MUY INTERESANTE, en colaboración con el Colegio Oficial de Médicos, celebró el cuarto encuentro del Ciclo sobre Inteligencia Artificial y Salud. En las reuniones anteriores se trataron temas como la IA en la oncología y la gestión sanitaria. En este encuentro, los asistentes abordaron la investigación biomédica y la innovación en el campo de la salud y destacaron la importancia de disponer de una buena calidad de los datos con los que se entrena a la inteligencia artificial, la formación de los profesionales y que el objetivo siempre sea el beneficio del paciente.
Dolores Marco, moderadora del encuentro, presentó al primer ponente, Ricardo Sánchez de Madariaga, ingeniero de Telecomunicaciones y Doctor en Ciencias de la Computación por la Universidad de Alcalá de Henares. Sánchez de Madariaga comenzó su carrera investigadora en el campo del machine learning y la interoperabilidad semántica de los datos médicos en los sistemas de historia clínica, uno de los grandes retos a los que se enfrentan los profesionales médicos. Actualmente, trabaja en la Unidad de Investigación en Telemedicina y Salud Digital del Instituto Carlos III.
En su ponencia, Ricardo Sánchez de Madariaga explicó el ciclo del hype, que forma parte de la naturaleza de la investigación. El hype, o fuerte expectación de la IA, es un concepto clave que describe el recorrido de las tecnologías emergentes desde un comienzo con unas expectativas exageradas, seguido por una fase de decepción, hasta llegar a una etapa de productividad consolidada.
Sánchez de Madariaga hizo un recorrido por la historia de la IA, desde sus inicios en la Segunda Guerra Mundial, asentada en Europa pero con un desarrollo principal en Estados Unidos. Resaltó hitos como la Teoría de la Computación de Turing, la primera red neuronal completa construida por Minsky y Edmond, y el Taller de Dartmouth organizado por McCarthy en 1956, en el que se acuñó el término «inteligencia artificial» por el propio McCarthy.
Sánchez de Madariaga explicó cómo el comienzo de la IA pasó por un éxito tras otro. En 1962 apareció el Perceptron de Frank Rosenblatt, que es la red neuronal en la que se basan todas las actuales. Sin embargo, los primeros sistemas fallaron estrepitosamente en problemas más variados o de mayor dificultad. Los “sistemas débiles” fueron mejorados aportando conocimiento del dominio. El proyecto de Programación Heurística de Feigenbaum desembocó en los primeros sistemas expertos en medicina y lenguaje natural. En 1982 ya se puede hablar de una industria de la IA y, en 1987, señaló Sánchez de Madariaga, ya se había convertido en una ciencia con aplicaciones más reales y prácticas, abarcando todos los campos.
La aparición de Chat GPT en 2022 puso a la IA en el centro de atención, también en investigación.
Madariaga expuso cómo la IA generativa ya está comenzando a descender por el llamado “valle de la decepción”, lo cual es un buen indicativo, ya que significa que está dejando atrás el humo publicitario para empezar a madurar.
En la IA aplicada a la investigación señaló varios problemas, como su sostenibilidad financiera o su alto gasto en energía eléctrica. Además, explicó que los modelos de lenguaje de gran tamaño, los LLM, no son capaces de mantener la coherencia a lo largo de sus razonamientos, cometen errores graves y heredan los sesgos con los que han sido creados.
Madariaga explicó que la UITeS del Instituto de Salud Carlos III utiliza el machine learning para extraer conocimiento médico nuevo a partir de los datos. Todo esto se hacía hasta ahora con estadística clásica.
«Nuestro sistema ML obtiene conocimiento médico de los datasets autoarrancando (bootstrapping) a partir de una pequeña cantidad de conocimiento médico ya establecido por la comunidad científica, y ese conocimiento lo obtenemos a partir de Chat GPT: en vez de estudiar 600 artículos científicos médicos de PUBMED que nos llevaría meses, usamos Chat GPT que está entrenado por los propios artículos de PUBMED».
Para finalizar, Madariaga destacó la imposibilidad de obtener una racionalidad perfecta en entornos complejos, «sin embargo, se puede mantener la hipótesis de trabajo de que la racionalidad perfecta es un buen punto de partida para el análisis. Lo cual simplifica el problema y proporciona el escenario base adecuado para continuar trabajando en este campo».
A continuación, intervino, como primera ponente de la mesa redonda, Carmen Ayuso, directora del Departamento de Genética de la Fundación Jiménez Díaz y directora científica de su Instituto de Investigación Sanitaria. Su campo de investigación son las enfermedades raras, el asesoramiento genético y la secuenciación de nueva generación, el NGS, y es Premio Nacional de Genética.
Ayuso explicó tres proyectos de aplicación de la IA en investigación biomédica en los que ha participado. El primero es el de la COVID-19, en el que recibió el encargo de indagar en los factores genéticos del huésped, patrocinado por el Instituto de Salud Carlos III. Gracias a las herramientas de inteligencia artificial y al análisis de lenguaje natural se pudieron estudiar los factores genéticos que influyeron en la susceptibilidad y respuesta a la COVID-19 en pacientes, identificando 191 variables clínicas clave, aplicando modelos predictivos para determinar factores genéticos de riesgo y factores farmacogenéticos que estaban influyendo en la respuesta a las distintas terapias. También se utilizaron herramientas de aprendizaje automático para el desarrollo de modelos predictivos de mortalidad o aplicados a algunos factores patogénicos en psiquiatría.
El segundo proyecto tenía como objetivo, conociendo la enfermedad y los criterios de inclusión y exclusión en un ensayo clínico, identificar los posibles candidatos, permitiendo establecer algoritmos que identifican a los participantes en los ensayos, avisan a su médico responsable de que el paciente está en un ensayo, avisan si ese paciente tiene un evento adverso y acude por otro motivo y desarrolla un módulo de gestión de las visitas médicas por su enfermedad de base.
El tercer proyecto expuesto por Carmen Ayuso conecta la red EDHEN, una red europea para la gestión de la historia clínica electrónica, que utiliza los elementos habituales que tiene que tener una historia clínica con sistemas semánticos específicos, con el sistema Orphanet para las enfermedades raras y también próximamente implementará un sistema de descripción de fenotipos. Combinando toda esta información se aprovecha para realizar estudios epidemiológicos de enfermedades raras de base genética, identificar todos los casos y acortar los tiempos diagnósticos. Aquí se integrarán todos los datos genéticos que tienen de los pacientes.
Ayuso concluyó afirmando que aún existen limitaciones y una de ellas es de carácter ético, identificar cuál es el valor real del retorno que nos produce la IA, que se estén utilizando estas herramientas realmente para obtener beneficio en el manejo del paciente, que es el objetivo fundamental. También, añadió, se han identificado algunos riesgos que tienen que ver con la veracidad, seguridad y trazabilidad de los resultados.
Alberto Ocaña, oncólogo, investigador y director de la Unidad CRIS de Tumores Sólidos en el Hospital Clínico San Carlos de Madrid, tomó la palabra a continuación. Su área de investigación principal es el uso de la inteligencia artificial en el diseño de nuevos compuestos y la selección y estratificación predictiva de los pacientes mediante el análisis de los datos genómicos.
Ocaña destacó que la IA se puede utilizar en todas las etapas del desarrollo de los fármacos en cáncer. En la parte que atañe al diseño de los compuestos químicos lo primero que se necesita es la estructura de la proteína cristalografiada. Entonces se utiliza una librería de estructuras químicas. Se usan redes neuronales con análisis por inteligencia artificial, pasando billones de compuestos, dando lugar a una predicción de datos.
Ocaña explicó que identifican subgrupos de pacientes con alteraciones genómicas que responden excepcionalmente a nuevas terapias. Lo que se quiere, explicó, es detectar alteraciones genómicas, datos clínicos y respuesta a fármacos nuevos de fase I, un proyecto que se está haciendo con START España, la Fundación Jiménez Díaz, El Hospital Clínico San Carlos, y cuyo objetivo es estratificar e incluso identificar gemelos digitales, todo en colaboración con Spotlab y CancerAppy.
Ocaña señaló que ahora también quieren identificar con la IA proteínas que estén expresadas en las membranas celulares y que se asocien a poblaciones inmunológicas concretas.
Fuente Informativa
