Els avenços biomèdics són imparables, i els enginyers han de ser una part fonamental dels equips de desenvolupament de noves solucions per aconseguir una medicina més predictible i personalitzada. Ara mateix, el big data i la intel·ligència artificial són dues tecnologies que ofereixen un ventall de possibilitats amplíssim perquè això sigui així.

IA INTERPRETABLE

Vicent Ribas, doctor en intel·ligència artificial i cap de línia de Data Analytics in Medicine de la Unitat Tecnològica eHealth d’Eurecat, va ser un dels ponents de la jornada “La innovació que arriba de la mà de les noves tecnologies” organitzada per ENGINYERS BCN (pots veure el vídeo sencer de l’acte aquí) . Va explicar com s’està treballant conjuntament amb els centres sanitaris per aconseguir una medicina més eficient a través de la intel·ligència artificial (IA) i com aquesta ha d’evolucionar per ser encara molt més efectiva.

Actualment, una de les claus per assolir-ho és el concepte d’IA interpretable. No sabem per què els models d’IA fan unes prediccions i no unes altres, és a dir, com arriben als resultats. I, per a Vicent Ribas, resoldre-ho és cada vegada més important, per motius de regulació i de pràctica clínica. “No pots basar un diagnòstic en un conjunt de números que tenen relació amb una altra cosa. Per això s’estan muntant models d’IA per explicar el procés de raonament que ha fet un algoritme. Podríem parlar d’anar un pas enrere en el procés d’aprenentatge i veure què s’activa.”

CAP A UNA MILLOR DETECCIÓ

Ribas posa com a exemple d’aquesta IA interpretable el projecte que lidera a Eurecat, Deep Lung, que desenvolupa una nova eina integrada amb els processos assistencials de radiologia per a la detecció del càncer de pulmó a partir d’imatges TAC i radiografies mitjançant tècniques de deep learning. “Si un model d’imatge t’indica que hi ha un nòdul de pulmó, és lícit preguntar a la xarxa en què s’ha fixat, la qual cosa t’ajuda a afinar més i a entendre millor com funciona aquest model.” I quan ens assegurem que aprèn d’una manera correcta, dona més confiança al metge per emetre el diagnòstic. “Es tracta de poder donar al metge més informació creïble i que no només sigui una caixa negra que doni una predicció de forma espúria”, apunta l’expert.

Deep Lung treballa en dues branques. La primera analitza les plaques de tòrax que es fan en un hospital, en aquest cas el Consorci Sanitari Parc Taulí. “Les plaques de tòrax no s’informen, és a dir, puc tenir un accident de moto, trencar-me la clavícula i que la placa que em facin només la vegi el traumatòleg. Però i si tingués una massa al pulmó? Doncs passaria desapercebuda perquè no tinc símptomes, i quan el tumor donés la cara, ja seria tard. El nostre sistema agafa totes les imatges de tòrax que venen de la base de dades comuna de l’hospital, les passa per un algoritme i detecta si hi ha alguna anormalitat. Un radiòleg analitza les primeres dues-centes més anormals i determina quines cal estudiar més a fons. susceptibles d’analitzar que requereixen un TAC. D’aquesta manera, incidentalment trobem unes masses que passaven desapercebudes i podem començar el tractament al pacient abans”, explica Vicent Ribas.

La segona pota de la investigació és una col·laboració amb un estudi clínic del Servei de Radiologia de l’Hospital de la Vall d’Hebron sobre el diagnòstic del càncer de pulmó. “Agafem amb el TAC un moment inicial i mirem els nòduls que hi puguin haver. En un càncer així, de seguida se’n fa el diagnòstic, però cal valorar la taxa de creixement i la densitat del nòdul, així com altres paràmetres, per saber-ne l’agressivitat. Quan el metge ho decideix, fem un segon TAC i valorem aquests altres elements.

L’especificitat i la sensibilitat d’aquesta manera de funcionar són molt més elevades i alineades amb el procés del radiòleg. Els donem una hiperpercepció, perquè podem veure si el nòdul ha crescut o no”, assegura Vicent Ribas. “Allà on falla l’ull humà, la xarxa neuronal té aquesta resolució més elevada.”

Són dos exemples de la medicina predictiva que arriba i que ens permet “prendre decisions d’entrada, començar a tractar molt abans el malalt i que el tractament sigui menys agressiu”, recorda l’expert. “També redueix costos, baixa la taxa d’hospitalització i de complicacions, i la cura del malalt en procés de recuperació o en fase crònica serà menor perquè s’ha pogut reaccionar abans.” Tot això és conseqüència del desenvolupament de les dades i d’una evolució en els models de deep learning, que “ja fa dècades que funcionen, però que eren teòrics i no es podien entrenar perquè no hi havia potència de càlcul”. També han evolucionat les matemàtiques i s’han trobat maneres d’optimitzar les xarxes neuronals, que són molt intensives en dades. I d’aquí que l’auge de les dades massives hagi fet possible que aquests algoritmes es puguin entrenar d’una manera eficient i veure realment el potencial que poden arribar a tenir.

Però la IA té moltíssimes aplicacions en el marc de la salut, recorda Ribas, i aquesta tecnologia, juntament amb l’enginyeria, dona com a resultat un equip guanyador. “Les aplicacions abasten tot l’espectre del procés sanitari, des de la planificació de recursos hospitalaris a l’assignació del pressupost o a conèixer com evoluciona una malaltia, quina via metabòlica s’altera i l’impacte en la salut d’un pacient.”.

CAMI PER RECÒRRER

Això vol dir que pot arribar un dia que un laboratori clínic funcioni sense la intervenció humana? “Estem molt lluny d’això. Ara com ara treballem amb dades molt estructurades, que responen a qüestions de blanc i negre, és a dir, traduïm si hi ha malaltia o no. Treballem amb un problema que està completament tancat amb unes regles clares, i la medicina no és així”, recorda l’expert d’Eurecat que reconeix que “encara falta molt de temps per extreure saviesa del model”.

En aquest sentit, les limitacions actuals de la intel·ligència artificial són que no té la capacitat de discernir coses que no són blanc o negre, “i tampoc no li permetem dir a una xarxa neuronal ‘no ho sé’. I és aquí on hi ha el coneixement, perquè, si no saps una cosa, pots investigar-la i posar mitjans per arribar a saber què passa”, afegeix Ribas, que apunta que “ara, aquesta indefinició queda en un calaix de sastre i l’anem distribuint com podem”.

Tot i així, la intel·ligència artificial aplicada a la salut té desenes d’aplicacions en el futur i ofereix moltes possibilitats. “La tendència ara és la medicina basada en l’evidència”, que acabarà en una medicina de precisió i personalitzada, que preveurà com pot evolucionar un malalt i saber quins tractaments necessita. També s’automatitzaran els processos, entendrem millor com es desenvolupen les malalties i veurem com es modifiquen els patrons de gestió de les malalties, perquè els agents infecciosos van canviant, per exemple. I crec que nosaltres veurem qüestions de teràpia vírica per substituir els antibiòtics”, conclou l’expert.

Pilar Maurell, periodista.