La inteligencia artificial ya puede diagnosticar dolencias infantiles con la precisión de un pediatra

El impacto de la inteligencia artificial en la sanidad crece día tras día, y la comunidad científica no para de buscar nuevos caminos para explotar todo su potencial. Este lunes, un equipo internacional ha dado a conocer en un artículo el desarrollo de una máquina capaz de generar un amplio abanico de diagnósticos de dolencias infantiles. El sistema ha sido entrenado con los datos de más de 500.000 pacientes atendidos en una institución sanitaria de referencia ubicada en Guangzhou (China). Los investigadores destacan que esta tecnología puede ayudar a los médicos a entender más rápidamente qué pacientes necesitan una atención prioritaria y acertar con más precisión el diagnóstico de enfermedades raras o peligrosas.

Los autores del artículo, publicado en Nature Medicine, explican que la disponibilidad de información médica ha crecido exponencialmente en los últimos años, lo que complica la toma de decisiones por parte de los médicos. La capacidad de la inteligencia artificial de analizar grandes cantidades de datos puede ayudar a reducir esta carga y facilitar la valoración adecuada de cada caso clínico, aseguran. Pero conseguir que las máquinas sean capaces de interpretar correctamente los datos no es un desafío fácil de superar, recuerdan también.

El modelo que han desarrollado se basa en la explotación de técnicas de deep learning y de procesamiento del lenguaje natural. “Eso permite extraer información clave distribuida libremente en los historiales médicos electrónicos de los pacientes”, explica Kang Zhang, investigador de la Universidad de San Diego (California, EE UU) y miembro del equipo responsable del proyecto. Tras ser entrenada con datos anotados manualmente por unos pediatras, la máquina adquiere progresivamente la capacidad de incorporar y clasificar de forma automática la información relevante y, posteriormente, elaborar diagnósticos.

Zhang y sus compañeros aseguran que cuanto más grande es la cantidad de datos con la que se alimenta el sistema, más aumenta su eficacia. En este trabajo han utilizado los datos procedentes de casi 1,4 millones de citas pediátricas de más de medio millón de niños y adolescentes menores de edad. “Nuestro sistema de inteligencia artificial puede imitar a un médico humano y utilizar toda la información sanitaria para realizar un diagnóstico”, asegura Zhang.

Al comparar las valoraciones del estado de salud generadas por esta inteligencia artificial con las realizadas previamente por pediatras humanos, los investigadores constataron un nivel de precisión similar entre las dos para un buen número de dolencias infantiles (del resfriado y la gripe a las enfermedades de tipo neurológico). En algunos casos, la máquina hasta llegó a ser más precisa que los médicos menos expertos entre los que habían realizado los diagnósticos.

Zhang asegura que el sistema puede potencialmente diagnosticar cualquier tipo de dolencia pediátrica, aunque no resta importancia a lo que pueden aportar los profesionales humanos. “Con más entrenamiento, este sistema puede llegar a realizar la mayoría de los diagnósticos con una supervisión mínima de los doctores. Pero nunca podrá sustituir por completo a un humano”, zanja.

El experto del Instituto de Física Corpuscular (CSIC y Universidad de Valencia) Francisco Albiol destaca “el alcance” del estudio, que ha implicado “un gran despliegue de diferentes perfiles y trabajadores para recolectar datos, etiquetarlos, entrenar los modelos matemáticos, y comprobar los resultados de parte de la muestra”. Ignacio Hernández, médico del Hospital Ramón y Cajal de Madrid, cree que los aspectos más novedosos son la amplitud de diagnósticos que es capaz de abarcar y la gran cantidad de información que analiza. “Los modelos anteriores miraban solo datos muy concretos y estructurados”, compara.

Hernández, también cofundador de las empresas Savana y Mendelian, por otro lado cree que el estudio es “excesivamente opaco” en cuanto a la descripción de cómo funciona la tecnología de machine learning utilizada. El experto afirma que en este ámbito es normal que se den poco detalles sobre el mecanismo de los sistemas desarrollados, no tanto por secretismo sino porque muchas veces es difícil para los propios desarrolladores identificar “qué variables mira la máquina y por qué cuando opera”. Sin embargo, en su opinión, en este caso los autores “van más allá”. “No explican absolutamente nada de su modelo. Es inquietante y en cierto modo hasta incorrecto”, afirma.

El médico opina también que estudios como este tienen la limitación de mostrar resultados solo “sobre papel” y no en un plan real. “La práctica clínica es muy contextual, depende de aspectos como las condiciones sociosanitarias y económicas del paciente y muchos otros elementos”, argumenta. “Si no tenemos una demostración en vivo, en perspectiva, no podemos todavía decir que un sistema así resuelve problemas”.

José Luis Salmerón, experto en inteligencia artificial de la Universidad Pablo Olavide de Sevilla, no ve información “sorprendente” con respecto a trabajos previos, pero sí considera prometedor que “desde los ámbitos de salud empiezan a ser conscientes de lo que los especialistas en este ámbito podemos aportar en ese sector”. Hernández está de acuerdo con este argumento. “Al tener estas herramientas, tenemos que volver a dibujar en nuestra cabeza cómo es un sistema sanitario. La gente va a tener acceso a ellas online, en su móvil. Muchos elementos que damos por sentado van a cambiar”, considera.

Zhang y sus compañeros creen que el modelo propuesto permitirá acelerar el diagnóstico de las enfermedades más comunes y dará la posibilidad a los médicos de centrarse en los pacientes que necesitan una atención urgente. De esta manera, subrayan, se podrá optimizar la atención sanitaria y reducir los tiempos de espera.

El sistema podrá ayudar también a los doctores a tomar en consideración más hipótesis de valoración de las que pueden formular en base a su propia experiencia cuando se enfrentan a dolencias raras o complejas, agregan. Las ventajas potenciales, según estos científicos, serán particularmente beneficiosas en las áreas del mundo con escasos recursos sanitarios, como las zonas rurales de China.