Dolencias infantiles - La inteligencia artificial ya puede diagnosticar con la precisión de un pediatra

Imagen: REUTERS/Thierry Roge

El impacto de la inteligencia artificial en la sanidad crece día tras día, y la comunidad científica no para de buscar nuevos caminos para explotar todo su potencial.

Este lunes, un equipo internacional ha dado a conocer en un artículo el desarrollo de una máquina capaz de generar un amplio abanico de diagnósticos de dolencias infantiles.

El sistema ha sido entrenado con los datos de más de 500.000 pacientes atendidos en una institución sanitaria de referencia ubicada en Guangzhou (China).

Los investigadores destacan que esta tecnología puede ayudar a los médicos a entender más rápidamente qué pacientes necesitan una atención prioritaria y acertar con más precisión el diagnóstico de enfermedades raras o peligrosas.

Los autores del artículo, publicado en Nature Medicine, explican que la disponibilidad de información médica ha crecido exponencialmente en los últimos años, lo que complica la toma de decisiones por parte de los médicos.

La capacidad de la inteligencia artificial de analizar grandes cantidades de datos puede ayudar a reducir esta carga y facilitar la valoración adecuada de cada caso clínico, aseguran.

Pero conseguir que las máquinas sean capaces de interpretar correctamente los datos no es un desafío fácil de superar, recuerdan también.

El modelo que han desarrollado se basa en la explotación de técnicas de deep learning y de procesamiento del lenguaje natural.

“Eso permite extraer información clave distribuida libremente en los historiales médicos electrónicos de los pacientes”, explica Kang Zhang, investigador de la Universidad de San Diego (California, EE UU) y miembro del equipo responsable del proyecto.

Tras ser entrenada con datos anotados manualmente por unos pediatras, la máquina adquiere progresivamente la capacidad de incorporar y clasificar de forma automática la información relevante y, posteriormente, elaborar diagnósticos.

Imagen: Guangzhou Women and Children Medical Center/ China

Zhang y sus compañeros aseguran que cuanto más grande es la cantidad de datos con la que se alimenta el sistema, más aumenta su eficacia.

En este trabajo han utilizado los datos procedentes de casi 1,4 millones de citas pediátricas de más de medio millón de niños y adolescentes menores de edad.

“Nuestro sistema de inteligencia artificial puede imitar a un médico humano y utilizar toda la información sanitaria para realizar un diagnóstico”, asegura Zhang.

“Nuestro sistema de inteligencia artificial puede imitar a un médico humano y utilizar toda la información sanitaria para realizar un diagnóstico”.

Al comparar las valoraciones del estado de salud generadas por esta inteligencia artificial con las realizadas previamente por pediatras humanos, los investigadores constataron un nivel de precisión similar entre las dos para un buen número de dolencias infantiles (del resfriado y la gripe a las enfermedades de tipo neurológico).

En algunos casos, la máquina hasta llegó a ser más precisa que los médicos menos expertos entre los que habían realizado los diagnósticos.

Zhang asegura que el sistema puede potencialmente diagnosticar cualquier tipo de dolencia pediátrica, aunque no resta importancia a lo que pueden aportar los profesionales humanos.

“Con más entrenamiento, este sistema puede llegar a realizar la mayoría de los diagnósticos con una supervisión mínima de los doctores.

Pero nunca podrá sustituir por completo a un humano”, zanja.

Una tecnología misteriosa

El experto del Instituto de Física Corpuscular (CSIC y Universidad de Valencia) Francisco Albiol destaca “el alcance” del estudio, que ha implicado “un gran despliegue de diferentes perfiles y trabajadores para recolectar datos, etiquetarlos, entrenar los modelos matemáticos, y comprobar los resultados de parte de la muestra”.

Ignacio Hernández, médico del Hospital Ramón y Cajal de Madrid, cree que los aspectos más novedosos son la amplitud de diagnósticos que es capaz de abarcar y la gran cantidad de información que analiza.

“Los modelos anteriores miraban solo datos muy concretos y estructurados”, compara.

Hernández, también cofundador de las empresas Savana y Mendelian, por otro lado cree que el estudio es “excesivamente opaco” en cuanto a la descripción de cómo funciona la tecnología de machine learning utilizada.

El experto afirma que en este ámbito es normal que se den poco detalles sobre el mecanismo de los sistemas desarrollados, no tanto por secretismo sino porque muchas veces es difícil para los propios desarrolladores identificar “qué variables mira la máquina y por qué cuando opera”.

Sin embargo, en su opinión, en este caso los autores “van más allá”.

“No explican absolutamente nada de su modelo. Es inquietante y en cierto modo hasta incorrecto”, afirma.

El médico opina también que estudios como este tienen la limitación de mostrar resultados solo “sobre papel” y no en un plan real.

“La práctica clínica es muy contextual, depende de aspectos como las condiciones sociosanitarias y económicas del paciente y muchos otros elementos”, argumenta.

“Si no tenemos una demostración en vivo, en perspectiva, no podemos todavía decir que un sistema así resuelve problemas”.

José Luis Salmerón, experto en inteligencia artificial de la Universidad Pablo Olavide de Sevilla, no ve información “sorprendente” con respecto a trabajos previos, pero sí considera prometedor que “desde los ámbitos de salud empiezan a ser conscientes de lo que los especialistas en este ámbito podemos aportar en ese sector”.

Hernández está de acuerdo con este argumento.

“Al tener estas herramientas, tenemos que volver a dibujar en nuestra cabeza cómo es un sistema sanitario.

La gente va a tener acceso a ellas online, en su móvil. Muchos elementos que damos por sentado van a cambiar”, considera.

Zhang y sus compañeros creen que el modelo propuesto permitirá acelerar el diagnóstico de las enfermedades más comunes y dará la posibilidad a los médicos de centrarse en los pacientes que necesitan una atención urgente.

De esta manera, subrayan, se podrá optimizar la atención sanitaria y reducir los tiempos de espera.

El sistema podrá ayudar también a los doctores a tomar en consideración más hipótesis de valoración de las que pueden formular en base a su propia experiencia cuando se enfrentan a dolencias raras o complejas, agregan.

Las ventajas potenciales, según estos científicos, serán particularmente beneficiosas en las áreas del mundo con escasos recursos sanitarios, como las zonas rurales de China.

Escrito por
Francisco Rodella
En colaboración con EL PAÍS.
Las opiniones expresadas en este artículo son las del autor y no del Foro Económico Mundial.

weforum.org

inngeniar

Por qué tu profesor del futuro no va a ser un robot (pero sí tendrá que utilizar uno)

La pregunta sobre cómo será la educación del futuro es, a su vez, una larga sucesión de incógnitas:

¿desaparecerán las aulas tal y como las conocemos, reconvertidas en espacios más flexibles?

¿Las pantallas desterrarán para siempre al papel?

Y los profesores… ¿acabarán sustituidos por robots?

La inteligencia artificial ha llegado ya a la educación, acompañada como es habitual de afirmaciones apocalípticas.

Hace poco más de un año, el experto británico Anthony Sheldon se aventuró a pronosticar que en 2027 las máquinas inteligentes ya habrían reemplazado a los docentes.

Pero los primeros ensayos apuntan a un escenario mucho menos radical, al menos de momento.

No, los robots no van a sustituir a los profesores.

Pero sí, las clases del futuro serán una especie de tándem entre humanos y máquinas en el que cada uno de ellos se especializará en aquello que mejor sepa hacer.

La predicción de Sheldon para 2027 dibujaba un panorama inquietante.

En su visión, la tarea de transmitir el conocimiento recaería por completo en los robots, mientras que los docentes quedarían relegados a un papel de asistente (para mantener la disciplina en el aula, ayudar a los alumnos, preparar el material necesario para las clases…).

No parece un escenario factible a tan corto plazo.

Para empezar, porque la propia inteligencia artificial está todavía lejos de ser una verdadera inteligencia.

Los expertos distinguen entre dos tipos, la débil y la general o fuerte.

La primera es la que ya convive con nosotros.

Se trata de programar a la máquina para que realice tareas concretas, en rangos limitados previamente definidos: recomendarte una canción según lo que escuchas en Spotify, tramitar tus reclamaciones en el banco… o, en el caso de la educación, resolver la duda de cuándo es la fecha de un examen.

La inteligencia artificial general, por su parte, lo que persigue es dotar a la máquina de una verdadera inteligencia que funcione como la humana, es decir, que sea capaz de resolver problemas por sí misma y no en marcos previamente definidos.

De tener incluso emociones, personalidad o, por ejemplo, de dominar el lenguaje humano para ser capaz de leer las respuestas de un examen y decidir si se merecen un 4 o un 10.

Es una posibilidad aún lejana.

“Es el escenario de ciencia ficción”, asegura Guillem García Brustenga, director de tendencias del eLearn Center de la Universitat Oberta de Catalunya (UOC).

“Hablamos de décadas… aunque también es cierto que llevamos 20 años diciendo que es una cuestión de 20 años.

Eso me hace pensar que, en realidad, nadie lo sabe”.

El futuro, por lo tanto, se perfila con la forma de un binomio entre humano y máquina, en el que el profesor seguirá asumiendo la tarea esencial de transmitir conocimiento pero podrá apoyarse en la máquina para descargarse de las tareas más repetitivas y anodinas.

Ya hay numerosos ejemplos de cómo la inteligencia artificial puede aplicarse en los centros educativos para desatascar, por ejemplo, la parte administrativa y de gestión.

En la Universidad CEU Cardenal Herrera, en Valencia, están a punto de estrenar un chatbot que se va a encargar de dar respuesta a las dudas más engorrosas de los alumnos: explicar trámites, indicar horarios de tutorías, aclarar qué papeleo hay que presentar…

“Son preguntas en las que la respuesta que puede dar la universidad o el profesor tiene un valor añadido escaso, pero que los alumnos necesitan resolver con inmediatez”, señala Iñaki Bilbao, vicerrector de Relaciones Internacionales.

Este asistente inteligente ha implicado más de un año y medio de desarrollo de la universidad junto con Microsoft y Encamina, una consultora tecnológica.

El proyecto es, sin embargo, un primer paso.

El centro quiere impulsar una combinación de inteligencia artificial y big data como receta para alcanzar ese ideal que persigue la educación del siglo XXI: el aprendizaje personalizado.

Así, buscan recoger todos los datos posibles sobre cómo aprenden sus alumnos para elaborar modelos predictivos de rendimiento académico, capaces de activar alertas tempranas (por ejemplo, si un estudiante falta a clase) que permitan al centro y a los profesores poner en marcha acciones personalizadas.

Inteligencia artificial para adaptar la educación a cada estudiante, pero también para involucrarles más. “La tecnología posibilita la participación activa del alumno en clase.

Y eso conlleva que la atención del profesor sea más exhaustiva”, apunta Lorenzo Moreno, profesor de la Universidad de La Laguna, que imparte clase en un máster especializado en acercar la tecnología a los docentes.

El ejemplo de la CEU Cardenal Herrera sirve para ilustrar cómo el próximo paso de la inteligencia artificial en la educación es traspasar el ámbito de la mera gestión para introducirse de lleno en el propio proceso de aprendizaje.

“En las cuestiones administrativas o incluso de productividad hay más experiencias por la analogía que se puede establecer con los servicios de atención al cliente de cualquier empresa.

Pero los usos con intencionalidad educativa son mucho más complicados”, explica García Brustenga.

Algoritmos para aprender más

Aquí, las posibilidades son enormes.

El eLearn Center de la UOC acaba de publicar la investigación Los chatbots en educación, en el que hace recuento de cómo los asistentes inteligentes —tan solo un ejemplo de herramientas basadas en inteligencia artificial— se pueden usar con fines educativos: para acompañar al estudiante, motivarle, ayudarle a practicar habilidades concretas (aprender un idioma), simular situaciones (una consulta a un paciente), evaluar…

La propia UOC ha creado a Botter, un prototipo de robot pensado para animar a sus alumnos con el estudio, capaz incluso de mostrar decepción si el estudiante no rinde adecuadamente. Es una idea del departamento de Psicología, que quiere así investigar si este tipo de estímulos sirven para mejorar la motivación de los alumnos.

El aprendizaje de idiomas es terreno abonado para este tipo de experiencias.

Y los sistemas de reconocimiento vocal, habituales ya por ejemplo en los smartphones, son su principal herramienta. Aunque también suponen un reto.

La plataforma Lingokids, pensada para que los niños puedan aprender inglés, recurre a algoritmos para ayudar a definir el contenido y las actividades que le ofrece a cada niño, en función de su nivel de inglés y de sus gustos.

Pero se enfrenta a la dificultad de que estos sistemas de reconocimiento de voz están pensados para adultos.

“En niños no funcionan todavía muy bien.

Con la complejidad añadida de que son niños pequeños hablando una lengua que no es la materna”, explica Carlos García Prim, su director de ingeniería móvil.

En ABA English, una academia virtual de idiomas, recurrieron al prestigioso Instituto Tecnológico de Massachusetts (MIT) y a la popular Alexa —el asistente de Amazon— en un pequeño experimento: simular una conversación entre profesor y alumno para evaluar el nivel de inglés en apenas cinco minutos.

La empresa ya emplea inteligencia artificial, por ejemplo para asignar profesores reales a cada uno de sus estudiantes.

Su responsable de aprendizaje, María Perillo, asegura que lejos de sustituir a los docentes, esta tecnología les convierte en todavía más necesarios.

“El profesor tiene ahora un papel diferente del que solíamos pensar.

Muchas veces nos limitamos a recoger datos y damos por cierto el resultado de la máquina, pero es necesario tener a los expertos detrás para analizar e interpretar esos datos.

También para hacer aquello que la máquina no puede: motivar al estudiante, darle el feedback correcto...”, enumera.

“No se trata de utilizar la inteligencia artificial para todo, sino de usarla en todo”.

Esa división de tareas, junto con la imagen del docente como una suerte de entrenador de asistentes, algoritmos, sistemas de recogida de datos…, es una constante en los proyectos educativos de inteligencia artificial.

A veces incluso en terrenos insospechados.

De los más de 15.000 aspirantes que el pasado fin de semana se enfrentaron a la temida prueba del MIR para conseguir una plaza de médico residente, algunos se habían preparado para el examen con la ayuda de un algoritmo inteligente.

Tras cuatro años de desarrollo, la Editorial Médica Panamericana ha lanzado recientemente Promir, un curso online que se basa en inteligencia artificial para preparar la prueba.

Así, la herramienta es capaz de analizar en detalle a cada alumno para trazar un camino personalizado: le indica qué estudiar cada día, selecciona las preguntas y las tareas en función de aquello que más le cuesta y le ayuda a repasar lo que ya ha asimilado.

Esa es la parte en la que la máquina es imbatible.

Pero no es suficiente.

“Aplicamos la inteligencia artificial para lo que la tecnología hace bien: conocer al alumno, hacer un diagnóstico muy detallado de su perfil y guiarle en el proceso”, explica Ignacio Ferro, su director tecnológico.

“Pero hay otras tareas para las que es más eficaz que intervenga un profesional: desarrollar los contenidos, resolver las dudas, preparar al alumno psicológicamente.

Para eso hay tutores especializados”.

Pero como en todo escenario que se mueve entre un presente comprensible y un futuro casi de ciencia ficción, surgen los interrogantes éticos.

El informe de la UOC destaca una pregunta: ¿cuál es el objetivo final de la máquina?

Si se trata de que el alumno aprenda más, señalan los investigadores, el riesgo es que la inteligencia artificial plantee retos demasiado difíciles que conduzcan al suspenso.

Si la finalidad es que apruebe, puede fijar estándares demasiado fáciles de manera que el alumno finalmente no aprenda.

Y si el objetivo es aumentar las matriculaciones, ya entra el juego el debate sobre si la tecnología es un medio para mejorar el aprendizaje o un fin en sí mismo para, por ejemplo, utilizar como herramienta de marketing.

“Tendremos que llegar a un compromiso, incluso a nivel social, sobre qué es lo que queremos de todo esto”, resume Guillem García Brustenga.

Escrito por
Bárbara Sánchez
En colaboración con EL PAÍS.
Las opiniones expresadas en este artículo son las del autor y no del Foro Económico Mundial.

weforum.org

inngeniar