keyboard_arrow_left

Inteligencia artificial y predicción de pandemias: ¿presente o futuro?

¿Se podrían predecir pandemias con ayuda de la inteligencia artificial? ¿Cuáles serían sus beneficios? ¿Qué tan costoso puede ser emplear IA? ¿Existen limitantes?

access_time

3 sep. 2021

foto de perfil autor

Observatorio de Pandemias

Deutsche Welle reporta que un centro global de alerta temprana se instalará en Berlín y utilizará la inteligencia artificial (IA) para predecir la próxima pandemia. No es el primer paso, la IA nos ha venido ayudando desde el inicio a luchar contra la COVID-19.



ANTECEDENTES


La medicina es uno de los campos más fecundos para la IA y no es el futuro, es el presente. 


Desde el inédito fast track para el desarrollo de nuevos fármacos en general y de vacunas contra la COVID-19 en especial, se van desarrollando aplicaciones diversas pero lo concreto es que la IA ha desarrollado grandes ventajas competitivas:


i) Capacidad para almacenar enormes cantidades de información de millones de pacientes.

ii) Capacidad para procesar y comparar en tiempo real pruebas e imágenes de miles de pacientes comparables.

iii) Capacidad de aprender, recibir por interno los últimos adelantos científicos y hacer cálculos de probabilidad

iv) Todo ello condensado en una gran capacidad: asistir a los médicos para llegar a mejores diagnósticos y en consecuencia, mejores tratamientos.





¿QUÉ ES LA INTELIGENCIA ARTIFICIAL? (IA)


La IA es un protocolo de instrucciones diseñado e instalado para ordenarle a un equipo informático de alta potencia qué es lo que debe hacer con un perfil determinado de información que recibirá.


Esta lista secuenciada de instrucciones es conocida como algoritmo, entonces un algoritmo simple es un listado rígido de reglas que computadores muy potentes deben obedecer con eficiencia y rapidez.


Para entrar en contexto, un algoritmo es un conjunto ordenado y finito de instrucciones que conducen a la solución de problema.


Un salto más adelante están los temidos algoritmos de aprendizaje automático, los que tienen capacidad para aprender de los casos que procesan y analizan, incluso a aprender por sí mismo a hacer cosas nuevas. Por ejemplo: cruces de variables no realizadas antes.


¿Cómo hacemos para que no se vaya de las manos si no somos capaces de aproximarnos siquiera a su capacidad de almacenaje, velocidad de procesamiento y precisión de diagnóstico? 


Los programadores confían que los protocolos de programación para ello son suficientes, pero los más desconfiados creen que es necesario desenchufar la fuente eléctrica para frenarlos. En esencia, la bondad o peligrosidad depende del uso que se le dé a la información, no hay ni persona ni maquina mala de nacimiento.



ÁREAS DE MAYOR IMPACTO


La tecnología puede liberar al profesional de algunas tareas monótonas como la búsqueda y revisión de las historias clínicas, pero donde más tangible se hace la asistencia es en el campo de las imágenes médicas, cuya buena lectura requiere muchos años de formación y experiencia ganada caso por caso.


El sistema de salud representa la oferta, veamos el lado de la demanda: un paciente debe pasar por un médico general que hace un análisis clínico y ordena pruebas que se hacen de manera sucesiva y en el sistema público de salud en días espaciados. Cuando los resultados están listos el paciente debe volver al médico, y si hay alguna duda sobre otro órgano fuera de su especialidad, el paciente es derivado y así sucesivamente. Este proceso es largo, oneroso y el deterioro del paciente sigue en progresión.


Recogiendo la configuración de oferta y demanda, viene el diseño de los algoritmos que deben ayudar a analizar y sistematizar el aprendizaje de las máquinas (machine learning) orientando su potencia hacia la entrega veloz de información clave al médico – quien podría estar ubicado en zonas remotas – información clínica precisa de los órganos mas complejos y respuesta a cuadros muy agudos on-line.


Es decir, la IA se convertirá rápidamente en un asistente vital para todos los médicos del mundo porque la tecnología no tiene distancias físicas, todos pueden estar conectados en tiempo real y no debe estar lejano el día que se pueda compartir la información nacional, regional, continental y/o global de salud gratuitamente entre profesionales de la salud de todo el mundo, porque la vida es, en esencia, de interés publico.






¿LAS MÁQUINAS APRENDEN?


Existe un consenso en el que se presentan dos vías para guiar el aprendizaje de las máquinas.


La primera vía es alimentarla (cargarla de información) siguiendo el proceso de análisis clínico que siguen los médicos, el cual va desde los signos generales que orientan la atención, hacia el problema especifico donde se ordenan los análisis e imágenes. La suspicacia se presenta en lo que podría pasar en lugares remotos donde escasean médicos calificados: ¿la maquina sustituiría al médico o el médico apagaría la máquina?


La segunda vía se basa en deep learning (aprendizaje profundo), en lugar de seguir el proceso clínico, va directo al procesamiento de millones de análisis, imágenes, hábitos de vida y diagnósticos como inputs para que la máquina aprenda los parámetros de cada enfermedad, diagnostique más rápido y haya menor probabilidad de error.


Pero en medicina no solo es importante el efecto (el diagnóstico), sino es más importante la causa del mal y en ello, el examen clínico más la observación del médico, aún no tienen sustitutos. Por eso, hoy en día se considera que la IA tiene tanta potencia en el qué, como debilidades en el cómo, y por ello su misión debe ser asistir, no sustituir.





¿Existen limitantes? Sí, y de mucha relevancia: 


i. El monto de las inversiones en hardware, software, mantenimiento y alimentación del sistema es elevado y su implementación complicada.

ii. La obsolescencia será rápida y se necesitan renovaciones constantes.

iii. Uniformizar la calidad de las imágenes de entrada es un reto muy complejo por la heterogeneidad formativa de médicos y radiólogos.

iv. La carencia de servicios públicos en zonas pobres desestabiliza la mina de datos más rica.

v. La medicina en esencia, el esfuerzo de un ser por salvar a otro ser y la desconfianza en pacientes y personal sanitario de paises pobres.



INTELIGENCIA ARTIFICIAL PARA PREDECIR PANDEMIAS


Estamos todos claros: el COVID-19 es solo la primera pandemia y vendrán más.


El mundo reaccionó bien en los laboratorios pero mal en lo político. Había pasado desoyendo el llamado a reducir las emisiones contaminantes en el mundo y volvió a pasar con el llamado a la solidaridad para alcanzar la inmunidad colectiva global. Hoy en día ambos son espejismos por la irresponsabilidad de los paises desarrollados.


Gracias a la IA, los científicos lograron aprender rápidamente sobre el SARS-Cov-2, los laboratorios farmacéuticos pudieron implementar pruebas clínicas masivas en paralelo con un alto grado de seguridad hasta obtener las vacunas. Incluso, los científicos hacen seguimiento de las mutaciones del virus en nuevas variantes.


Los avances alcanzaron al ciudadano: desde cuestionarios on-line para detección temprana, diseño de pruebas, identificación de contagiados, seguimiento de contactos, vigilancia de cuarentenas, planificación de recursos, hasta control de cumplimiento de las restricciones a los no vacunados. La IA se usa intensivamente al día hoy.



Fuente: Ministerio de Sanidad de España. Imagen extraída de eldiario.es



La OMS lo tiene claro, debemos aprovechar la potencia y la velocidad de la IA para analizar sistemáticamente los datos de salud. Hay investigaciones científicas de diversas fuentes y de distintas disciplinas provenientes del mundo, por ello en Berlín se está instalando un Centro de Alerta Temprana para Pandemias.


El desafío es uno: que los datos se muevan más rápido que el virus.