Liderando los esfuerzos para lograr mejores diagnósticos y tratamientos para pacientes

La medicina está llegando a un punto de inflexión: los expertos creen que en unos pocos años, la inteligencia artificial ayudará enormemente a los médicos a tomar decisiones de diagnóstico y planificar tratamientos.

Además, se espera que los pacientes se beneficien de enfoques cada vez más personalizados y de una mejor atención.

Hoy en día, los médicos pueden obtener vistas detalladas del interior del cuerpo humano gracias a técnicas de imagen como la ecografía y la tomografía computarizada (TC). Además, pueden obtener información precisa sobre el estado de un paciente mediante análisis de sangre y hallazgos histológicos. Y recientemente, se han agregado análisis genéticos a este arsenal. En total, se espera que estos desarrollos conduzcan a mejores tratamientos y, sobre todo, más personalizados para los pacientes.

Sin embargo, la avalancha de datos también tiene sus inconvenientes. Cada vez es más difícil para los médicos mantener una visión general y sugerir tratamientos óptimos para sus pacientes sobre la base de los últimos descubrimientos médicos. Un buen ejemplo de esto es la cardiología, donde el número de casos aumenta tan rápidamente como la cantidad de datos de diagnóstico y el conocimiento sobre las causas de las enfermedades y cómo se pueden tratar.

Aprendizaje continuo de los datos del paciente

Es por eso que se necesitan sistemas que puedan reducir la carga de los médicos al derivar información precisa sobre la condición de un paciente a partir de grandes cantidades de datos y luego usar esa información para sugerir opciones de tratamiento prometedoras. “No necesitamos más médicos; lo que necesitamos son soluciones inteligentes ”, dice el cardiólogo Ronak Rajani del King's College de Londres. Estas soluciones son cada vez mejores porque aprenden continuamente de los resultados del tratamiento. Este no es solo el caso de la cardiología; otras áreas, como el tratamiento del cáncer, también pueden beneficiarse del uso de computadoras para integrar y analizar los datos del paciente, de modo que se puedan tomar decisiones más inteligentes.

El tratamiento del cáncer de pulmón es un buen ejemplo de ello. "Tenemos una gran cantidad de datos sobre estos casos", dice Bram Stieltjes del Hospital Universitario de Basilea en Suiza. Sin embargo, la interpretación de las imágenes PET (tomografía por emisión de positrones) lleva mucho tiempo y es propensa a errores. Aquí podría proporcionar ayuda un sistema de evaluación automática que, entre otras cosas, analiza imágenes PET y proporciona automáticamente informes a los usuarios.

Se necesitan sistemas que puedan reducir la carga de los médicos al obtener información precisa sobre la condición de un paciente.

Aprendizaje automático que imita el aprendizaje humano

Estos sistemas son posibles gracias al uso de inteligencia artificial (IA). La idea es que las computadoras imiten habilidades típicamente humanas como el aprendizaje (aprendizaje automático). Las investigaciones han estado trabajando para hacer realidad esta visión desde la década de 1950 y recientemente han logrado algunos éxitos espectaculares.

Los asistentes de voz basados en inteligencia artificial ya son comunes y la inteligencia artificial pronto ayudará a los vehículos autónomos a transportarnos a nuestros destinos sin la necesidad de ninguna intervención humana. El uso de la IA también ha generado titulares en la medicina. Por ejemplo, investigadores de la Universidad de Heidelberg en Alemania informaron en mayo que un programa informático detectaba melanomas malignos mejor que 58 dermatólogos de 17 países.

Siemens Healthineers ha estado trabajando en el aprendizaje automático desde la década de 1990 y ahora tiene más de 400 patentes en este campo.

Hay dos razones por las que la IA está comenzando a transformar la medicina: gracias a la ley de Moore, la potencia informática sigue aumentando exponencialmente, de modo que ahora los complejos algoritmos de IA pueden integrarse de forma económica en los equipos médicos. Además, la transformación digital del sector de la salud ha producido enormes cantidades de datos de los que la IA puede aprender y sacar conclusiones. Sin embargo, los seres humanos primero tienen que procesar los datos antes de que puedan usarse para entrenar algoritmos.

Este procesamiento lo realizan expertos líderes que analizan los hallazgos y los anotan con información adicional. Con este fin, Siemens Healthineers está trabajando junto con los mejores expertos médicos del mundo. De esta manera, los médicos y sus pacientes de todo el mundo se benefician del conocimiento de los mejores médicos.

Siemens Healthineers ha estado trabajando en el aprendizaje automático desde la década de 1990 y ahora tiene más de 400 patentes en este campo.

Las redes neuronales aprenden de los datos de entrenamiento

El uso del aprendizaje automático se muestra especialmente prometedor en la creación de imágenes. Aquí, el ingrediente clave es el aprendizaje profundo, en el que un programa de computadora imita el funcionamiento del cerebro humano. En este proceso, una capa externa de células nerviosas artificiales acepta datos como imágenes de TC y los reenvía a una capa interna de neuronas hasta que el resultado del procesamiento de datos (como la identificación de un tumor) se puede recuperar en la capa de salida.

La red aprende a realizar esta tarea mediante el uso de datos de entrenamiento. Al principio, el sistema se presenta con datos cuya interpretación ya conoce. Luego, ajusta gradualmente sus redes internas de tal manera que logre los mismos resultados. Una vez que se ha completado este proceso de aprendizaje, una red neuronal proporcionará la interpretación correcta incluso cuando se presenten datos nuevos. Siemens Healthineers tiene más de 80 patentes solo en este campo.

Al analizar imágenes, las diversas capas de una red neuronal avanzan paso a paso, como las del cerebro humano. Primero reconocen propiedades fundamentales como esquinas o bordes antes de pasar a identificar patrones más complejos y, en última instancia, objetos completos. Por ejemplo, Siemens Healthineers ha desarrollado ALPHA (Automatic Landmarking and Parsing of Human Anatomy), que es un algoritmo para su software de diagnóstico syngo.via 3D.

El algoritmo reconoce automáticamente las estructuras anatómicas y numera de forma independiente las vértebras y las costillas de un paciente. El ACUSON S2000 Prime de Siemens, un escáner de ultrasonido, también contiene inteligencia artificial. Su software integrado reconoce automáticamente partes de las válvulas cardíacas (como la cúspide y el borde) y llama la atención del usuario sobre problemas como el hecho de que una válvula cardíaca no se cierre correctamente. El algoritmo también proporciona hasta 80 valores de medición que brindan información sobre el tamaño y la forma de una válvula de reemplazo adecuada.

Los médicos seguirán siendo indispensables a pesar de la IA

“Nuestras actividades de investigación y desarrollo están impregnadas de tecnologías de inteligencia artificial”, dice Walter Märzendorfer, director de diagnóstico por imagen de Siemens Healthineers. Para Märzendorfer, la recopilación y el análisis de los datos de los pacientes permitirán encontrar el mejor tratamiento para cada paciente individual.

Otros expertos también consideran que la IA tiene un gran potencial. Según una encuesta realizada por la revista The Economist en 2017, el 54 por ciento de los ejecutivos en medicina creen que la importancia de la IA para ayudar a tomar decisiones de tratamiento aumentará considerablemente en los próximos cinco años. Sin embargo, los expertos también coinciden en que, aunque la inteligencia artificial podrá ayudar a los médicos en el futuro, nunca podrá reemplazarlos.