En todo el mundo, los médicos empiezan a confiar en algoritmos de inteligencia artificial para acelerar los diagnósticos y los planes de tratamiento, con el objetivo de disponer de más tiempo para atender a más pacientes con mayor precisión. Todos podemos entender, al menos conceptualmente, lo que hace falta para ser médico: años asistiendo a clases en la facultad de medicina, leyendo montones de libros de texto y revistas especializadas, y pasando incontables horas en residencias médicas. Pero la forma en que la IA ha aprendido las artes médicas resulta menos intuitiva.
Para comprender mejor cómo aprenden estos patrones los algoritmos y qué riesgos podrían esconderse aún en esta tecnología, Quartz se asoció con Leon Chen, cofundador de la startup de IA médica MD.ai, y con el radiólogo Luke Oakden-Rayner para entrenar dos algoritmos y entender cómo se comparan con un profesional médico a medida que aprenden. Uno detecta la presencia de nódulos tumorales y el segundo evalúa la probabilidad de que sean malignos.
La inteligencia artificial que se desarrolla para uso médico suele consistir en una compleja identificación de patrones: se muestran a un algoritmo muchísimas imágenes médicas de órganos con tumores, así como imágenes sin tumores, y se le pide que aprenda los patrones que distinguen ambas categorías.
Mostramos a nuestros algoritmos cerca de 200,000 imágenes de tomografías computarizadas con tumores malignos, benignos y sin tumores, tanto en 2D como en 3D. La forma de medir la precisión del algoritmo de detección de nódulos mientras aprende a encontrar estos tumores es la misma que se usaría en la consulta de un especialista, mediante una métrica llamada «sensibilidad» (recall). La sensibilidad indica el porcentaje de nódulos que detecta el algoritmo, dado un número determinado de falsas alarmas. Por ejemplo, un 60 % en Recall@1 significa que detectaría el 60 % de los tumores, permitiendo una falsa alarma por exploración. En el caso del algoritmo de malignidad, se trata simplemente del porcentaje de nódulos identificados correctamente.
En teoría, se podría fijar el umbral de falsas alarmas más alto o más bajo, pero eso afectaría al porcentaje de nódulos detectados. Por ejemplo, si se permitieran cuatro falsas alarmas por cada nódulo detectado, el porcentaje aumentaría. En la práctica, más falsas alarmas implican pruebas innecesarias para los pacientes. Sin embargo, cada médico puede sentirse cómodo con distintos niveles de sensibilidad del algoritmo, ya sea priorizando la precisión o un menor número de falsos positivos, según su propio flujo de trabajo.
