Salud y datos: IA en el ámbito sanitario

Salud y datos: IA en el ámbito sanitario por ...

IA y COVID

Uno de los temas más relevantes: COVID 19. El mundo vivió un fuerte impacto cuando se desató la pandemia del coronavirus. La crisis sanitaria desde entonces, fue un caos en muchos rincones del planeta. La Inteligencia Artificial entonces hizo y continúa haciendo una gran labor junto al ser humano. Enfocada en estas áreas, la IA ha ayudado:

• A leer y analizar miles de documentos, para así encontrar relación en las investigaciones, como por ejemplo el desarrollo de un servicio de investigación de IA basado en la nube. Este permite realizar consultas y extraer conocimientos sobre el COVID en distintas áreas.
• A realizar simulaciones virtuales, para así entender cómo interactúan las moléculas con el virus, ya que dichos actos requieren de un nivel de cálculo elevado.
• Colaborar en el análisis, control y pronóstico de la pandemia, mediante datos que han permitido evitar contagios, adelantarse a hechos, controlar el movimiento de personas.
• Creando modelos inteligentes para detectar si una persona tiene el virus mediante el análisis de Rayos-X.
• Con herramientas de aprendizaje automático, capaces de predecir los comportamientos del virus basándose en el procesamiento y análisis de una gran cantidad de datos biológicos.
• Y la más importante y posiblemente crucial: con AlphaFold, utilizada en la creación de estructuras 3D de proteínas.

AlphaFold

Cuando hablamos de AlphaFold, tenemos que hablar de futuro. 

AlphaFold es un Inteligencia Artificial capaz de predecir la estructura en tres dimensiones de una proteína, basándose en su secuencia genética. Esto supone un salto científico que de no ser por la IA, se hubiera demorado muchos más años en llegar, dificultando el progreso y estudio de las mismas. En biología y medicina, desde hace más de 50 años, es fundamental llegar a conocer la estructura tridimensional de las proteínas a estudiar, por su implicación en enfermedades, o a valorar como posibles nuevos fármacos. Los métodos tradicionales para llegar a conocer de forma experimental (real) la estructura de cada proteína partiendo de su secuencia de aminoácidos, han sido siempre muy costosos, complicados y lentos.

AlphaFold es un Inteligencia Artificial capaz de predecir la estructura en tres dimensiones de una proteína, basándose en su secuencia genética

Aquí entra la Inteligencia Artificial, para darle un empujón de progreso a este campo, a base de usar predicción por ordenador de estas estructuras 3D en vez de tener que encontrarse físicamente. Para ello se fundó CASP y sus desafíos bianuales de predicción de estructuras 3D, comparando las predicciones con datos ya conocidos de esas escasas proteínas estudiadas empíricamente.

Los resultados de los primeros años de CASP, sobre todo en la predicción de las estructuras más complejas, no eran muy prometedores. Aun así, cada vez iban mejorando. Todo cambió cuando en 2018 y posteriormente en 2020, la IA y los métodos de machine learning, batieron todos los récords. La exactitud en las predicciones de estructuras 3D de proteínas, alcanzó una precisión media de más del 92%. Esto suponía una competencia tremenda, si fuera comparado con los esfuerzos necesarios para los métodos experimentales.

Aunque esto se considera ya de por sí un gran avance que ha recortado tiempo al ser humano de investigación, el potencial de mejora de AlphaFold es grande aún, al igual que su creciente aplicación en el campo de la biología y de la investigación de nuevos fármacos, entre otras cosas. El salto dado en cuanto al coste y tiempo necesario para conocer la estructura de cada proteína es abismal. Una auténtica revolución, muy necesaria y muy prometedora.

IA y diagnóstico de tumores cerebrales

Para los pacientes con tumores cerebrales, es vital el diagnóstico preciso. De eso depende su tasa de supervivencia. Durante años, las investigaciones para mejorar la detección de todo tipo de tumores han ido en aumento, con el fin de mejorar y aumentar la velocidad de valoración. Los doctores Orringer y Todd Hollon de la Universidad de Michigan, decidieron probar si era posible combinar la técnica usada para estos procedimientos de imágenes, con la Inteligencia Artificial.

La técnica de SRH se usa para visualizar muestras de tejido recientes, obtenidas en las salas de operaciones. Los investigadores decidieron alimentar un algoritmo con imágenes del tejido de un tumor cerebral producidas con SRH, usando más de 2,5 millones de imágenes de 415 pacientes. Una vez hecho esto, incluyeron a 280 voluntarios en un estudio clínico, de los cuales recolectaron muestras. Estas se dividieron en dos y se analizaron con la nueva técnica (imágenes del SRH y clasificadas por el algoritmo). Fue así como descubrieron que la nueva tecnología no solo era precisa, sino que superaba a la convencional. El algoritmo determinó correctamente el diagnóstico de los tumores cerebrales 94,6 % de las veces. 

Por su parte, los análisis convencionales de patología tuvieron un índice de precisión de 93,9 %. Al final se pudo determinar que la IA era una gran herramienta para ayudar con el diagnóstico rápido. Pero la cosa no quedó ahí, y es que en ocasiones, las células tumorales se infiltran al tejido sano, dificultando la identificación a simple vista del límite entre tejido enfermo y sano. Gracias a la técnica artificial, la imagen se puede dividir en sectores más pequeños, permitiendo a los cirujanos identificar con rapidez y claridad esas áreas. Aunque el uso de esta técnica todavía tiene un margen de mejora y años para incluirla completamente en los centros oncológicos y en el uso de otros cánceres, es sin duda alguna un futuro muy esperanzador para la medicina y para el paciente.

IA y salud mental 

La salud mental siempre ha permanecido en la sombra, a pesar de que las enfermedades y trastornos mentales provocan el fallecimiento de millones de personas en el mundo, convirtiéndolos así en la causa número uno de muertes no naturales en muchos países.

El mal diagnóstico, la estigmatización y la presión social por falta de información que se ejerce en los pacientes, hace que sea mucho más difícil poder ayudar a tiempo a los individuos.

Es por esto, que se ha utilizado en los últimos años la Inteligencia Artificial para llevar a cabo investigaciones que apoyen a la detección de estos problemas. Una de ellas fue realizada por Denis Engemann y su equipo, del INRIA. Los investigadores utilizaron una de las bases de datos biomédicos más grandes y completas del mundo que almacena hábitos personales, como la edad, educación, duración de sueño, ejercicio; sociodemográficos y de comportamiento, como el estado de ánimo y los sentimientos de los individuos; y los datos biológicos que incluían imágenes de RM de 10.000 escáneres cerebrales.

Después, combinaron estas fuentes de datos para construir modelos que se acercaran a las medidas de edad cerebral y rasgos de inteligencia ya definidos científicamente. Los resultados demostraron que más allá del envejecimiento biológico, el mismo marco de medidas indirectas es aplicable a constructos más directamente relacionados con la salud mental. También que pueden obtenerse medidas indirectas útiles a partir de otros datos distintos de las imágenes cerebrales, como los sociodemográficos y los conductuales.

 La Inteligencia Artificial está ocupando cada vez un lugar más importante en el ámbito sanitario

Otras investigaciones, como la realizada por la Universidad de Tsukuba Japón, ha demostrado que la IA se puede utilizar para detectar signos de depresión. Después de desarrollar un modelo de Inteligencia Artificial que predijo la angustia psicológica con los datos de 7.251 pacientes, se hizo una comparativa con los resultados obtenidos de las predicciones hechas por un equipo de 6 psiquiatras. Se llegó a la conclusión de que las predicciones del modelo fueron mucho más precisas que las de los doctores. Otra muestra de que la IA, es el futuro de la salud física y mental.

IA y enfermedades del corazón

Otra aplicación médica ya demostrada de la IA es en el campo de la detección de enfermedades cardiacas. Con machine learning y usando una base de datos de electrocardiogramas realizados a pacientes sospechosos de tener o ser propensos a determinadas enfermedades del corazón, se ha podido conseguir una mayor precisión en el diagnóstico específico y en la anticipación de estas enfermedades. Otros métodos anteriores, como puede ser el uso de marcadores bioquímicos, no han conseguido tanta precisión.

Esto no solo es clave para el propio diagnóstico y prevención de ciertas cardiopatías, sino también para anticiparse a un posible fallo cardíaco subsiguiente.

Si unimos la mayor precisión con la tremenda simplicidad de uso, la IA está llamada a ser el principal método de diagnóstico y prevención de multitud de enfermedades cardiacas, con algo tan rápido y cómodo como analizar automáticamente todas las características cuantificadas que presenta un electrocardiograma.

En definitiva, queda más que demostrada la importancia de la Inteligencia Artificial en el ámbito de la salud. Con mejoras y nuevos avances, La IA será decisiva para ayudar al ser humano a progresar en todos los aspectos de la vida cotidiana.