«La intel·ligència artificial és un tsunami que tard o d'hora s'incorporarà en l'ajuda al metge»

 

Els investigadors Ferran Prados i Jordi Casas-Roma són els líders del grup de recerca de la Universitat Oberta de Catalunya (UOC) Applied Data Science (ADaS) Lab, adscrit als Estudis d'Informàtica, Multimèdia i Telecomunicació, d'on sorgeixen solucions basades en la intel·ligència artificial per millorar la salut i la qualitat de vida de les persones. Jordi Casas-Roma és enginyer i doctor en informàtica, té un màster en intel·ligència artificial avançada i va centrar la seva tesi en privacitat de dades i mineria de dades. Actualment és director del màster universitari de Ciència de Dades (Data Science) de la UOC. Al seu torn, Ferran Prados també és enginyer i doctor en informàtica especialitzat en imatge mèdica i es va incorporar l'any 2012 al Centre for Medical Image Computing de la University College de Londres, feina que actualment compagina amb la UOC. Entre altres fites, Prados ha desenvolupat mètodes avançats en l'anàlisi d'imatges de la medul·la espinal i el cervell. La suma dels seus coneixements els permet investigar aspectes sobre imatge mèdica, genètica, privacitat de dades mèdiques, pobresa energètica o l'evolució dels malalts amb esclerosi múltiple a partir d'eines d'intel·ligència artificial. Actualment també treballen en un projecte, pendent de finançament, per ajudar a dur a terme el cribratge de malalts amb la COVID-19.

 

 

 

Els investigadors Ferran Prados i Jordi Casas-Roma són els líders del grup de recerca de la Universitat Oberta de Catalunya (UOC) Applied Data Science (ADaS) Lab, adscrit als Estudis d'Informàtica, Multimèdia i Telecomunicació, d'on sorgeixen solucions basades en la intel·ligència artificial per millorar la salut i la qualitat de vida de les persones. Jordi Casas-Roma és enginyer i doctor en informàtica, té un màster en intel·ligència artificial avançada i va centrar la seva tesi en privacitat de dades i mineria de dades. Actualment és director del màster universitari de Ciència de Dades (Data Science) de la UOC. Al seu torn, Ferran Prados també és enginyer i doctor en informàtica especialitzat en imatge mèdica i es va incorporar l'any 2012 al Centre for Medical Image Computing de la University College de Londres, feina que actualment compagina amb la UOC. Entre altres fites, Prados ha desenvolupat mètodes avançats en l'anàlisi d'imatges de la medul·la espinal i el cervell. La suma dels seus coneixements els permet investigar aspectes sobre imatge mèdica, genètica, privacitat de dades mèdiques, pobresa energètica o l'evolució dels malalts amb esclerosi múltiple a partir d'eines d'intel·ligència artificial. Actualment també treballen en un projecte, pendent de finançament, per ajudar a dur a terme el cribratge de malalts amb la COVID-19.

 

 

Foto: Ferran Prados

FERRAN PRADOS: El projecte vol crear un punt d'accés únic per al diagnòstic de la COVID-19 que ajudi a dur a terme el cribratge del malalt. És a dir, nosaltres voldríem fer el diagnòstic a partir d'un web disponible per a tots els hospitals on qualsevol tècnic d'imatge pugui pujar únicament la ressonància, la tomografia computada (TC), l'ultrasò o la radiografia que hagi fet al pacient amb símptomes de COVID-19, i, a partir de la intel·ligència artificial (IA), en pocs segons el metge pugui saber la probabilitat que té de tenir la malaltia. És una eina que vol ajudar el metge a guiar-se en el diagnòstic.

F. P.: Seria un complement. De la mateixa manera que sabem que els testos fallen, els algoritmes també poden fallar. El que ha de fer el metge és analitzar-los conjuntament. El metge es pot trobar que el test serològic surt negatiu, però, en canvi, el programa informàtic indica que el pacient té un percentatge alt de probabilitats de tenir la malaltia. A partir del que digui l'algoritme, més els testos o les exploracions que s'hagin fet al pacient, el metge determinarà quina és la decisió més encertada per a aquell malalt.

F. P.: L'avantatge per al pacient és que tindrà una prova més i el diagnòstic que li hauran fet serà més robust i concret. Però també té avantatges per als centres hospitalaris, ja que els ajuda a optimitzar els recursos. L'eina ajuda a fer el triatge dels malalts, per exemple, a no derivar ningú a l'UCI si no li toca o no enviar ningú a casa si tampoc no li toca. L'eina ha d'ajudar a evitar el que passava al començament d'aquesta pandèmia: tothom arribava als hospitals i no es tenia gaire clar on calia adreçar cadascú.

JORDI CASAS-ROMA: Estem en la fase de cerca de finançament perquè ens calen recursos de maquinària i gent que ens ajudi, però alhora estem avançant en el projecte perquè com més coses tinguem fetes, més credibilitat tindrem i més probabilitat d'èxit quan ens presentem a una convocatòria de finançament. De moment, anem avançant fins on podem amb els recursos disponibles.

J. C. R.: L'estudi, que ja fa més d'un any que està en marxa, té dues parts. En primer lloc, volem veure com podem categoritzar la gravetat de la malaltia en funció de la integritat de certes regions del cervell. Hem determinat que hi ha sis o set regions clau al cervell i hem vist que, quan la malaltia avança més, aquestes regions han patit un dany important i han deixat de ser centres de transmissió cerebral de la informació. La segona part de l'estudi consisteix a predir l'estat o l'evolució d'un pacient, és a dir, el camí que seguirà la persona amb esclerosi múltiple. En un futur, això ens pot portar a una millor personalització dels tractaments farmacològics segons l'evolució que segueix la malaltia.

F. P.: A partir de les regions cerebrals i com es connecten entre elles, podem crear un mapa de connectivitat. Depenent de la fase de la malaltia en què està el pacient, aquestes connexions es van degradant. Nosaltres podem detectar els canvis que hi ha en les connexions de les 76 regions de la part més externa del cervell i classificar els pacients segons la pèrdua cognitiva que tenen. Però no ens volem quedar aquí. A banda de saber com es connecten les diferents zones del cervell, també volem saber com respon el pacient a estímuls externs: per exemple, saber quines zones del cervell s'activen o es desactiven quan li demanem que mogui un dit o miri una imatge, i com la informació flueix per aquestes connexions que s'estan degradant.

F. P.: És una de les malalties més tristes que hi ha. La incidència ja es pot donar en persones joves, un 70 % són dones i un 30 %, homes. Dels quatre tipus d'esclerosi múltiple, hi ha un grup de malalts que poden tenir un atac un dia i potser el següent no els arriba fins al cap de vint anys. Altres malalts tenen un atac un dia, al cap de dos mesos un altre i al cap d'un any ja van en cadira de rodes. És una malaltia terrible per al pacient, i és molt dura també per a la família. No sabem amb exactitud quins són els desencadenants; als científics se'ns escapen i encara hi ha molta recerca per fer tant en el diagnòstic com en el tractament de la malaltia.

J. C. R.: En recerca, es fan moltes coses en temes d'oncologia, esclerosi múltiple, genòmica... El que no tinc tan clar és en quin percentatge ha traspassat aquesta recerca a la clínica, és a dir, com reverteix en el pacient.

F. P.: La intel·ligència artificial en recerca és arreu, però en clínica és difícil que trobem casos en què s'apliqui extensivament. S'intenta, però les incerteses i la caixa negra que representa la intel·ligència artificial per als metges fan que siguin una mica reticents al fet que arribi al dia a dia amb el pacient, al centre d'atenció primària (CAP) o a l'hospital de referència. Estem en un moment de transició.

F. P.: Jo penso que sí, els mètodes són cada cop més precisos i robustos, i s'accepta més el seu funcionament en temes, per exemple, d'imatge mèdica, diagnòstic o epidemiologia. Tornant al projecte de la COVID-19 en què treballem, nosaltres proposem un algoritme, però suposo que hi hauria metges que hi posarien traves.

F. P.: Per la incertesa, pel fet que pugui fallar. Un mètode d'intel·ligència artificial pot fallar en un 10-20 %, percentatge que fa patir els metges, i, per descomptat, també el pacient. Tot i que en alguns casos el mètode pot arribar a ser més precís que alguns experts, estem en un moment en què a la IA se li ha de trobar l'encaix en el dia a dia, a la clínica real. Volem que la IA sigui un substitut o una ajuda? Si és una ajuda, té molta aplicació; si volem substituir un metge, evidentment ens falta millorar molt els algoritmes per tenir aquest punt de persona humana.

J. C. R.: Jo faria un símil amb els cotxes autònoms. Trigarem encara força temps a veure els cotxes conduïts autònomament a les carreteres, però això no vol dir que els automòbils que es venen no tinguin ajudes: quan t'acostes a una línia o quan se t'acosta molt un vehicle reps un avís, et corregeixen la conducció al volant si surts d'un revolt... En el cas de la intel·ligència artificial aplicada a la salut passa també una mica això. En aquest cas, però, s'hi sumen aspectes legals. Per exemple, si el cotxe té un accident, n'assumeix la responsabilitat el conductor o el fabricant? Els metges poden ser reticents perquè se'ls pot plantejar una problemàtica similar: si el diagnòstic és erroni i el pacient denuncia, qui n'és el responsable? El metge o la màquina que ha pres la decisió?

Són temes complexos i han d'encaixar totes les peces: la tecnològica, la social i la legal. El que sí que penso és que el camí ja està traçat i no hi haurà marxa enrere. Serà més ràpid o més lent, però això ho veurem cada cop més integrat i incorporat en l'ajuda al metge.

F. P.: Sí, això és un tsunami que entrarà sí o sí en el dia a dia metge-pacient. El que s'ha de trobar és el seu encaix.

J. C. R.: Possible ho és perfectament. Una altra cosa és que tu com a individu tinguis confiança en una màquina o no, i legalment, qui et cobrirà si la màquina s'equivoca? La possibilitat de fer-ho amb un error baix hi és, tot i que això no impedeix que s'ho pugui mirar i valorar una persona. Sí que penso que en un primer nivell d'atenció (per fer un símil, en un nivell similar al d'una trucada al 061) seria possible ser atès per un algoritme d'IA que, a partir de la teva descripció i símptomes, sigui capaç d'aconsellar-te un tractament simple o derivar-te al professional o centre d'atenció indicat.

J. C. R.: L'ètica, i aquí hi inclouríem la privacitat, és la principal. A la Xina, hi ha milions de càmeres al carrer que controlen on va la població i en aquests moments de pandèmia ho tenen més fàcil per controlar la mobilitat de la gent. Però això comporta problemes de privacitat importants i també d'ètica, aspectes que a Europa de moment no estem disposats a sacrificar. Hem de lluitar per mantenir el nostre nivell de privacitat, i cal intentar que la IA tingui un component d'ètica i sigui justa amb les persones, i que no hi hagi discriminacions per raó de raça, sexe o d'altres.

Actualment, hi ha grups catalans, espanyols i europeus que plantegen fulls de ruta sobre la direcció que ha de tenir la IA a fi que sigui un bé per a la societat i no suposi un control exhaustiu de la població: des de com ha d'encaixar en la societat, com l'hem de fer responsable, qui ha de respondre davant determinades coses, quins són els límits... És un sector amb molt de potencial, tant pels beneficis que té per a la societat com des del punt de vista econòmic i de generació de llocs de treball. Però la implantació s'ha de fer amb cura per no acabar com a la pel·lícula de ficció 1984, basada en la novel·la homònima de George Orwell, on apareix la idea del Gran Germà.

F. P.: Tot projecte basat en la IA passa per un comitè d'ètica, fet que ja t'obliga a tractar les dades amb seriositat. No es demanen dades aleatòries, no es guarden les dades més temps del que és estrictament necessari i s'eviten demanar més dades del compte. Has de pensar què vols fer i quines dades necessites per posar límits a tot plegat.

J. C. R.: El projecte sorgeix a partir d'una trobada amb el coordinador de la Fundació iSocial, entitat que treballa en la innovació en el sector social. Volien veure si a partir d'algoritmes d'intel·ligència artificial es pot intentar preveure com pot evolucionar la pobresa energètica en determinats barris i preveure les probabilitats que una família o llar té de no poder arribar a pagar factures de llum o d'aigua. Alhora vam contactar amb l'Ajuntament de Santa Coloma de Gramenet, municipi on hi ha una ràtio elevada de famílies que pateixen pobresa energètica. Un cop tinguem finançament i puguem engegar la recerca, ens caldrà recollir dades molt diverses (econòmiques, de rendes, retards en pagaments, factures, nivell de qualificació energètica de domicilis, despeses familiars, crèdits pendents, situació laboral, problemes de dependència…) que ens haurien de permetre analitzar el nivell de pobresa energètica en barris i la seva evolució, i també predir quins domicilis en un període des d'uns mesos fins a un any poden tenir probabilitats elevades de deixar de pagar les factures.

Normalment, quan un ajuntament detecta una situació de pobresa energètica, la família fa mesos que la pateix i ja ha deixat de pagar factures o està amenaçada de talls de subministrament. El problema ja s'ha fet gran. Amb el projecte volem, en essència, ajudar els serveis socials en la detecció precoç de possibles casos de pobresa energètica.