Y aunque la IA no hace frente a todas las enfermedades hasta ahora, los resultados de su trabajo ya parecen prometedores
El tratamiento efectivo de los pacientes requiere una combinación de entrenamiento y experiencia. Esta es una de las razones por las cuales las personas esperan utilizar la IA en medicina con interés: los algoritmos pueden ser entrenados para usar la experiencia de miles de médicos al brindarles más información de la que cualquiera podría digerir.
A finales de octubre, había alguna evidencia de que el software podría haber estado cerca de cumplir con estas expectativas. Se han publicado dos artículos que describen los excelentes resultados preliminares del uso de IA para el diagnóstico y el tratamiento. Los documentos indican tareas y enfoques completamente diferentes, lo que sugiere que la gama de situaciones en las que la IA puede ser útil es muy amplia.
La elección de los métodos de tratamiento.
Un estudio se centró en la
sepsis (envenenamiento de la sangre) que ocurre cuando el sistema inmunitario reacciona en exceso a la infección. La sepsis es la tercera causa de muerte más común en todo el mundo y sigue siendo un problema incluso después de la hospitalización. Existen métodos para tratar a los pacientes, pero a juzgar por las estadísticas, existen oportunidades significativas para mejorar la situación. Por lo tanto, un pequeño equipo de científicos de Gran Bretaña y Estados Unidos decidió verificar si el software podría proporcionar esta mejora.
Utilizaron un algoritmo de
aprendizaje por refuerzo que se consideró efectivo en situaciones con "señales de recompensa raras". En otras palabras, con una muestra tan grande de la población, el cuerpo tendrá muchas otras cosas, excepto la sepsis, que afectará los resultados de cualquier tratamiento y, por lo tanto, las señales para un tratamiento efectivo serán débiles y difíciles de distinguir. Este enfoque fue desarrollado para aumentar las posibilidades de su reconocimiento.
Se utilizó una gran base para entrenar el software: más de 17,000 pacientes de reanimación y 79,000 pacientes hospitalizados de más de 125 clínicas. Los datos del paciente contenían 48 parámetros de información, desde indicadores vitales y pruebas de laboratorio hasta demografía. El algoritmo utilizó datos para determinar el tratamiento que maximiza las posibilidades de supervivencia del paciente durante 90 días. Los investigadores llamaron al software resultante "AI Clinician".
Para evaluar la calidad del trabajo de un médico especialista en IA, se utilizó un conjunto separado de historias clínicas de pacientes. El algoritmo se utilizó para seleccionar un método de tratamiento, después del cual se comparó el tratamiento real de los pacientes con el algoritmo propuesto. En general, el software recomendó dosis más bajas de inyecciones y dosis más altas de drogas vasoconstrictoras. Las personas cuyo tratamiento coincidió con tales recomendaciones sobrevivieron con mayor frecuencia que otros grupos de pacientes.
Diagnósticos
El segundo artículo evaluó la capacidad de detectar problemas que requieren tratamiento, en particular, fracturas óseas. A menudo, estos problemas son fáciles de ver, pero un chip pequeño o una pequeña grieta es difícil de notar incluso para un especialista. En la mayoría de los casos, el diagnóstico no recae en los hombros de un especialista, sino de un médico que trabaja en una ambulancia. El nuevo estudio no busca crear IA para reemplazar a los médicos, solo quiere ayudarlos.
El equipo solicitó a 18 cirujanos ortopédicos que diagnosticaran 135,000 imágenes de posibles fracturas de las muñecas, y luego utilizó estos datos para entrenar el algoritmo, una
red neuronal convolucional con
entrenamiento en
profundidad . El algoritmo se utilizó para marcar áreas a las que los médicos que no son especialistas en ortopedia deberían prestar atención. De hecho, los ayudó a concentrarse en las áreas donde era más probable una fractura.
En el pasado, se daban demasiados diagnósticos de tales pruebas, y los médicos recomendaron pruebas adicionales en casos inocuos. Pero en este caso, la precisión del diagnóstico aumentó y los falsos positivos disminuyeron. La sensibilidad (o la capacidad) para determinar fracturas aumentó del 81% al 92%, y la precisión (la capacidad de hacer un diagnóstico correcto) aumentó del 88% al 94%. En resumen, esto significa que los médicos de ambulancia casi habrían reducido a la mitad el número de diagnósticos incorrectos.
En ambos estudios, el software no se usó en un contexto que reflejara completamente las circunstancias médicas. Los médicos de emergencias y los médicos de sepsis (que pueden ser las mismas personas) generalmente tendrán muchas razones adicionales para la emoción y las distracciones, por lo que será difícil integrar la IA en su trabajo. Pero el éxito de estos intentos sugiere que los ensayos clínicos de IA pueden comenzar antes de lo que se pensaba anteriormente, y después de eso realmente aprenderemos cómo la IA puede ayudar a hacer diagnósticos reales y prescribir el tratamiento.