Recientemente en Argentina, la celebración de la “Innovation Week”, organizada por el laboratorio Novartis, fue ocasión de reunir especialistas y expertos para debatir los avances y progresos en la relación entra los avances tecnológicos y la salud.

Entre ellos, la disertación de Roberto Cruz, gerente general de Cognitiva IBM Watson Partner, giró en torno a la relación entre inteligencia artificial (IA) y la salud.

Cruz comenzó explicando que existen muchos más datos de lo que podemos administrar humanamente: la cantidad total de datos que hay en el mundo se va a ver multiplicada por 10 –proyección al 2020. “Lo que es interesante, es que las fuentes de datos van a cambiar de protagonismo hacia dispositivos móviles conectados, sensores, dispositivos que son capaces de procesar datos, hay que mirar con un enfoque sistémico, responder inteligentemente a todos esos datos”.

Además de los datos, están los retos de la salud, como las enfermedades crónicas y la obesidad, la edad promedio de la población, la extensión de la vida y el mayor bienestar. “En el científico hay muchos desafíos: no sólo hay muchos datos en las redes sociales, sino que también hay mucha información científica. Esa información científica, había una época en la que podíamos leerla y comprenderla toda. Había una época en la que podíamos pretender que sabíamos casi todo. Hoy, ni siquiera pretender”, señala.

Un estudio demostró que para que un médico pudiera mantenerse actualizado en su disciplina necesitaría leer aproximadamente 29 horas cada día. “Este ritmo de aceleración de conocimiento tiene esta característica exponencial. De ahí, la brecha entre lo que sabemos y lo que hacemos. El corpus de información médica se estima que se duplica en un plazo de tiempo menor al año y medio. Y, se espera que para 2020 se duplique cada 63 días. El problema es cómo entender toda la información que hay para diagnosticar, definir un tratamiento, tomar una decisión”, explica.

Roberto Cruz
Según señala, IA es una buena noticia porque es un sistema objetivo muy rápido para procesar. “No tiene ninguna de las características que tienen las personas, pero sí puede aprender objetivamente mucho. En base al aprendizaje puede darnos una recomendación. Cuando le hacemos una pregunta, la respuesta es una recomendación basada en experiencia, una experiencia que tiene que ver con la que lo entrenamos. Los sistemas cognitivos interactúan con los humanos de manera natural. Tiene la capacidad de interpretar los conceptos pero también de relacionarlos y de hacer inferencias a partir de ellos”.

Colaboración, básico para la IA
El modelo que Cruz y Cognitiva consideran válido tiene que ver con un esquema de colaboración entre personas y sistemas. “Nosotros tomamos decisiones usando evidencia, usando data objetiva pero fundamentalmente con una importantísima carga subjetiva, involucramos valores, subjetividades. Un sistema no tiene ética. ¿Puedo tercerizar en un sistema el aprendizaje del conocimiento? Sí, nosotros hablamos de IA porque habiendo tanta información dando vuelta es una fantástica noticia que un sistema pueda generar conocimiento a partir de esa información. ¿Es bueno que el sistema tome la información, genere conocimiento y tome una decisión, por ejemplo? No, no es una buena noticia”, se apura a aclarar.

En Medicina, en particular, juegan un rol esencial los elementos asociados con la empatía, entender subjetividades del paciente, entender psicológicamente cual es la mejor forma de transmitir un determinado concepto, lugares donde la condición humana tiene fortaleza. “Es posible de todas maneras tercerizar el aprendizaje en un sistema que va a aprender objetivamente y no va a tener sesgos cognitivos. Ahora, nosotros tenemos un montón de características que el sistema no tiene. Las personas son buenas para: el sentido común, la moral, la imaginación, la compasión, la abstracción, los dilemas, la generalización y el soñar”, puntualiza Cruz.

Otras aplicaciones
Watson para Oncology por caso es un sistema entrenado por el team de IBM Watson Health y el Memorial Sloan-Kettering en la biografía disponible de Oncología y, a partir de ahí, se lo actualiza cada tres meses con todo el material relevante. “En base a ese entrenamiento el sistema razona, entiende entidades, busca relaciones entre conceptos, enriquece esa oncología conceptual. Posteriormente, frente a un oncólogo que tiene un paciente con un determinado diagnóstico lo ayuda a definir el tratamiento”, explica. ¿Cómo lo ayuda? Le da recomendaciones personalizadas basadas en la evidencia. “Brinda apoyo a las situaciones clínicas, segundas opiniones y capacitaciones. Puede ser una herramienta que catalice el aprendizaje a partir de casos simulados y la evidencia del tratamiento real. Puedo también hacer foros y reuniones transdisciplinarias. Entonces, el tema del acceso a la información es importante, ubicar dónde hay conocimiento que me ayuda a tomar una decisión acertada”, resume.

En el caso de tratamiento de pacientes crónicos se demuestra la capacidad de integrar información muy diversa y heterogénea, y de distinta fuente; desde diagnóstico, correo, historias clínicas, los comentarios de las historias clínicas, los estudios clínicos, etc. “Y de ese cúmulo de informaciones sacar conclusiones a priori sobre el paciente en cuestión. La otra conclusión tiene que ver con la estadística, entender en conjunto de pacientes crónicos en una determinada situación. Y, puedo además no hacer preguntas dirigidas, puedo hacer preguntas un poco más abiertas como si le fuera a preguntar a un experto”, indica.

¿Qué es relevante en entender pacientes crónicos? Este es el tipo de pregunta que, por lo general, la tecnología antes no hacía o se podía hacer, pero no te la respondía. “El tipo de pregunta tradicional es cómo relaciono pacientes crónicos con edad y te daba la correlación entre ambas cosas. Cuando pregunto: ¿Qué es lo relevante en entender pacientes crónicos?, es una pregunta de otra índole, donde es positivo que el sistema pueda entrenarse en la casuística y descubrir las relaciones que existen entre los datos duros y aquellos que no están estructurados”, subraya.

Otro caso que implica a Novartis en Argentina: Novartis Summarizer. “Gracias a las capacidades de Watson, esta solución pensada para médicos permite resumir artículos médicos en pocos segundos. Identifica los conceptos principales y lista las oraciones más relevantes en relación a dichos conceptos. Genera el resumen cognitivo a partir de dichas oraciones. Permite descargar el resumen en formato PPT o escuchar un audio. Es posible tener IA interpretando cosas tan complejas como literatura científica y hacer posible a priori que el médico sea más productivo acortando los tiempos de lectura necesarios”, completa Cruz.

Por último, la cuestión del acceso o seguimiento del tratamiento es una preocupación generalizada. “Uno puede tener perfectamente formas de monitorear al paciente para que siga el tratamiento a través de la IA. ¿Cómo hacerlo? Analizando, por ejemplo, cuestiones como su perfil psicológico y en base a eso dirigirte a la persona de manera específica para que sea efectiva la comunicación. Puedes, además, monitorear lo que hace ya sea por dispositivos como las redes sociales e intervenir proactivamente. Toda esta información puede pasar al médico y el médico tener un seguimiento entre consultas del paciente”, concluye el ejecutivo.

Dejar respuesta

Please enter your comment!
Please enter your name here