por la FECYT, el 34,3% de los encuestados considera que la aplicación de la inteligencia artificial supone un riesgo elevado. Esta opinión suspicaz y distorsionada de la inteligencia artificial es en parte fruto de la desinformación y de la mala divulgación. La inteligencia artificial se puede usar con fines frívolos, que son los que acaparan más titulares, pero la realidad es que la inteligencia artificial está siendo una importantísima herramienta para la ciencia. Su aplicación nos está permitiendo desde hacer un uso más responsable y eficiente de los recursos, hasta revolucionar las ciencias de la salud, sobre todo en lo que concierne al diagnóstico de enfermedades.

En nuestro país somos una referencia internacional en el diagnóstico de enfermedades neurodegenerativas asistido por inteligencia artificial. Es una de las razones por las que se creó la AESIA, la Agencia Española de Supervisión de la Inteligencia Artificial, que tendrá su sede en A Coruña. El diagnóstico asistido por IA es un campo científico multidisciplinar en el que trabajan químicos, biólogos, médicos, informáticos, etc. En España hay más de 1.400.000 personas afectadas por enfermedades neurodegenerativas como la esclerosis múltiple, la epilepsia, el alzhéimer o los parkinsonismos. Cada año hay más de 70.000 nuevos diagnosticados y se estima que en 2050 esta cifra se triplicará.

La herramienta de referencia para estudios neurológicos es la neuroimagen obtenida a partir de distintas modalidades, como la Resonancia Magnética (RM), el PET (tomografía por emisión de positrones) o el SPECT (tomografía por emisión de fotón único). Se podría decir que estas técnicas ofrecen imágenes o "fotografías" del cerebro en las que los médicos buscan patrones de atrofias concretas de diferentes patologías, o bien buscan alteraciones en los diferentes tejidos que conforman el cerebro. En la práctica clínica tradicional se realiza una evaluación visual de las imágenes, es decir, el diagnóstico depende de la agudeza visual, la experiencia y la pericia del especialista, así como del tiempo disponible para analizar las imágenes, que de media alcanzan los 40 minutos.

La evaluación visual de las imágenes acarrea ciertas dificultades. La más obvia es que está limitada por el ojo humano. Solo se pueden identificar diferencias en una imagen hasta cierto grado, haciendo que las variaciones muy pequeñas pudiesen pasar desapercibidas. Por eso es difícil diagnosticar estadios tempranos de la enfermedad o cambios pequeños en su evolución. Esto lleva a evaluaciones cualitativas subjetivas del tipo "Se observa atrofia MODERADA del hipocampo…", es decir, no se da un valor cuantificado de la atrofia, por lo que es complicado comparar los diagnósticos realizados por especialistas diferentes. Además, hace 15 años se disponía de unas 500 imágenes/día/especialista; hoy en día se llega a más de 50.000 imágenes disponibles/día/especialista.

Sin embargo, todas estas dificultades se están convirtiendo en ventajas gracias a la aplicación de la inteligencia artificial. Una de las aplicaciones más importantes de la IA aplicada a las ciencias de la salud es cuantificar biomarcadores. Un biomarcador es una señal biológica que podemos relacionar con alguna patología y ayuda al diagnóstico. Por ejemplo, cuando se busca una infección, la fiebre es un biomarcador. Cuando se buscan enfermedades neurodegenerativas, el volumen total de lesiones cerebrales es un biomarcador. De este modo la inteligencia artificial es capaz de medir, de cuantificar, pasando de evaluaciones cualitativas subjetivas (del tipo "Se observa atrofia MODERADA del hipocampo…") a resultados cuantitativos objetivos, independientes del observador, del tipo "Hay una REDUCCIÓN DEL 8,21% del hipocampo respecto a la base de datos de cerebros sanos".

Lo que se hace al cuantificar biomarcadores con IA es medir. Parece simple, pero medir es algo que sin esta tecnología era imposible. Ahora, gracias a la IA, contamos con datos numéricos y normalizados que se pueden compartir y comparar con cualquier médico, investigador o sistema de salud de cualquier lugar del mundo. Además, estos datos cuantificados son la base para modelos de inteligencia artificial predictivos, capaces de relacionar una gran cantidad de variables entre sí fácilmente, lo que permitirá encontrar conexiones entre enfermedades que ahora desconocemos.

La cuantificación de biomarcadores con inteligencia artificial facilita el seguimiento preciso de la enfermedad, detectando y midiendo la variación de las anomalías del cerebro a lo largo del tiempo. También facilita el diagnóstico precoz, detectando anomalías imperceptibles para el ojo humano, lo que es de gran ayuda para la labor de los médicos. Esto permite reducir los falsos negativos, ya que hay señales de la enfermedad, sobre todo en estadios iniciales, que no son suficientes para que los detecte el ojo humano, ni siquiera el más experimentado. Sin embargo, una IA sí los detecta, por lo que aporta más seguridad al diagnóstico y evita pruebas adicionales. Por ejemplo, para averiguar qué es párkinson y qué no, con el uso de herramientas de cuantificación de biomarcadores con IA se evita en muchos casos la punción lumbar.

Además, estos procesos se pueden automatizar gracias a la IA, eliminando tareas rutinarias de observación de imágenes médicas, reduciendo en más de un 80% el tiempo de identificación de anomalías, de 40 minutos a tan solo 5 minutos. Esto es muy importante para reducir las listas de espera del sistema de salud.

La IA aplicada al diagnóstico de enfermedades neurodegenerativas no viene a sustituir las pruebas y analíticas que ya se hacen, sino que es una herramienta complementaria que facilita el trabajo de los médicos y de la que ya se están beneficiando los pacientes. Por ejemplo, en los casos más graves de epilepsia, la epilepsia refractaria, esta tecnología se está utilizando en nuestro país para identificar con precisión el foco epileptogénico del cerebro. Esta prueba adicional en algunos casos está ayudando a que la epilepsia refractaria sea más fácil de operar.

La inteligencia artificial es una de las herramientas clave de la medicina de esta década. Mirando al futuro, la medicina personalizada va de la mano de la IA. Además, es de esperar que en los próximos años se desarrollen nuevos medicamentos y terapias para las demencias y los parkinsonismos, por eso un diagnóstico precoz asistido por inteligencia artificial es clave tanto para lidiar con la enfermedad en el futuro, como para la investigación que se está haciendo en el presente.