La recolección apropiada de datos para Machine Learning es el primer paso para el desarrollo de este tipo de sistemas.

En el marco del simposio sobre Inteligencia Artificial (IA) y su aplicación en salud, realizado por la Universidad de los Andes el viernes 14 de diciembre, tres expertos relacionados al campo hicieron sus presentaciones para entregar las pautas que se están definiendo en la materia.

En el encuentro participó en primer lugar José Miguel Barraza, ingeniero y asesor del Ministerio de Salud en materia de salud digital, quien presentó el proyecto Hospital Digital y mencionó, en relación a esto, la próxima recolección de datos anónimos con el consentimiento del paciente para una mejor realización de políticas en salud pública. “Tenemos que permitir que el paciente nos autorice con los datos anonimizados a poder hacer política pública”, indicó Barraza y comentó que todo va a quedar registrado en el Hospital Digital.

Luego intervino el Dr. Ignacio Pérez, médico cirujano y profesor investigador de la Universidad de los Andes. “Pareciera que todo esto apunta a que en realidad los datos son el nuevo petróleo. Y si son el nuevo petróleo, la Inteligencia Artificial es el nuevo motor”, indicó.

“Más que miedo, lo que hay que tener es mucho entusiasmo. (…) Tenemos la oportunidad de hacer muchísimos cambios y de mejorar la manera en que entregamos salud a nuestros pacientes”, apuntó Pérez.

Si bien la Inteligencia Artificial aplicada en la salud viene desde los años ’70 en Stanford con el desarrollo uno de los sistemas expertos llamado Mycin. Y, luego, entre los años ’80 y 2000 aparece Machine Learning. Hoy en día surgen nuevamente estos temas por el Deep Learning, con grandes mejoras respecto a los algoritmos tradicionales.

Según Pérez, lo que hacen las redes neuronales es tomar muchos valores numéricos (colesterol, glicemia, presión arterial, peso) los multiplican, los suman en su interior y sacan un número único que en este caso puede representar el riesgo a un evento cardiovascular en diez años.

Lo que queda por hacer en Chile es recolectar datos que sirvan para el desarrollo de IA. Los datos están sucios, no han sido pensados para Machine Learning, las fichas clínicas están incompletas a veces, escritas en texto libre y no en codificado, precisó.

En la siguiente presentación, el Dr. Andrés Valdivieso, médico cirujano, fundador y socio de la compañía chileno-mexicana de IA Anastasia, entregó casos reales del uso de esta tecnología en la salud.

“Para entrar en IA la analítica no es suficiente. No se puede entrar solamente con data scientist”, enfatizó Valdivieso.

En salud “está toda la información tan desfragmentada en tantas presentaciones o en tantos sistemas que la IA se está volviendo un middelware de integración”, agregó.

De acuerdo con el experto, el momento de la IA ocurrió el 2 de marzo de 2017 y vamos dos años atrasados. Entonces, en Israel fueron capaces de solucionar un problema matemático con ecuaciones 10x más sencillas y crear sistemas mucho más avanzados.

Ya estamos en Reinforcement Learning, con asistentes virtuales y doctores de neurología en China vencidos por un robot.

Los sistemas predictivos que se pueden desarrollar, en la medida que se aumente la data, ayudarán a los profesionales de la salud cada vez que tomen una decisión médica. Asimismo, determinar qué pacientes deben ser atendidos primero de acuerdo con la definición de una pirámide de riesgo.

Las máquinas están integrando datos abiertos y aprendiendo en tiempo real. Su aplicación sirve entonces para apoyar la labor médica, como, por ejemplo, en el trabajo del interno que lee informes todas las noches.

“Nos está aumentando, no nos está cambiando”, indicó Valdivieso. De forma que los médicos dejen de hacer ciertas tareas (como el reconocimiento de imágenes), para que puedan potenciar otras, explicó.

La sumatoria entre la inteligencia clínica y la inteligencia de las máquinas es lo que estará por verse, en la medida que el sector aproveche el desarrollo tecnológico en la salud.