El potencial de la IA en medicina: regulación y desafíos
- thaisfajardo
- 31 de julio de 2024
- Medicina General e Interna
- 0 Comments
15/07/2024
Aquel facultativo que vea en la inteligencia artificial una herramienta complementaria con la que acelerar sus diagnósticos, contando con todos los datos que aporte la comunidad científica, podrá liberarse de las tareas más tediosas de su trabajo mediante su automatización, y así aplicar su talento al trato directo, humano y especializado con sus pacientes.
Aunque la inteligencia artificial (IA) no pretende hacer prescindibles las especialidades médicas, ni tampoco suplir la realización de los ensayos clínicos que permiten disponer de nuevos tratamientos, también es cierto que precisa de un mayor desarrollo y rodaje para que las máquinas no confundan un melanoma con una mancha de café o la clavícula como una lesión de neumonía en una placa de tórax, como ha ocurrido en ocasiones. No obstante, el potencial de dicha capacidad de procesamiento hoy posible se deberá seguir guiando por el sentido de humildad que recuerda que el cerebro humano es algo que no se puede replicar, y menos aún después del largo proceso formativo y en la práctica clínica que desarrollan los médicos. A pesar de lo cual es indudable que las posibilidades de la IA hoy se presentan como casi infinitas al poder extraer una enorme información de resonancias, endoscópicas y analíticas de fluidos y otros parámetros de presión arterial, electrocardiografía y demás dispositivos, sin olvidar los wearables de lectura personal.
IA, Machine and Deep Learning
El doctor en ciencias de los materiales Josep A. Planell, catedrático emérito de la Universitat Oberta de Catalunya, estimó recientemente que lo mejor de la IA es su nombre porque, aunque en su actividad quiere remedar parcialmente lo que hace el cerebro humano, el machinelearning es un aprendizaje recursivo y progresivo a partir de los datos que mejoran la experiencia acumulada con el tiempo. Mientras que el deep learning se encarga de resolver tareas específicas como hacen los dispositivos Alexa de los domicilios o los Siri en los teléfonos móviles al igual que hacen también los traductores automáticos, los coches autónomos, los chatbots, el coloreado de imágenes y el reconocimiento facial con el debate de la protección de datos al fondo, o como la personalización del entretenimiento a través de pantallas. Aunque estas tres capacidades tecnológicas de las máquinas tienen en común la necesidad de información y son deudoras de la ciencia de datos encauzada a través de las matemáticas y la estadística.
Concita todo ello, según el catedrático, un considerable poder de uso de la información en medicina como se aprecia fundamentalmente en Cardiología, además de Dermatología y otras especialidades en las que está más desarrollada. Ejemplos de ese cuidado del corazón, la red vascular y valvular, y frente a las patologías que les acechan, el catedrático señaló la guía del intervencionismo mediante aparataje y guías y simulación con gemelos virtuales que permiten plantear las cirugías sin daño para el paciente, y con el objetivo de lograr aprobaciones por parte de la FDA de Estados Unidos, primero, y luego por parte de la EMA. En paralelo a la revisión académica que se hace hoy de los datos clínicos y de pruebas médicas de los pacientes para construir una imagen médica sobre la que establecer protocolos. Realidades ya constatadas con resultados obtenidos en biomecánica de las prótesis, por ejemplo, y no tanto así en cuestión de biomateriales.
Con Europa hemos dado
En préstamo estilístico cervantino, las vías de trabajo para la aplicación de la IA a la medicina se encuentran, antes que tarde, con un celo regulatorio que en el caso de Europa es supranacional. Hasta la fecha el paso más firme en esta dirección fue la publicación de la resolución legislativa del Parlamento Europeo del pasado 13 de marzo de 2024 sobre la propuesta de Reglamento del Parlamento Europeo y del Consejo para el establecimiento de normas armonizadas en materia de inteligencia artificial, bajo la denominación de Ley de Inteligencia Artificial y con fecha del 21 de abril de 2021; que conllevó la supresión de los tres actos legislativos realizados ese mismo año en por la UE sobre la cuestión. Dicha ley, en proceso de aprobación y entrada en vigor, tiene como objetivo jurídico regular el uso de los sistemas de IA en el continente, bajo los principios de la seguridad personal y digital, con el respeto a los derechos fundamentales de los ciudadanos, pero también sin renuncia al impulso de la innovación tecnológica. El reglamento recibió el respaldo mayoritario de la Eurocámara en diciembre de 2023, tras las negociaciones efectuadas por los estados miembros.
Sin dejar de señalar la asunción previa de que tal IA representa riesgos potenciales para los sistemas democráticos, los derechos individuales y el medio ambiente. De lo que se extraen prohibiciones de aplicación como los sistemas de categorización biométrica que se basan en características sensibles y la captura indiscriminada de imágenes faciales de internet o grabaciones de cámaras de vigilancia con las que se puedan crear bases de datos de reconocimiento facial. A la vez que se proscriben métodos de reconocimiento de emociones en los puestos de trabajo y los colegios, los sistemas de puntuación ciudadana, las actuaciones policiales anticipadas y basadas en perfiles personales dudosos o de evaluación de sus características, así como toda IA que de vulnerabilidad. Sin dar permiso, inicialmente, a la identificación biométrica por parte de los cuerpos de seguridad ciudadana. Mientras que los sistemas de identificación biométrica en tiempo real sólo podrán ser usados en tiempo y lugar específicos, mediando una autorización judicial o administrativa y con carácter previo a su realización. Siendo factible, sin embargo, para búsquedas selectivas de personas desaparecidas o para prevenir actos terroristas. A la vez que los sistemas de uso a posteriori se consideran de alto riesgo y también requieren autorización judicial por sus implicaciones en los procesos de tipo penal. Frente a imágenes ultrafalsificadas
Así mismo, y en espacios y servicios públicos y privados como los destinados a la salud, el reglamento europeo exige evaluar y reducir los riesgos que suponga la IA, mantener registros de uso y velar por la supervisión humana con criterio de transparencia, con derecho por parte de los ciudadanos, y en este caso, pacientes, para pedir y recibir las explicaciones correspondientes a los usos o decisiones derivados de la IA que pudieran afectar a sus derechos. Donde los modelos que planteen riesgos sistémicos para la ciudadanía quedan sujetos a requisitos adicionales para que se eviten incidentes. Con obligación de etiquetado de los contenidos como las imágenes, audios y vídeos artificiales o manipulados y considerables como ultrafalsificaciones.
Ante este panorama normativo, no obstante, la UE ha puesto en marcha la Oficina de IA para asesoramiento de las empresas, y otras organizaciones, y que estas puedan regir sus actividades según los valores humanos y europeos durante la implantación de sus sistemas de IA.
Inteligencia aumentada en EEUU y auge de China
En las últimas revisiones de su documento ad hoc, laAsociación Médica Estadounidense (AMA) se centró en el concepto de la inteligencia aumentada en medicina como superación del término IA, porque incide aquella más en el rol asistencial y la idea de ampliar la inteligencia humana en lugar de reemplazarla, pero usando la IA para poder ofrecer mejores cuidados y mayores tasas de bienestar a los pacientes. De forma que la AMA aconseja que la IA pueda ser usada por los facultativos norteamericanos con salvaguarda de los datos y requisitos de ciberseguridad, mediante el uso de sistemas de toma de decisiones automáticas. Para lo que la institución realizó una encuesta a mil facultativos en la que se acreditó un uso de la IA, que un 65% de ellos apreció con bastante entusiasmo al menos una ventaja de dicha tecnología durante su práctica profesional, sin dejar de reclamar sin embargo mayor investigación preferiblemente clínica en este terreno. De lo que la AMA espera ampliar el marco de uso de la IA para potenciar la atención en la comunidad. Dado que tal IA fue considerada como una herramienta poderosa para mejorar las dinámicas laborales de los médicos, como indicó la doctora Kimberly Lomis, vicepresidenta de la AMA.
También fuera de nuestras fronteras se busca el aprovechamiento de la IA para salir al paso de problemas organizativos como la falta de médicos o el exceso en los tiempos de espera para la atención, como se plantea en hospitales de Reino Unido, China o Japón, según las páginas de la revista Nature Medicine. Atribuyendo además a esta tecnología la capacidad de identificar más tempranamente parte de las enfermedades infantiles. En el caso del gigante asiático, y a partir de datos de 6.000 pacientes con la colaboración de investigadores de EEUU, se pudo alcanzar una precisión cercana al 90% en patologías pediátricas tan diversas como el asma o la meningitis. Un ejemplo de que China podría ser el país líder en IA médica con la frontera puesta de momento en el año 2030. Una previsión especialmente azuzada por sus listas de espera, a pesar de su alta tasa de facultativos, calculada en 1,8 médicos por 1.000 habitantes (OCDE, 2017). Entre estos desarrollos chinos de nueva factura, una tecnología que aúna IA y cámaras permitió a la Universidad Sun Yat-Sen, con el motor de búsqueda China Baidu, identificar tres tipos de patología ocular con una precisión del 94%. Una ayuda innegable para el término de Deqing, en la provincia de Guangdong, en cuyos espacios rurales se da una tradicional falta de oftalmólogos. Como otro ejemplo, el Hospital de la Amistad China-Japón, situado en el distrito de Chaoyang, de Pekín (China), se propuso compensar el deficiente número de dermatólogos detectado en el país con la aplicación Quality Skin y su virtualidad para diagnosticar 2.000 patologías de la piel. Enfermedades para parte de las cuales también existe un servicio médico oficial de acupuntura en el centro. En la misma línea, Japón lleva cerca de siete años en el empeño de aplicar desarrollos de IA a sus hospitales con una potente inversión para su optimización organizativa y de sus circuitos de cirugía. Dado que Japón también comparte con China su déficit de médicos especialmente en el medio rural.
Esta preocupación conocida en Extremo Oriente también se manifiesta de manera más próxima geográficamente en Reino Unido, donde los tiempos de espera para recibir tratamientos especializados se han extendido notablemente en los últimos años dentro del Servicio Nacional de Salud (NHS). Problemática a cuya corrección se aplican los expertos del University College London Hospital (UCLH), empezando por la sistematización del dolor coronario mediante IA.
A la velocidad de la IA generativa
2023 dejó como conclusión que no ha habido hasta la fecha una tecnología en la Historia que se haya desarrollado con tanta velocidad y capacidad de expansión como la IA generativa (gen AI). Cómo analizaron en las oficinas de McKinsey Kate Smaje (Londres, Reino Unido) y Rodney Zemmel (Nueva York, EE. UU.), el desarrollo de este tipo de software está conmoviendo para bien las estructuras de las organizaciones al mismo ritmo que se abaratan estas tecnologías pero, mientras que los más innovadores son aquellos que acaparan los titulares de los medios, son por otro lado los implementadores a escala los que controlan los procesos, en función del valor que se obtiene de la computación por una capacidad hoy ilimitada desde la premisa de que el conocimiento es poder y los datos conocimientos. Para lo que se requiere que las propias personas sigan el tirón de la IA generativa para el desarrollo de estructuras neuronales en sucesivas generaciones de IT exclusivamente dirigidas a la generación de valor en las entidades mejor capacitadas para probar adelantadamente estos desarrollos.
En este terreno, el catedrático de ciencias de la computación e IA de la Universidad Politécnica de Madrid, profesor Pedro Larrañaga, estimó en la Real Academia Nacional de Medicina que la versión que hoy puede ofrecer la IA en medicina es necesariamente “blanda” por su incapacidad para adoptar pensamientos humanos y su versatilidad para dar múltiples respuestas, tantas veces improvisadas, a los problemas que se plantean. Quedando a su juicio los diagnósticos médicos plenos a la espera de una IA fuerte de la que todavía no se dispone. Al asumir la actual IA como fruto de los modelos de caja negra y redes neuronales profundas. Con la barrera puesta hoy en que las máquinas no son capaces de explicar lo que pasa, aunque digan bastante bien el resultado de lo que pasa. Una falta de interpretabilidadtambién señalada por la investigadora del Consejo Superior de Investigaciones Científicas (CSIC) Lara Lloret, quien se unió también en la RANM a sus serias dudas acerca de que se pueda optar próximamente a una IA general que pudiera servir, por ejemplo, para todos los hospitales, aunque sin negarse a implementaciones muy originales y específicas por cada centro.
Alertó Lloret de los frecuentes ataques adversarios en los que la IA puede engañarse a sí mismo. Así fue como la IA adoptada por el Hospital Marqués de Valdecilla de Cantabria confundió la clavícula como mancha por neumonía en pacientes de Covid-19 durante la pandemia, algo aclarado rápidamente por los radiólogos del centro. O como ocurrió, en EEUU, cuando se produjeron errores de diagnóstico de melanoma en personas de raza negra, porque la IA empleada sólo disponía de información de personas de raza blanca.
No obstante, la investigadora Lloret sí vio oportunidades en medicina con realidad aumentada que supere el actual concepto de caja negra o red neuronal, así como para usar la gen AI en imágenes sin contraste para la segmentación volumétrica de órganos (contouring) en el uso de la protonterapia, la selección de pacientes para ciertas dianas terapéuticas o la comprensión de la forma y plegamiento determinantes de las proteínas con el objetivo de desarrollar nuevos antivirales y antibióticos, mediante redes generativas adversativas. Tal como hace Google DeepMind con la fusión de los gametos femenino y masculino del parásito de la malaria con objeto de optar a una nueva vacuna.
Se encuadraron en este ámbito las declaraciones de Alejandro Pazos, investigador del centro para el avance y la excelencia en I+D+i aplicada a las TIC, CITIC, de la Universidade da Coruña (UDC), sobre coincidencia entre médicos e inteligencia artificial para potenciar la calidad y sostenibilidad de la sanidad. Desde los trabajos del grupo RNASA-IMEDIR en esta universidad gallega, este especialista en IA y medicina confirmó que asistimos a una revolución para el conjunto del proceso asistencial por su potencial de predicción y prevención de algunos tipos de cáncer en refuerzo del juicio clínico y otras vías de trabajo como el desarrollo acelerado de medicamentos o el reposicionamiento de fármacos ya existentes en el mercado. A lo que sumó la capacidad de anticipar la evolución en casos de cáncer colorrectal, la mejora en el cribado mamográfico, el soporte a la gestión hospitalaria ante situaciones críticas y el apoyo a los circuitos intensivistas. A lo que habría que añadir, entre otras muchas opciones sugeridas por él, la predicción con IA de las complicaciones trombóticas a largo plazo.
Entre prompt y prompt
Estas palabras o textos para entrar en una red neuronal en espera de respuesta, los prompts, son imprescindibles para las aplicaciones de IA y el procesamiento de lenguaje natural. Instrucciones breves que guían al usuario a través de una acción específica que, dentro de la telemedicina, por ejemplo, permiten programar citas, entrar en sala de videoconferencia y disponer de documentos clínicos desde cualquier lugar. Donde las redes neuronales son marcos matemáticos para aprender representaciones significativas y no modelos de funcionamiento del cerebro humano. Dichas redes aprenden desde una capa de entrada (input layer) y van a otra de salida (out layer), ambas visibles, entre las que hay otras que no lo son (hidden layers). Un aprendizaje que busca minimizar errores para establecer coordenadas de respuesta patológica o de salud, con etiquetas que permiten hacer comparaciones con la realidad.
Esta capacidad para “razonar” de las máquinas va hoy del One-shot learning, como puede ser reconocer un animal al citar su nombre, al aprendizaje de transferencia desde la formación desde cero (Training from scratch) a la transferencia de formación (Transfer learning), para llegar al aprendizaje federado que surte desde un modelo de servidor global de IA a todos los modelos locales de IA que residen en los dispositivos. Y para llegar al análisis contrafáctico que desciende de la punta del iceberg, o pico factual sobre la parte sumergida, que es la masa contrafactual, además de la ciencia de la causalidad y el flujo de datos.
Desde el Ministerio de Sanidad
En lo que respecta a España, el Ministerio de Sanidadcomunicó el pasado mes de marzo su decisión de incorporar sistemas de IA como apoyo a las tomas de decisiones clínicas de los médicos del país, mediante soporte de contenidos basados en la evidencia científica. La decisión se tradujo en un contrato puesto a disposición de los profesionales del Sistema Nacional de Salud (SNS) que permite el acceso al sistema de IA con las herramientas uptodate y uptodate advance de la compañía Uptoodate. Sistema que se nutre de fondos editoriales y contenidos de miles de autores con orientaciones sobre el uso de terapias y otras cuestiones inherentes a 25 especialidades, a partir de una inversión financiada superior a los 7,6 millones de euros.
En paralelo a estos desarrollos impulsados desde el sector público, la ciudad de Málaga reunirá pronto a expertos en inteligencia artificial y oncólogos con la encomienda de debatir sobre las posibles mejoras en prevención, detección, diagnóstico, tratamiento y pronóstico de las neoplasias malignas mediante IA Generativa. Con el lema de Inteligencia Artificial Generativa (IAG) en Salud y Oncología, el tercer simposio sobre esta tecnología, organizado por la Sociedad Andaluza de Oncología Médica (SAOM), y programado para el 25 de abril, aportó argumentos a favor de una IA capaz de adelantar los diagnósticos con mayor precisión y criterio de medicina personalizada. A lo que se aplicarán clínicos como los doctores Emilio Alba, Nuria Ribelles, Marina Álvare y José Manuel Jerez, entre otros de cara a profundizar en la inteligencia clínica ambiental mediante procesamiento de lenguaje natural e IA. Y para asegurar el uso protegido de la información de salud y contribuir además al descubrimiento de nuevos fármacos. Al encuentro acudió el doctor César A. Rodríguez, actual presidente de la Sociedad Española de Oncología Médica (SEOM), en el cual el experto en IA, Data Science y servicios cognitivos y asistentes virtuales Javier Porras sentó las bases conceptuales de la IAG y las utilidades de las aplicaciones conversacionales en cáncer; Martin Krallinger, director de la unidad de procesamiento del lenguaje natural para el análisis de la información biomédica del Barcelona Supercomputing Center, trató sobre la generación de datos sintéticos con IAG en salud; y Rodrigo Dienstmann, jefe del grupo Oncology Data Science (ODysSey), e investigador del Vall d´Hebron Instituto de Oncología de Barcelona, analizó los otros usos de la IAG en el ámbito sanitario. No dejándose tampoco de tratar los aspectos éticos de estas nuevas tecnologías, además de conocer las propuestas de mercado de firmas como Naru Intelligence, Trialing Health y Nixi For Children.
La mirada inteligente del médico
A la vista de todos estos avances, propios y foráneos además de bastante omnipresentes hoy en los entornos ciudadanos, siempre estará ahí la relación médico-paciente desde una confianza en la que la actitud atenta, la mirada amable y el juicio clínico vivencial seguirán siendo rasgos inaccesibles para las máquinas. Para lo que deberán ser vigiladas con el objetivo de que no se resientan los principios de seguridad, privacidad, interoperabilidad y cumplimiento normativo expresados por la investigadora Lloret y que dice querer proteger la UE con su reglamento en trance de aprobación definitiva. Para dar crédito a corto plazo, o no, a las palabras del visionario magnate Elon Musk, cuando afirmó hace unas escasas semanas que la inteligencia artificial superará a la humana en aproximadamente un año.
En cualquier caso, y sin dar lugar a predicciones tremendistas, será del mayor interés mantener la atención a lo que se vaya a decir en el ya aludido tercer simposio sobre IA generativa en Oncología Médica, que se celebró en la ciudad de Málaga en pocas semanas. Dejando algún rato libre para jugar con la app AI Hospital doc life, ejercicio de simulación que permite al jugador ponerse en la piel de un gestor hospitalario ubicado en un entorno futurista y dotado con las últimas tecnologías de inteligencia artificial para optar a mejores diagnósticos y tratamientos a la vez que se optimizan los recursos del hospital y se incorporan las últimas innovaciones tanto tecnológicas como farmacológicas.
