La inteligencia artificial evita enfermedades

  Foto: Unsplash

Foto: Unsplash

El sistema permite predecir problemas pulmonares o detectar enfermedades cardiovasculares

La falta de formación de los profesionales de la salud es el principal obstáculo que hay que vencer en la aplicación de la IA en la medicina

La digitalización de los datos en el ámbito sanitario ha permitido aplicar técnicas de inteligencia artificial (IA) que hacen posible, gracias a la extracción de dichos datos, la mejora del tratamiento de las enfermedades. Existen muchos ejemplos, explica el coordinador del eHealth Center de la UOC, Jordi Conesa: el análisis de radiografías en tiempo real para predecir enfermedades pulmonares, de datos clínicos de pacientes para detectar enfermedades cardiovasculares o de fotografías para detectar localizar tipos de cáncer de piel. Estas técnicas de inteligencia artificial, pero, también se aplican en otros ámbitos, como en el análisis de medicamentos o en la mejora de la eficiencia de los procesos sanitarios. «Lo más sustancial que puede aportar la inteligencia artificial es que pasemos de un modelo centrado en el tratamiento de las enfermedades a uno centrado en evitarlas», explica Conesa.

Según los expertos, uno de los principales obstáculos en la materialización de este cambio de modelo es la falta de formación de los profesionales de la salud para afrontarlo. «La digitalización de la historia clínica no fue tarea fácil y suponía simplemente cambiar el formato de la información que se generaba y se consumía. Ahora hablamos, por ejemplo, de introducir asistentes que pueden ayudar a los médicos a predecir la enfermedad del paciente o a encontrar un tratamiento más personalizado», detalla Conesa. Según Carme Carrion, directora del máster universitario de Salud Digital de los Estudios de Salud de la UOC, que comenzará el próximo mes de octubre, entre las competencias que debería adquirir el profesional de la salud están la flexibilidadlas habilidades comunicativasconocimientos tecnológicos básicosestrategias para apoderar a los pacientesaspectos legales o éticos, o la capacidad para implantar y evaluar la eficacia de las intervenciones. «Son aspectos que en la mayoría de formaciones regladas de los profesionales del entorno de la salud no están lo suficientemente cubiertos», matiza Carrion.

Dicha falta de formación, sin embargo, no es exclusiva del sector de la salud. «Actualmente se utiliza el análisis de datos de forma masiva en muchos sectores y en todos pasa lo mismo: es necesario un mínimo conocimiento de las técnicas que se utilizan para ser capaces de entender la información de la que nos proveen los sistemas inteligentes, contextualizarla y valorarla, es decir, saber hasta qué punto debemos confiar en el sistema inteligente», añade Conesa. Conceptos como correlación, casualidad, precisión, sensibilidad, especificidad —añade— son necesarios para interpretar con rigor los resultados de sistemas que se utilizan para el análisis de datos, como el aprendizaje automático (machine learning).


Los riesgos: credibilidad de los sistemas, calidad de los datos o el sesgo algorítmico

La aplicación de sistemas inteligentes en el sector de la salud comporta unos mínimos riesgos en los que el sector ya trabaja para minimizarlos: «La IA no posee una precisión del 100%», recuerda Conesa. Por otro lado estos sistemas se entrenan con grandes cantidades de datos para aprender a resolver problemas concretos. «Entrenar un sistema con los datos erróneos o incompletos puede llevarlo a tomar decisiones equivocadas», apunta Conesa, que pone como ejemplo un artículo de 2015 en el que se analizaron qué pacientes con neumonía tenían más riesgo de morir. El sistema concluyó, erróneamente, que los que padecían asma y sufrían neumonía tenían menos riesgo que los que no tenían asma. «El problema es que los pacientes con asma que sufrían una neumonía entraban directamente en las unidades de cuidados intensivos, recibían el tratamiento que tocaba, cuando tocaba y se acababan curando. No se morían porque los atendían, pero no porque tuvieran menos riesgo. Como el sistema inteligente no poseía esta información, terminó generando una conclusión incorrecta», explica. Además hay que tener en cuenta que las predicciones de los sistemas inteligentes pueden incluir «desigualdades o discriminación de género»

Aparte de este sesgo, la recogida masiva de datos mediante los sistemas de inteligencia también puede causar también una pérdida de privacidad, aunque los datos sean anónimos. «Existen técnicas como la desanonimización (de-anonymization en inglés) que permiten en algunos casos identificar a las personas. El año pasado, varios investigadores de la Universidad de Texas comentaron que eran capaces de desanonimizar cerca de 500.000 usuarios de un conjunto de datos público de Netflix (que contenía unos diez millones de evaluaciones de películas), comparando este conjunto de datos con los datos de Internet Movie Database», ejemplifica.

Éstos y otros retos que afrontan actualmente los profesionales de la salud se tratarán en una jornada que se celebrará el 27 de septiembre a partir de las 17.00 horas en la sede de Movistar Centre (calle de Fontanella, 2, Barcelona). La inaugurarán la vicerrectora de Planificación Estratégica e Investigación de la UOC, Marta Aymerich, y el director general de Investigación e Innovación en Salud de la Generalitat, Albert Barberà. Así mismo, contará con la participación de representantes del Hospital Universitario Vall d’Hebron, del Parc Taulí de Sabadell y del Hospital Clínic, entre otros.

 

#expertosUOC

Foto del profesor Jordi Conesa Caralt

Jordi Conesa Caralt

Experto/a en: Aprendizaje en línea (e-learning), inteligencia de negocio, modelización conceptual y bases de datos NoSQL.

Ámbito de conocimiento: Bases de datos, inteligencia de negocio y modelización conceptual.

Ver ficha
Foto de la profesora Carme Carrion

Carme Carrion Ribas

Experto/a en: Evaluación de intervenciones en salud móvil (apps, sensores, dispositivos portables, etc.), en relación a su eficacia y efectividad.

Ámbito de conocimiento: Salud digital y evaluación de intervenciones en salud.

Ver ficha