La intel·ligència artificial evita malalties

La digitalització de les dades en l’àmbit sanitari ha permès aplicar tècniques d’intel·ligència artificial (IA) que fan possible, gràcies a l’extracció d’aquestes dades, millorar el tractament de les malalties. D’exemples n’hi ha molts, explica el coordinador de l’eHealth Center de la UOC, Jordi Conesa: l’anàlisi de radiografies en temps real per a predir malalties pulmonars, de dades clíniques de pacients per a detectar malalties cardiovasculars o de fotografies per a localitzar diferents tipus de càncer de pell. Aquestes tècniques d’intel·ligència artificial, però, també s’apliquen en altres àmbits, com en l’anàlisi de medicaments o en la millora de l’eficiència dels processos sanitaris. «La part més substancial que pot aportar la intel·ligència artificial és que passem d’un model centrat en el tractament de les malalties a un de centrat a evitar-les», explica Conesa.

Segons els experts, un dels principals entrebancs en la materialització d’aquest canvi de model és la manca de formació dels professionals de la salut per a afrontar-lo. «La digitalització de la història clínica no va ser una tasca fàcil i era simplement canviar el format de la informació que es generava i es consumia. Ara parlem, per exemple, d’introduir assistents que poden ajudar els metges a predir la malaltia del pacient o a trobar un tractament més personalitzat», detalla Conesa. Segons Carme Carrion, directora del màster universitari de Salut Digital dels Estudis de Salut de la UOC, que començarà el pròxim mes d’octubre, entre les competències que hauria d’adquirir el professional de la salut hi ha flexibilitat, habilitats comunicatives, coneixements tecnològics bàsics, estratègies per a apoderar els pacients, aspectes legals o ètics, o capacitat per a implantar i avaluar l’eficàcia de les intervencions. «Són aspectes que en la majoria de formacions reglades dels professionals de l’entorn de la salut no estan prou coberts», matisa Carrion.

Aquesta manca de formació, però, no és exclusiva del sector de la salut. «Actualment es fa servir l’anàlisi de dades de manera massiva en molts sectors i en tots passa el mateix: cal un coneixement mínim de les tècniques que s’utilitzen per ser capaços d’entendre la informació de què ens proveeixen els sistemes intel·ligents, contextualitzar-la i valorar-la, és a dir, saber fins a quin punt hem de confiar en el sistema intel·ligent», afegeix Conesa. Conceptes com correlació, casualitat, precisió, sensibilitat, especificitat –afegeix— són necessaris per a interpretar amb rigor els resultats de sistemes que es fan servir per a l’anàlisi de dades, com l’aprenentatge automàtic (machine learning).


Els riscos: credibilitat dels sistemes, qualitat de les dades, el biaix algorítmic i la privacitat

L’aplicació de sistemes intel·ligents al sector de la salut té uns riscos mínims en els quals el sector ja treballa per minimitzar-los: «La IA no té una precisió del 100%, cal tenir-ho en compte», recorda Conesa. D’altra banda, aquests sistemes s’entrenen amb grans quantitats de dades per aprendre a resoldre problemes concrets. «Entrenar un sistema amb les dades errònies o incompletes el pot portar a prendre decisions equivocades», apunta Conesa, que posa com a exemple un article del 2015 en què es van analitzar quins pacients amb pneumònia tenien més risc de morir. El sistema va concloure, erròniament, que els que tenien asma i patien pneumònia tenien menys risc que els que no en tenien. «El problema és que els pacients amb asma que patien una pneumònia entraven directament a les unitats de cures intensives, rebien el tractament que tocava, quan tocava, i s’acabaven curant. No es morien perquè els atenien, però no perquè tinguessin menys risc. Com que el sistema intel·ligent no tenia aquesta informació, va acabar generant una conclusió incorrecta», explica. A més a més, s'ha de tenir en compte que les prediccions/recomanacions dels sistemes intel·ligents poden incloure desigualtats o discriminació de gènere”, el que s’anomena biaix algorítmic.

A part d’aquest biaix, però, la recollida massiva de dades per mitjà d’aquests sistemes d’intel·ligència també pot causar una pèrdua de privacitat, encara que les dades siguin anònimes. «Hi ha tècniques com la desanonimització (de-anonymization en anglès) que permeten en alguns casos identificar les persones. L'any passat diversos investigadors de la Universitat de Texas van comentar que eren capaços de desanonimitzar prop de 500.000 usuaris d’un conjunt de dades públic de Netflix (que contenia uns deu milions d’avaluacions de pel·lícules), comparant aquest conjunt de dades amb les dades d’Internet Movie Database», exemplifica.

Aquests i d'altres reptes que afronten actualment els professionals de la salut es tractaran en una jornada que es farà el 27 de setembre a partir de les 17.00 hores a la seu de Movistar Centre (carrer de Fontanella, 2, Barcelona). La inauguraran la vicerectora de Planificació Estratègica i Recerca de la UOC, Marta Aymerich, i el director general de Recerca i Innovació en Salut de la Generalitat, Albert Barberà. Hi participaran representants de l’Hospital Universitari Vall d’Hebron, del Parc Taulí de Sabadell i de l’Hospital Clínic, entre altres.