En Dynatec ya hemos hablado en post anteriores sobre la Inteligencia Artificial generativa y esta vez nos vamos a centrar en su aplicación en el mundo de la medicina, por que conseguiremos avances espectaculares en el diagnóstico, prevención y tratamientos de enfermedades.
En un interesantísimo artículo de DELL se explica muy bien como el Aprendizaje Profundo, subrama del Aprendizaje Automático donde las redes neuronales se utilizan para construir modelos a partir de grandes conjuntos de datos, va a jugar un papel decisivo en el sector de la salud.
Los hospitales son entornos extremadamente ricos en datos y a la DL le encanta procesar grandes cantidades de datos. En décadas anteriores, el procesamiento de tales cantidades de datos mediante DL habría llevado meses o años y consumido varios años de presupuestos de TI.
Ahora, con la ayuda de plataformas de computación acelerada y almacenamiento, esos mismos procesos pueden realizarse en semanas, días o incluso horas por una fracción del coste. Muchas más organizaciones pueden ahora aprovechar los avances en la tecnología de TI para desplegar algoritmos DL y redes neuronales.
IA en el análisis de imágenes es la Patología Digital.
Esta práctica permite a los patólogos digitalizar imágenes de diapositivas completas, permitiendo que los algoritmos de la IA se ejecuten contra estas imágenes. Esto puede acelerar el tiempo de diagnóstico, lo que conduce a un mejor y cuidado del paciente.
El segundo tipo de red neuronal es una Red neuronal recurrente (RNN) donde la secuencia de los datos importa, como en la comunicación verbal. El Procesamiento del Lenguaje Natural (PNL) es una técnica común utilizada en las RNN para construir aplicaciones de reconocimiento de voz. Si alguna vez has hablado con un asistente virtual como Siri o Alexa, has usado una RNN. La industria de la salud se está transformando completamente usando PNL y aplicaciones de reconocimiento de voz.
La automatización a corto plazo a través de la IA ayudará con el dictado y la transcripción mediante el uso de asistentes virtuales. Las notas del doctor serán capturadas y transcritas casi en tiempo real. El impacto será una mejor atención y más tiempo de cara a los médicos para estar frente a sus pacientes en lugar de detrás de un teclado o escritorio.
Aplicaciones de la IA generativa GAN en la medicina
La última red neuronal que se está implementando en la industria de la salud es la Red Neuronal Generativa (GAN). Una GAN son en realidad dos redes neuronales: una es un generador que crea datos falsos y la segunda es un discriminador que intenta decir si los datos son reales o falsos.
El proceso que enfrenta al generador y al discriminador entre sí ayuda a construir mejores resultados para los modelos. Las falsificaciones profundas son un ejemplo común de las GAN. Mientras que las falsificaciones profundas pueden ser una amenaza, hay algunos casos de buen uso de las GAN en la atención médica.
Hay dos usos principales de aplicación de las GAN en imagen médica. El primero se centra en su capacidad generativa y su objetivo es generar muestras sintéticas con la misma estructura subyacente que las imágenes de referencia. Esta aproximación es muy interesante para afrontar los problemas de escasez de imágenes etiquetadas y las cuestiones de privacidad de datos.
El segundo es utilizar su capacidad discriminativa para detectar anomalías en la imagen. Si hemos entrenado la GAN con imágenes sin patología se podría utilizar su capacidad discriminativa para identificar imágenes anormales.
Inteligencia artificial para combatir las superbacterias.
Los virus que mutan de los animales, como el coronavirus, hemos visto lo que son capaces de hacer. Pero existe otra amenaza igual o mayor: las superbacterias. Debido al abuso de medicamentos, muchas bacterias se acostumbran a ellos y se vuelven inmunes.
De momento no son mortales, pero si una bacteria mortal se vuelve inmune, podríamos estar ante un problema aún peor que la actual pandemia.
Cuando una bacteria se vuelve resistente a todos los antibióticos conocidos, resulta muy complicado encontrar otro antibiótico efectivo, porque es un proceso muy lento y costoso: existen más combinaciones químicas de una nueva molécula, que átomos en el universo.
IBM Research está trabajando en lo que llama Descubrimiento Acelerado: una inteligencia artificial generativa que emplea un método computacional llamado Controlled Latent attribute Space Sampling (CLaSS), para desarrollar nuevos péptidos aplicables a las superbacterias.
Más allá de los antibióticos, el sistema de IA generativa podría acelerar el proceso de diseño de las mejores moléculas posibles para nuevos fármacos y materiales, lo que permitiría a los científicos utilizar la IA para descubrir y diseñar mejores candidatos para fármacos y terapias eficaces para enfermedades.
Otro caso interesante es el de la compañía matriz de Google, Alphabet, que también ha apostado por el descubrimiento de fármacos con el lanzamiento de una empresa de inteligencia artificial (IA) basada en los éxitos de simulación de plegamiento de proteínas logrados en DeepMind.
Inteligencia Artificial contra el coronavirus
Como están demostrando países asiáticos como China y Corea, la analítica de datos puede jugar un papel determinante en frenar la expansión de la enfermedad, pues permite identificar los lugares de origen del contagio y trazar el recorrido que lleva el virus entre la población, y aislar, en la medida de lo posible, a los afectados
También se está utilizando la inteligencia artificial para realizar diagnósticos de coronavirus en placas pectorales de rayos X, y se están empleando superordenadores para desarrollar cuanto antes fármacos que puedan acabar con coronavirus SARS-CoV-2, responsable del COVID- 19.
En esta crisis del coronavirus, ejemplos como los de Taiwán o Corea del Sur nos confirman que la Inteligencia Artificial es tan importante como la medicina para prevenir o detener una pandemia. En ambos casos, la aplicación de la tecnología ha sido determinante. A la hora de contener los contagios sin cerrar escuelas en el primero, y para revertir la situación de epidemia en el segundo.
Por lo tanto, invertir en tecnología e Inteligencia Artificial puede servir para salvar vidas y salvar la economía o por lo menos mitigar los daños. La Inteligencia Artificial está sirviendo en cada una de las fases de esta pandemia y está demostrando ser crucial en la lucha contra el virus.
Bluedot, la Inteligencia Artificial que detectó el coronavirus de Wuhan
Un sistema con algoritmos de Inteligencia Artificial ubicado en Canadá fue quien detectó la llegada de la nueva epidemia y sirvió para que los científicos chinos pudiesen dar la voz de alarma.
De no haber sido por ella, se habría tardado más días en detectarla y en haber puesto en marcha el protocolo que finalmente ha terminado aislando la región de Wuhan.
El algoritmo consiguió adelantarse a la Organización Mundial de la Salud, que emitió el anuncio sobre el brote de un nuevo coronavirus el 9 de enero de 2020.
Los algoritmos de este programa desarrollado en 2014 fueron capaces de analizar en tiempo real millones de datos. Tal y como ha informado la propia Bluedot, el software “utiliza análisis de Big Data para anticiparse a la propagación de enfermedades de riesgo por el mundo”.
La IA ha sido entrenada por medio del Machine Learning o Aprendizaje Automático. Es un software completo capaz de interpretar el lenguaje natural. Su objetivo es ser más rápida en analizar lo que está sucediendo en el mundo que la capacidad de propagación del propio virus.
Kamran fundó BlueDot para construir un sistema de alerta temprana para brotes de enfermedades infecciosas. BlueDot ha pasado a predecir la propagación del Ébola, el Zika e identificó y escribió el primer estudio revisado por pares del mundo sobre COVID-19.
Las herramientas tecnológicas basadas en inteligencia artificial, además, continúan desarrollándose y encontrando nuevas aplicaciones, no solo para el diagnóstico sino abriendo puertas a otras combinaciones.
No solo sirven para la detección de enfermedades, sino también para establecer cierto pronóstico respecto a la evolución de ese paciente, y también se están generando algoritmos que, uniendo los datos de la imagen y con los datos clínicos, son capaces de predecir el tratamiento más adecuado para ese paciente. Es lo que se denomina medicina personalizada.
Una de las ventajas de la IA con respecto a la inteligencia humana en el ámbito médico es su capacidad de manejar el big data. Ingentes cantidades de datos que el cerebro humano necesitaría años para poder ordenar. Es una grandísima ayuda en el diagnóstico y la orientación terapéutica de los profesionales de la salud.
Es paradójico que un virus biológico, y no una innovación tecnológica, traiga consigo un cambio tecnológico de era.
