MUY INTERESANTE, en colaboración con el Colegio Oficial de Médicos, celebró el cuarto encuentro del Ciclo sobre Inteligencia Artificial y Salud. En las reuniones anteriores se trataron temas como la IA en la oncología y la gestión sanitaria. En este encuentro, los asistentes abordaron la investigación biomédica y la innovación en el campo de la salud y destacaron la importancia de disponer de una buena calidad de los datos con los que se entrena a la inteligencia artificial, la formación de los profesionales y que el objetivo siempre sea el beneficio del paciente.
La evolución de la IA
Dolores Marco, moderadora del encuentro, presentó al primer ponente, Ricardo Sánchez de Madariaga, ingeniero de Telecomunicaciones y Doctor en Ciencias de la Computación por la Universidad de Alcalá de Henares. Sánchez de Madariaga comenzó su carrera investigadora en el campo del machine learning y la interoperabilidad semántica de los datos médicos en los sistemas de historia clínica, uno de los grandes retos a los que se enfrentan los profesionales médicos. Actualmente, trabaja en la Unidad de Investigación en Telemedicina y Salud Digital del Instituto Carlos III.
En su ponencia, Ricardo Sánchez de Madariaga explicó el ciclo del hype, que forma parte de la naturaleza de la investigación. El hype, o fuerte expectación de la IA, es un concepto clave que describe el recorrido de las tecnologías emergentes desde un comienzo con unas expectativas exageradas, seguido por una fase de decepción, hasta llegar a una etapa de productividad consolidada.
Sánchez de Madariaga hizo un recorrido por la historia de la IA, desde sus inicios en la Segunda Guerra Mundial, asentada en Europa pero con un desarrollo principal en Estados Unidos. Resaltó hitos como la Teoría de la Computación de Turing, la primera red neuronal completa construida por Minsky y Edmond, y el Taller de Dartmouth organizado por McCarthy en 1956, en el que se acuñó el término «inteligencia artificial» por el propio McCarthy.
Sánchez de Madariaga explicó cómo el comienzo de la IA pasó por un éxito tras otro. En 1962 apareció el Perceptron de Frank Rosenblatt, que es la red neuronal en la que se basan todas las actuales. Sin embargo, los primeros sistemas fallaron estrepitosamente en problemas más variados o de mayor dificultad. Los “sistemas débiles” fueron mejorados aportando conocimiento del dominio. El proyecto de Programación Heurística de Feigenbaum desembocó en los primeros sistemas expertos en medicina y lenguaje natural. En 1982 ya se puede hablar de una industria de la IA y, en 1987, señaló Sánchez de Madariaga, ya se había convertido en una ciencia con aplicaciones más reales y prácticas, abarcando todos los campos.
La aparición de Chat GPT en 2022 puso a la IA en el centro de atención, también en investigación.
Inteligencia artificial e investigación biomédica
Madariaga expuso cómo la IA generativa ya está comenzando a descender por el llamado “valle de la decepción”, lo cual es un buen indicativo, ya que significa que está dejando atrás el humo publicitario para empezar a madurar.
En la IA aplicada a la investigación señaló varios problemas, como su sostenibilidad financiera o su alto gasto en energía eléctrica. Además, explicó que los modelos de lenguaje de gran tamaño, los LLM, no son capaces de mantener la coherencia a lo largo de sus razonamientos, cometen errores graves y heredan los sesgos con los que han sido creados.
Madariaga explicó que la UITeS del Instituto de Salud Carlos III utiliza el machine learning para extraer conocimiento médico nuevo a partir de los datos. Todo esto se hacía hasta ahora con estadística clásica.
«Nuestro sistema ML obtiene conocimiento médico de los datasets autoarrancando (bootstrapping) a partir de una pequeña cantidad de conocimiento médico ya establecido por la comunidad científica, y ese conocimiento lo obtenemos a partir de Chat GPT: en vez de estudiar 600 artículos científicos médicos de PUBMED que nos llevaría meses, usamos Chat GPT que está entrenado por los propios artículos de PUBMED».
Para finalizar, Madariaga destacó la imposibilidad de obtener una racionalidad perfecta en entornos complejos, «sin embargo, se puede mantener la hipótesis de trabajo de que la racionalidad perfecta es un buen punto de partida para el análisis. Lo cual simplifica el problema y proporciona el escenario base adecuado para continuar trabajando en este campo».
La aplicación de la IA
A continuación, intervino, como primera ponente de la mesa redonda, Carmen Ayuso, directora del Departamento de Genética de la Fundación Jiménez Díaz y directora científica de su Instituto de Investigación Sanitaria. Su campo de investigación son las enfermedades raras, el asesoramiento genético y la secuenciación de nueva generación, el NGS, y es Premio Nacional de Genética.
herramienta tiene que ser siempre el beneficio del paciente.
Ayuso explicó tres proyectos de aplicación de la IA en investigación biomédica en los que ha participado. El primero es el de la COVID-19, en el que recibió el encargo de indagar en los factores genéticos del huésped, patrocinado por el Instituto de Salud Carlos III. Gracias a las herramientas de inteligencia artificial y al análisis de lenguaje natural se pudieron estudiar los factores genéticos que influyeron en la susceptibilidad y respuesta a la COVID-19 en pacientes, identificando 191 variables clínicas clave, aplicando modelos predictivos para determinar factores genéticos de riesgo y factores farmacogenéticos que estaban influyendo en la respuesta a las distintas terapias. También se utilizaron herramientas de aprendizaje automático para el desarrollo de modelos predictivos de mortalidad o aplicados a algunos factores patogénicos en psiquiatría.
El segundo proyecto tenía como objetivo, conociendo la enfermedad y los criterios de inclusión y exclusión en un ensayo clínico, identificar los posibles candidatos, permitiendo establecer algoritmos que identifican a los participantes en los ensayos, avisan a su médico responsable de que el paciente está en un ensayo, avisan si ese paciente tiene un evento adverso y acude por otro motivo y desarrolla un módulo de gestión de las visitas médicas por su enfermedad de base.
Retos y limitaciones técnicas
El tercer proyecto expuesto por Carmen Ayuso conecta la red EDHEN, una red europea para la gestión de la historia clínica electrónica, que utiliza los elementos habituales que tiene que tener una historia clínica con sistemas semánticos específicos, con el sistema Orphanet para las enfermedades raras y también próximamente implementará un sistema de descripción de fenotipos. Combinando toda esta información se aprovecha para realizar estudios epidemiológicos de enfermedades raras de base genética, identificar todos los casos y acortar los tiempos diagnósticos. Aquí se integrarán todos los datos genéticos que tienen de los pacientes.
Ayuso concluyó afirmando que aún existen limitaciones y una de ellas es de carácter ético, identificar cuál es el valor real del retorno que nos produce la IA, que se estén utilizando estas herramientas realmente para obtener beneficio en el manejo del paciente, que es el objetivo fundamental. También, añadió, se han identificado algunos riesgos que tienen que ver con la veracidad, seguridad y trazabilidad de los resultados.
Fármacos contra el cáncer
Alberto Ocaña, oncólogo, investigador y director de la Unidad CRIS de Tumores Sólidos en el Hospital Clínico San Carlos de Madrid, tomó la palabra a continuación. Su área de investigación principal es el uso de la inteligencia artificial en el diseño de nuevos compuestos y la selección y estratificación predictiva de los pacientes mediante el análisis de los datos genómicos.
los fármacos contra el cáncer.
Ocaña destacó que la IA se puede utilizar en todas las etapas del desarrollo de los fármacos en cáncer. En la parte que atañe al diseño de los compuestos químicos lo primero que se necesita es la estructura de la proteína cristalografiada. Entonces se utiliza una librería de estructuras químicas. Se usan redes neuronales con análisis por inteligencia artificial, pasando billones de compuestos, dando lugar a una predicción de datos.
Ocaña explicó que identifican subgrupos de pacientes con alteraciones genómicas que responden excepcionalmente a nuevas terapias. Lo que se quiere, explicó, es detectar alteraciones genómicas, datos clínicos y respuesta a fármacos nuevos de fase I, un proyecto que se está haciendo con START España, la Fundación Jiménez Díaz, El Hospital Clínico San Carlos, y cuyo objetivo es estratificar e incluso identificar gemelos digitales, todo en colaboración con Spotlab y CancerAppy.
Ocaña señaló que ahora también quieren identificar con la IA proteínas que estén expresadas en las membranas celulares y que se asocien a poblaciones inmunológicas concretas.
Medicina personalizada y de precisión
La doctora Gemma Piella, investigadora del área de Biología Computacional y Sistemas Biomédicos y profesora titular de la Universitat Pompeu Fabra de Barcelona e ingeniera de Telecomunicaciones, abordó el papel clave de la IA en la medicina personalizada y de precisión, destacando cómo ha evolucionado en paralelo la IA y la medicina personalizada, debido a la capacidad que tiene de integrar y analizar gran cantidad de datos de distintas fuentes, siendo capaz de identificar patrones muy complejos. Así, se pueden utilizar en áreas tan diversas como la prevención de riesgos, la detección y el diagnóstico temprano, la monitorización, el tratamiento personalizado, el desarrollo de nuevos fármacos e incluso en el entrenamiento y formación de profesionales de la salud.
Piella explicó que, además de utilizarse en muchos ámbitos, la IA puede aplicarse en diferentes niveles de abstracción, a tareas de bajo nivel, como adquisición de datos o hacer medidas, y tareas de más alto nivel, como la interpretación de los datos, clasificar si un tumor es maligno o no y, sobre todo, para tomar decisiones más informadas y en la gestión de las enfermedades. Destacó el riesgo que supone para los pacientes si la IA falla, sobre todo en las tareas más complejas, donde es mayor el riesgo asociado. Esto es uno de los motivos por los que la explicabilidad de los métodos de la inteligencia artificial es importante: si entendemos mejor por qué produce lo que produce, podemos detectar más fácilmente errores y mejorar los algoritmos.
Piella habló sobre el aprendizaje federado, una arquitectura descentralizada, una técnica que permite que los hospitales entrenen modelos de IA localmente sin compartir datos sensibles, pero sí los parámetros de sus algoritmos para crear un modelo global. También destacó que existen técnicas para aumentar la eficiencia del aprendizaje.
Formar a los médicos
El doctor David Ezpeleta, vicepresidente de la Sociedad Española de Neurología y responsable del Área de Tecnología e IA, comenzó su intervención puntualizando que representaba a los médicos, neurólogos, que iban a adoptar la inteligencia artificial en su práctica clínica. Comenzó indicando que un neurólogo, cuando habla de inteligencia artificial, siempre tiene que mencionar a Ramón y Cajal y a su descripción de la neurona que inspiró ese algoritmo matemático que es la neurona artificial o perceptrón.
Neurología, insistió en la importancia de una mayor formación.
Ezpeleta señaló que en medicina hay modelos de IA en diagnóstico por imagen, robótica, sensórica o interfaces cerebro-computadora. La IA en medicina lo invade todo. El doctor insistió en la necesidad de mayor formación. «Igual que hay ingenieros neurotecnólogos o biólogos neurotecnólogos queremos que haya neurólogos tecnólogos». Por eso, desde SEN imparten desde hace mucho tiempo cursos de análisis de datos con nuevas tecnologías e inteligencia artificial, seminarios, manuales de nuevas tecnologías, documentos, etc. Este año introducen la IA generativa para enseñar a gestionar bases de datos biomédicas.
Ezpeleta explicó el nuevo proyecto IncubaSen, la primera incubadora de startups neurológicas del mundo. Se trata de detectar los retos clínicos y, junto con los ingenieros, desde el comienzo crear equipos funcionales, decidir qué tecnología es la necesaria, investigar y desarrollar un proyecto. Sobre el uso de la IA expresó lo que para él es prioritario: «un sistema que me escuche a mí y al paciente». Que transcriba todo esto, de ahí que haga un preinforme y que rellene todos los campos del sistema de información del hospital. Como barreras, expuso el reto de los modelos de la IA frente a los nuevos datos y frente a los médicos de verdad, muchas veces resistentes al cambio. Para concluir, insistió en que siempre hay que priorizar a las personas, explicarles que se va a implementar esa tecnología y estudiar los nuevos escenarios que surgen, la relación paciente, inteligencia artificial y médico.
Un futuro prometedor
El coloquio fue moderado por Eduardo López Collazo, subdirector científico del IDiPAz, Instituto de Investigación del Hospital Universitario La Paz, Físico nuclear por la Universidad de La Habana y doctor en Farmacia por la Universidad Complutense. La mesa redonda abrió con una pregunta sobre cómo debería regularse la IA. Todos coincidieron en la importancia de un marco regulador sólido que garantice la seguridad, la privacidad y la equidad en el uso de la IA en salud.
del coloquio.
Ante la pregunta de si la IA es realmente inteligente, si llegará a ser creativa y cuándo dejará de imitarnos, Gemma Piella afirmó que no es inteligente, «al fin y al cabo no deja de ser matemáticas y estadística avanzada», y que su creatividad todavía queda lejos. La cuestión es determinar de qué aprende; por eso es muy importante la calidad de los datos de entrada. Alberto Ocaña puntualizó que la IA no va a predecir nada que no haya existido antes,por lo que a él tampoco le infundía miedo su implementación. Ocaña señaló que en el desarrollo de fármacos la inteligencia artificial va a impactar mucho, acortando los tiempos.
Ante la pregunta de si tenemos miedo de los sesgos que pueda tener la IA, Carmen Ayuso se mostró optimista.Afirmó como gestora que el mayor obstáculo de la IA son las personas, ya que las estructuras tendrían que cambiar, como el desarrollo de la salud digital tuvo el obstáculo de la resistencia de los propios profesionales y, en segundo lugar, los recursos.
Tratamientos personalizados
Tras el coloquio, intervino la doctora Raquel Pérez López, radióloga e investigadora, jefe del Servicio de Radiómica del Vall d’Hebron Institut d’Oncologia, desarrolladora del DISCERN, cuya experiencia se centra en la imagen de precisión para lograr un tratamiento del cáncer más personalizado y aplicar sus conocimientos de imagen médica y métodos matemáticos en el procesamiento de imágenes para conseguir un diagnóstico más temprano del cáncer, una mejor selección de tratamientos y un seguimiento optimizado de los pacientes oncológicos.
La doctora Pérez afirmó que la IA se impone por la gran capacidad que tiene para encontrar patrones que pasan desapercibidos al ojo humano. La IA ayuda al médico a identificar esos patrones. Puso como ejemplo el cribado del cáncer de mama. En el largo proceso del cáncer, la IA está impactando en el diagnóstico, pero los médicos, afirmó, quieren herramientas que ayuden a estratificar a los pacientes, a diferenciar según su pronóstico o predecir si ese paciente va a responder o no a una terapia.
La doctora insistió en que se debe ahondar más en una investigación pluridisciplinar centrada en el paciente, hacernos preguntas que sean clínicamente relevantes, integrando fuentes de información complementarias.Señaló que la IA integra en estas herramientas todo tipo de información: texto, imágenes, vídeo, sonido de todas las fuentes, a nivel global. Respecto a las aplicaciones de la IA en oncología, la doctora habló de algunas de ellas, haciendo los procesos más accesibles, eficientes y sostenibles.
Cortesía de Muy Interesante
Dejanos un comentario: