De acuerdo con un estudio realizado por Google al que ha tenido acceso el NYTimes, los ordenadores son tan buenos como un médico - o incluso mejores - detectando pequeños canceres de tumor en tomografías computarizadas.

¡No no! Esto no va de eso. Este artículo va de machine learning e inteligencia artificial. Evidentemente la tecnología está todavía en desarrollo y no está lista para que la utilice todo el mundo, pero esta noticia si que nos permite vislumbrar un poco cómo será el futuro el día de mañana con respecto a la informática aplicada a la medicina.

Uno de los campos más prometedores de esta tecnología es la de reconocer patrones identificando imágenes - las mismas habilidades que utilizamos los humanos para ver radiografías y detectar y reconocer patrones en imágenes y fotografías.

Las nuevas tecnologías permiten recopilar un montón de datos y un montón de información que estos sistemas son capaces de procesar. Mediante la alimentación de estos datos de imágenes medicas en sistemas neuronales de inteligencia artificial, los investigadores pueden fácilmente entrenar a las computadoras a reconocer patrones que van asociados a diferentes condiciones especificas - como por ejemplo una neumonía, cáncer o una fractura de muñeca - que a un humano podría costarle discernir. El sistema sigue un algoritmo, o un conjunto predefinido de instrucciones  y aprende a medida que avanza procesando las imágenes y sus resultados.

Básicamente le estamos dando a un sistema todas estas imágenes de tomografías computarizadas e indicando lo que se sabe que es. El sistema aprende esta información y la almacena. Cuando le pasas una imagen sin descripción de lo que es, el sistema utiliza toda la información que le han alimentado para predecir que es lo que será. Cuantos más datos le has introducido previamente, mejor es su capacidad de reconocer la patología en la imagen.

Este es el proceso estándar que utilizan muchas aplicaciones y sistemas informáticos - como por ejemplo permite a las computadoras entender el habla o identificar objetos para que  un coche autónomo sepa reconocer una persona y diferenciar un carril de otro. En medicina, Google ya ha creado sistemas para ayudar a los médicos a leer este tipo de imágenes para diagnosticar cáncer, y ayudar a oftalmólogos a detectar enfermedades oculares en personas con diabetes.

"Tenemos algunas de las computadoras más grandes del mundo" afirma el Dr Daniel Tse, uno de los gestores de proyecto de Google y autor del artículo al que hacemos referencia hoy.  "Comenzamos a empujar los límites de la ciencia básica para encontrar todo tipo de aplicaciones interesantes que desarrollar con la tecnología"

En este estudio, los investigadores aplicaron inteligencia artificial a imágenes de tomografías computarizadas de gente sospechosa de tener cáncer de pulmón, que causó 160 mil muertes solamente en los estados unidos el año pasado, y 1.7 millones de muertes en el mundo entero. Las tomografías se recomiendan para gente en estado de riesgo por tener una larga historia como fumadores.

Los estudios no solamente descubrieron que hacerse esas pruebas reduce la probabilidad de morir de cáncer de pulmón. Aparte de discernir correctamente lo que era cancer de lo que no, el sistema también identificaba puntos que luego podrían convertirse en cáncer, para que los radiólogos pudiesen organizar los pacientes en diferentes grupos de riesgo y decidir si necesitaban biopsias o más tomografías para monitorizar la evolución.

El sistema obviamente no es perfecto: Todavía no es 100% infalible. Puede saltarse algún que otro tumor, o confundir tumores benignos por malignos y empujar a los pacientes a una operación invasiva, peligrosa o contraindicada como biopsias de pulmón. Y si varios radiólogos observan una misma imagen pueden tener diferentes opiniones acerca de ella.

Los sistemas de machine learning y pensamiento artificial son muy muy jóvenes y todavía quedan muchos años antes de que estos sistemas sean tan infalibles como deberían. No obstante la tecnología es muy prometedora.  En este caso, entrenaron el sistema con 6.716 ejemplos de casos conocidos y el sistema tuvo un 94% de acierto - o lo que es lo mismo, un sobresaliente.

Cuando lo testearon contra seis radiólogos expertos  sin tener un modelo anterior, el algoritmo de deep learning ganaba a los doctores: Tenía menos falsos positivos y menos falsos negativos. Cuando ya había una tomografía previa introducida al sistema, el sistema empataba con los doctores. Acorde a los investigadores, "es tan elevado el número de falsos positivos y negativos que es dificil hacerlo peor"

La habilidad de procesar grandes cantidades de datos pueden mejorar enormemente estos sistemas de inteligencia artificial para reconocer patrones sutiles que un ser humano sencillamente no podría. La idea general detrás de estas investigaciones y este tipo de proyectos es siempre el de ofrecer un sistema que apoye al médico, y nunca el de reemplazarle.

Estos sistemas pueden tener una serie de inconvenientes sobre los doctores convencionales. Un doctor que se equivoca en un paciente puede suponer un daño para un paciente, pero un sistema de inteligencia artificial que funciona mal catalogando enfermedades puede afectar a cientos de pacientes. Acorde al Dr Topol en esta investigación, antes de lanzar estos sistemas al público general hay que testar los sistemas de forma rigurosa y sus conclusiones publicadas en estudios que estén al alcance de todo el mundo. Y aun tras pasar todos estos tests hipotéticos, deberían de ser monitorizados de forma periódica para evitar Hackeos o bugs en el software.

Shravya Shetty, uno de los ingenieros de Google y uno de los autores de el estudio afirma que una de las cosas más importantes será la de convencer a los médicos de la efectividad de estos sistemas, ya que su colaboración en el entrenamiento de dichos sistemas es clave. Según el, la única manera de crear esta confianza es enseñando al colectivo médico lo que se encuentra debajo de estos sistemas haciéndolos funcionar.

La tecnología está aun en fase de pruebas y experimental, pero nos arroja un pequeño presagio de como funcionará la medicina en el futuro. Datos y datos y datos que alimentarán a sistemas de inteligecia artificial que ayudarán a médicos a discernir futuros casos.

Os dejamos con este video del youtuber CGP Grey que explica perfectamente y de forma sencilla como funciona a grandes rasgos el machine learning. Un video muy interesante con subtítulos en Español disponibles.