El médico y la inteligencia artificial (Parte 1)

Rodolfo de Jesús Palencia Vizcarra

(México) Médico Internista

Rodolfo Palencia Díaz

(México) Médico Internista

El término “IA”, acuñado por McCarthy en la década de 1950, se refiere a una rama de la informática en la que se desarrollan algoritmos para emular las funciones cognitivas humanas, tales como el aprendizaje, el razonamiento y la resolución de problemas. Es un término amplio que incluye, entre otros, aprendizaje automático, aprendizaje profundo, procesamiento del lenguaje natural y la visión artificial.

El papel de la inteligencia artificial (IA) está en realizar tareas que normalmente requieren inteligencia humana, y está en constante expansión. La medicina tardó en adoptarla; sin embargo, el papel de la IA en la medicina se está expandiendo rápidamente y promete revolucionar la atención al paciente en los próximos años. Además, tiene la capacidad de democratizar la atención médica de alto nivel y hacerla accesible a todas partes del mundo. La IA plantea el desarrollo y programación de computadoras y dispositivos con características similares a las humanas a fin de realizar diversas funciones complejas.

La digitalización de la sociedad significa que estamos acumulando datos a un ritmo sin precedentes. El cuidado de la salud no es una excepción, IBM estima que se acumulan aproximadamente un millón de gigabytes durante la vida de una persona promedio y el volumen total de datos de atención médica global se duplica en pocos años. Para dar sentido a estos grandes datos, los médicos colaboran cada vez más con informáticos y otras disciplinas afines para hacer uso de técnicas de IA que pueden ayudar a detectar la señal del ruido (información sin soporte de evidencia). Según un pronóstico reciente, el valor del mercado de IA para el cuidado de la salud crecerá de $2 mil millones (£1.5 mil millones; €1.8 mil millones) en 2018 a $36 mil millones para 2025, con una tasa de crecimiento anual compuesto del 50 %.

El aprendizaje profundo es un subconjunto de la IA que se define formalmente como “modelos computacionales que se componen de múltiples capas de procesamiento para aprender representaciones de datos con múltiples niveles de abstracción”. En la práctica, la principal característica distintiva entre las redes neuronales convolucionales (RNC) en el aprendizaje profundo y el aprendizaje automático tradicional es que cuando las RNC se alimentan con datos sin procesar, desarrollan sus propias representaciones necesarias para el reconocimiento de patrones; no requieren experiencia en el dominio para estructurar los extractores de características de datos y diseño.

Los avances en IA basados en máquinas y aprendizaje profundo están transformando ciertas disciplinas médicas. Cuando se combinan con el rápido progreso en la computación de alto rendimiento, los sistemas basados en IA han mejorado la precisión de los diagnósticos y la eficiencia de las terapias en muchas especialidades. Los algoritmos avanzados de IA pueden extraer características de una cantidad significativa de datos de atención médica y luego aplicarlos a la práctica clínica. Además, dependiendo de la retroalimentación, la precisión del algoritmo mejora gracias a sus capacidades de autocorrección. En consecuencia, un sistema de soporte de atención médica basado en IA puede ayudar a los médicos a brindar una atención óptima al paciente al reducir los errores diagnósticos y terapéuticos que inevitablemente ocurren en la práctica clínica basada en humanos. Además, dichos sistemas basados en IA pueden extraer información significativa de los datos de una gran población de pacientes para sacar conclusiones en tiempo real relacionadas con las alarmas de riesgo para la salud y las proyecciones de resultados de salud.

Aprendizaje automático (AA)

Un subcampo de la IA, se define como un sistema computacional basado en un conjunto de algoritmos que intenta analizar datos vastos y diversos mediante el uso de múltiples capas de análisis. Hay varias formas en que una computadora puede programarse para hacer juicios inteligentes y es esencial usar los algoritmos correctos para propósitos específicos. El AA es una de las técnicas de IA más comunes utilizadas para procesar Big Data. Es un sistema autoadaptativo que proporciona cada vez mejores análisis y patrones con la experiencia y los datos recién agregados. Estas técnicas han evolucionado mano a mano con la era digital que ha provocado una explosión de datos en todas las formas de todas partes del mundo. Una enorme cantidad de datos, conocida simplemente como Big Data, es fácilmente accesible y se puede compartir a través de aplicaciones, tal como la informática en la nube. Los grandes datos generalmente no están estructurados y son tan vastos que los humanos pueden tardar años, incluso décadas, en comprenderlos, procesarlos y obtener información relevante de ellos. El cerebro humano sin ayuda no puede extraer el significado de conjuntos de datos tan vastos. Por lo tanto, es necesario usar computadoras para identificar patrones y asociaciones y hacer inferencias y predicciones a partir de los datos.