La inteligencia artificial aplicada a la medicina

El machine learning es una disciplina dentro del ámbito de la inteligencia artificial que se enfoca en lograr que los algoritmos puedan aprender solos. “Aprender”, en este sentido, no tiene el mismo significado para las máquinas que para los humanos. Las máquinas aprenden a reconocer patrones y, en base a eso, presentan conclusiones. Es por esto que se necesita una gran cantidad de información: mientras más datos hay, más podrán “aprender” los algoritmos. Y el mundo de la medicina se sienta sobre una cantidad de datos inmensa.

Una investigación de la consultora McKinsey reveló que el machine learning aplicado a la industria farmacéutica y al de la medicina podría generar US$100.000 millones al año. Este modelo está basado principalmente en la posibilidad de alcanzar mejores tomas de decisiones, innovación optimizada, mayor eficiencia en la investigación y los ensayos clínicos, y la creación de nuevas herramientas para médicos, consumidores, aseguradores y reguladores.

Este número se debe a que las máquinas son, en algunos casos, mejores que los humanos. Por ejemplo, en la identificación de patrones en imágenes. Los algoritmos pueden especializarse al máximo en identificar modelos que, en ocasiones, son prácticamente imposibles de ver para el ojo humano. Esto permite, por ejemplo, la identificación temprana de cáncer con una gran efectividad. Es evidente que los sistemas computacionales pueden estudiar miles de millones de imágenes, encontrar patrones y luego detectarlos en otras imágenes evaluadas.

Por ese motivo estuvimos viendo, en los últimos tiempos, diferentes hospitales, institutos y compañías utilizando algoritmos en apoyo de médicos especialistas a la hora de reconocer enfermedades complejas de identificar en sus fases tempranas, como es el caso de algunas oncológicas.

Una de las compañías tecnológicas que están trabajando en el cruce entre medicina y tecnología es Google. El buscador creó DeepMind Health, un sistema de inteligencia artificial que ya anunció el año pasado varios acuerdos con hospitales del Reino Unido. ¿La finalidad? Mejorarle la vida a los pacientes detectando enfermedades más rápidamente y encontrando la mejor manera de tratarlas.

Pero la detección de imágenes y reconocimiento de patrones no es la única disciplina en la que veremos el avance de la inteligencia artificial. Hace solo tres años el Dr. Ziad Obermeyer, profesor de la Escuela de Medicina de Harvard, dijo que en 20 años los radiólogos no existirían más, al menos como se los conoce actualmente. Según él, en el futuro su trabajo será supervisar algoritmos que estarán leyendo miles de estudios por minuto.

También se está utilizando mucho para la predicción de brotes epidémicos. Recolectando información de satélites, datos históricos publicados a través de internet y actualizaciones en tiempo real de redes sociales, entre otros, se pueden predecir epidemias de una manera más certera y rápida usando herramientas tecnológicas y, gracias a esa información, las autoridades pueden actuar más velozmente salvando vidas.

Pero si bien la inteligencia artificial ayudará de manera notable a los médicos, todavía hay muchos obstáculos para sortear. La privacidad es el más grande de todos ellos: los datos médicos son personales y sensibles y es lógico suponer que la mayoría de las personas guarda cierta desconfianza respecto del correcto uso de esa información.

Sin embargo, aunque todavía haya trabas y reticencia en el uso de la inteligencia artificial en la medicina, lo más probable es que en los próximos años veamos cómo muchos de esos miedos se disipan y, cada vez más, este tipo de sistemas se vuelvan indispensables para la práctica médica.

Ingrid Briggiler es founder y CEO de Llamando al Doctor, aplicación de telemedicina que facilita la comunicación entre pacientes y médicos a través de videollamadas.