“Doctor algoritmo”: cómo funcionan los servicios de salud asistidos por inteligencia artificial

En Argentina, una selfie o determinados sonidos ya se usan para detectar enfermedades a través de un teléfono celular. Dicen que puede ser una herramienta clave en cardiología, cáncer y diabetes.

Según la Organización Mundial de la Salud (OMS), en el mundo existen alrededor de 138 millones de pacientes que resultan perjudicados cada año por errores médicos. De todos ellos, cerca de 2,6 millones fallecen. En los Estados Unidos, por ejemplo, los errores médicos relacionados con el uso incorrecto de fármacos y fallas de diagnóstico representaron la tercera causa de muerte durante 2015.

Lo anterior es una prueba de que la medicina no es infalible. E incluso los especialistas, a pesar de sus conocimientos y experiencia, pueden equivocarse. Además, factores como el cansancio, el estrés o la sobrecarga laboral (muchas veces, los médicos pasan más de 24 horas de guardia sin descanso), sin dudas, afectan al rendimiento diario.

Frente a este panorama, los avances tecnológicos de los últimos años traen noticias alentadoras. Gracias a la Inteligencia Artificial (IA), hoy existen innovaciones en el ámbito de la salud que permiten mejorar las técnicas de diagnóstico médico e incluso detectar patologías o lesiones imperceptibles para el ojo humano.

Si bien en Argentina la IA aplicada a la salud todavía es incipiente, existen algunos ejemplos que vale la pena comentar.

Boti: toser por WhastApp

En los últimos días, se conoció la noticia del lanzamiento de IATos, un sistema de IA elaborado por el Gobierno de la Ciudad de Buenos Aires (GCBA) que permite mejorar la estrategia de testeos de coronavirus. La herramienta, que está disponible en WhatsApp a través de Boti (el chatbot de la Ciudad), permite que la persone grabe y envíe un audio con su tos. Una vez recibido el audio, IATos analiza el sonido: si coincide con los patrones de casos positivos, le recomienda a la persona hacerse el test de Covid.

IATos funciona a partir de una red neuronal de IA que es capaz de clasificar sonidos de voz, respiración y tos. Está basado en algoritmos de aprendizaje automático y fue desarrollado en el marco del Plan de Inteligencia Artificial de la Ciudad.

Para entrenar al sistema de reconocimiento de esta red, desde mediados de 2020 se recolectaron a través de Boti 140 mil audios de personas con diagnósticos positivos o negativos Covid (según resultados de tests PCR). Se trata de la base de datos de este tipo más grande del mundo y es de dominio abierto: es decir, cualquier persona puede acceder.

Actualmente, las predicciones realizadas por IATos cuentan con un 86 % de efectividad. De todas formas, Agustín Suárez, subsecretario de Ciudad Inteligente del GCBA, aclara a Clarín que “no es una prueba de detección, sino una ponderación más para recomendar hacerse un test o no”. Por ese motivo, la orientación que ofrece Boti debe ser confirmada en todos los casos con un hisopado.

Uno de los temas que despertó mayor debate fue la privacidad de los datos procesados por IATos. Al respecto, Suárez asegura que “los audios están anonimizados y no se recopila ningún dato personal. El sistema solamente analiza patrones específicos de la tos”. En cuanto al acceso del software al micrófono del celular, Suárez asevera que únicamente se procesa la información recibida a través del audio de WhatsApp y agrega que no es necesario habilitar permisos adicionales ni descargar ninguna otra aplicación.

Selfie para riesgo cardiovascular y diabetes

Julio (65) fue a ver a su cardiólogo porque sentía que algo le pasaba. Él intuía que se trataba de una arteria tapada. Sin embargo, luego de responder el cuestionario de rutina y de realizarse una serie de estudios clínicos, los resultados le dieron bien.

Pasaron algunos años. Hoy Julio es un paciente recuperado de una operación al corazón, por complicaciones que sufrió tiempo después de realizarse los chequeos. Julio afirma que si en aquel momento hubiera existido una herramienta para predecir su riesgo cardíaco, posiblemente hubiera podido convencer a su médico de que efectivamente padecía una afección.

Gustavo Daquarti es médico especialista en cardiología y, desde hace unos años, forma parte del equipo de ÜMA Salud, donde actualmente lidera el área de IA. “Mi interés por la inteligencia artificial nació cuando trabajaba haciendo diagnóstico por imágenes y empecé a notar que el algoritmo me sugería algo diferente de lo que yo pensaba. Luego comprobaba que yo me había equivocado y que la inteligencia artificial tenía razón”, recuerda el especialista, en diálogo con Clarín.

Daquarti explica que, en la mayor parte de los casos, los pacientes llegan al consultorio cuando ya padecen algún síntoma. Por ese motivo, desde ÜMA Salud se han focalizado en desarrollar herramientas tecnológicas que permitan la detección temprana de enfermedades.

Así, en septiembre de 2021, lanzaron una herramienta gratuita en su página web que a través de un algoritmo basado en redes neuronales profundas (deep learning) permite pronosticar el riesgo de padecer una enfermedad cardiovascular o diabetes tipo 2. Para ello, el paciente solamente debe registrarse en la web, completar un breve cuestionario sobre su historia clínica y enviar una imagen de su rostro (en formato selfie). La foto puede tomarse desde cualquier dispositivo y solo es necesario tener el rostro descubierto y contar con buena luz.

En pocos segundos, el sistema analiza la imagen y determina el grado de riesgo de padecer alguna de esas enfermedades. Gracias a la IA aplicada, el algoritmo analiza ciertos patrones del rostro (formación de ciertos pliegues en las orejas, depósitos de pequeñas bolitas de grasa en los párpados, entre otros) que están relacionados con manifestaciones muy tempranas de posibles patologías. Muchos de estos patrones resultan imposibles de detectar para el ojo humano.

Daquarti menciona que en una prueba piloto realizada sobre una base de 1500 imágenes (500 de pacientes diabéticos, 500 de pacientes coronarios y 500 de pacientes sanos), el sistema obtuvo un 71 % de efectividad para enfermedades cardíacas y un 72 % para diabetes. Hoy, por ejemplo, una ergometría arroja una efectividad de alrededor del 70 %.

Actualmente, más de 8 mil pacientes utilizaron esta plataforma. No obstante, Daquarti resalta que “se trata de una orientación diagnóstica, no de un diagnóstico definitivo”. Por lo que, si bien puede servir como indicio de alguna afección, en todos los casos es importante realizar los estudios clínicos correspondientes.

Diagnóstico por imágenes asistido por IA

Mauricio Farez es neurólogo y cuenta con un máster en salud pública (Universidad de Harvard). Actualmente dirige el Centro para la Investigación de Enfermedades Neuro-inmunológicas (CIEN) del Fleni y, desde fines de 2017, es cofundador y CEO de Entelai, una startup de IA aplicada a salud.

Uno de los principales focos de Entelai, desde su nacimiento, ha sido la incorporación de IA al diagnóstico por imágenes. Así surgió “Entelai Pic”, una herramienta basada en algoritmos de deep learning que actualmente se emplea principalmente en estudios neurológicos, con una efectividad por encima de 0,95 (en una escala que va de 0 a 1). Se trata del primer software médico basado en IA que ha obtenido aprobación de la Anmat.

Por un lado, se utiliza para detectar enfermedades desmielinizantes. En particular, la esclerosis múltiple, una patología que para ser descubierta requiere de una resonancia magnética muy precisa. Gracias a la IA, es posible detectar cambios en el volumen del cerebro o ciertas lesiones que son muy difíciles de advertir para el ojo humano.

Por el otro, a través de los algoritmos, se puede medir el volumen del cerebro y de cada una de sus áreas. Este procedimiento adquiere una relevancia particular para el diagnóstico de enfermedades neurodegenerativas, tales como el Parkinson o el Alzheimer.

“Mirar una reconstrucción en tres dimensiones del cerebro y compararlo con lo que se considera normal es muy difícil para un médico, salvo cuando se trata de alteraciones muy severas. Hoy, gracias a la IA, podemos determinar con precisión el volumen del cerebro del paciente y contrastar ese valor con una base de datos integrada por miles de casos”, detalla Farez.

Además de estudios neurológicos, a través de Entelai Pic se analizan también radiografías de tórax. Esta aplicación tuvo especial relevancia durante los primeros meses de la pandemia, cuando había mayor cantidad de casos de neumonía producto del Covid.

La efectividad de Entelai Pic para detectar afecciones pulmonares se encuentra en torno al 0,97. En el caso de los médicos «hiper-especialistas», la precisión en el diagnóstico gira en torno a 0,89, mientras que en los no especialistas –médicos generalistas o recién recibidos– los valores descienden a 0,66.

Al respecto, Farez destaca que hoy la efectividad de la IA aplicada a diagnósticos de salud es comparable con los mejores especialistas. No obstante, también remarca que la evidencia científica muestra que la combinación entre IA y médico especialista es superior a ambos por separado.

“Tener el soporte de la IA mejora todos los diagnósticos. La IA es una aliada que ayuda a tomar mejores decisiones y eso redunda en un mejor servicio para el paciente”, señala Farez.

Hasta la fecha, ya se realizaron alrededor de 250 mil consultas utilizando Entelai Pic. Para fin de 2022, esperan llegar al millón de imágenes analizadas con IA.

Si bien todos los desarrollos de Entelai hasta ahora han sido destinados a clínicas y hospitales, desde la empresa adelantaron a Clarín que para fines de marzo tienen previsto el lanzamiento de una plataforma para usuarios particulares.

Se trata de una herramienta que permitirá a los pacientes analizar lunares a través de fotos tomadas desde sus celulares para detectar melanomas en la piel. A partir de las pruebas realizadas hasta ahora, la herramienta cuenta con una efectividad del 95 %.

Deep learning y cáncer de mama

Cuando Carolina Mondino (25) eligió estudiar bioingeniería, tenía claro que su propósito sería aplicar la tecnología a la salud para mejorar la calidad de vida de las personas. Fue con esa visión que, al momento de elegir su tema de trabajo final, optó por diseñar una herramienta basada en IA para asistir a los médicos en la detección del cáncer de mama.

A partir de redes neuronales convolucionales (deep learning), desarrolló un algoritmo capaz de clasificar automáticamente a los tumores observados en las mamografías según el tipo y la severidad de la lesión, es decir, si son benignos o malignos. Actualmente, el sistema clasifica el tipo de tumor con una efectividad de alrededor del 90 %, y determina si se trata de un tumor benigno o maligno con un 70 % de acierto.

En diálogo con Clarín, la graduada del Instituto Tecnológico de Buenos Aires (ITBA) cuenta que el proyecto fue realizado en conjunto con el Hospital Italiano, pero que todavía no fue implementado. De todos modos, espera que en el corto plazo sí pueda comenzar a aplicarse en pacientes, tanto allí como en otras clínicas que ya la contactaron.

Mondino comenta que la herramienta fue originalmente pensada para uso médico. “Pero se me ocurre que estaría bueno que en el futuro haya alguna función que pueda ser usada directamente por el paciente”, reflexiona la ingeniera.

Entelai Pic también cuenta con un algoritmo diseñado para la detección de tumores en mamografías, con una efectividad en torno al 93 %. Farez explica que el algoritmo utilizado fue entrenado a partir de un millón de imágenes, entre las que debía detectar en cuáles había tumores cancerígenos y en cuáles no.

“Dada la rapidez del procesamiento, las mamografías que incorporan IA pueden reducir entre un 60 y un 70 % la sobrecarga de trabajo de los médicos y los retrasos que ello ocasiona”, sostiene Farez, quien acentúa que “cuando se trata de cáncer, cada día cuenta”. Según los datos existentes, cuando la detección del cáncer de mama es temprana, alrededor del 90 % de las pacientes sobreviven; cuando el diagnóstico es tardío, la sobrevida desciende al 20 %.

Tanto desde ÜMA Salud como desde Entelai están trabajando en lo que se denomina “diagnóstico asistido”. Se trata de una herramienta que, a través de IA, realiza una serie de preguntas al paciente con el objetivo de ofrecer un diagnóstico preliminar y determinar el grado de urgencia de la patología.

En el caso de ÜMA Salud, el lenguaje que procesa el algoritmo fue entrenado a partir de miles de historias clínicas. La herramienta fue lanzada en febrero de 2020 y cuenta con una efectividad en la orientación diagnóstica del orden del 80 %. De todos modos, Daquarti aclara que todavía se encuentran realizando mejoras y revisiones.

En el caso de Entelai, a fines de 2021 lanzaron “Entelai Doc”, que ofrece un triage de derivación a especialistas a través de sistemas de mensajería instantánea, además de seguimiento automatizado de pacientes y un sistema de alerta para consultas urgentes y emergencias.

Por fuera del ámbito clínico, existen también algunos desarrollos que todavía se encuentran en etapa de investigación, pero que a futuro podrían suscitar grandes avances en materia de salud. En 2019, por ejemplo, investigadores del CONICET lograron aplicar IA para diferenciar células madre pluripotentes.

De este modo, un procedimiento que hasta entonces llevaba muchas horas y costosos procedimientos, gracias a la IA pudo realizarse en solo una hora y a través de una foto en un microscopio, con una efectividad superior al 99 %.

Ariel Waisman, uno de los autores de la investigación, enfatiza a Clarín que la diferenciación de células madre es una técnica que tiene enormes implicancias en el campo de las terapias regenerativas. En particular, en los implantes de retina en personas con distintos tipos de ceguera, en reparación de lesiones en la médula espinal o en la regeneración cardíaca luego de infartos, entre otros casos.

“Las células madre pluripotentes son las más ‘poderosas’ de todos los tipos de células madre, dado que se pueden ‘convertir’ (diferenciar) a cualquier tipo celular del organismo adulto”, precisa Waisman.

La IA aplicada a salud también forma parte de la agenda del Ministerio de Ciencia, Tecnología e Innovación de la Nación. Cecilia Sleiman, subsecretaria de Políticas en Ciencia, Tecnología e Innovación, indica a Clarín que desde el organismo están trabajando en algoritmos basados en IA destinados a prevenir brotes de Covid y otras enfermedades infectocontagiosas del país. Actualmente, se están realizando pruebas piloto de estas herramientas.

Fuente: Clarin