Inteligencia artificial para el rastreo de los contagios. Machine learning para el desarrollo de nuevos fármacos. IA para optimizar los tratamientos.
La tecnología inteligente lleva años poniéndose a prueba en medicina, pero la pandemia de COVID-19 ha supuesto un impulso para su desarrollo. En tiempos de urgencias, se necesita a todo aquel que pueda arrimar el hombro, aunque sea un algoritmo. ¿Puede la inteligencia artificial ayudarnos a frenar la pandemia?
Joaquín López Herráiz, físico experto en imagen médica y profesor e investigador de la Universidad Complutense de Madrid (UCM), cree que sí. Es uno de los promotores de X-COV, una herramienta de IA capaz de analizar radiografías y simplificar el diagnóstico y el seguimiento de la COVID-19, optimizando el trabajo de los médicos.
La herramienta ha sido uno de los proyectos seleccionados en el hackatón ‘Vence al virus’ de la Comunidad de Madrid y ha sido ganador absoluto del ‘Code the curve’ organizado por la Unesco e IBM. La plataforma todavía está en la última fase de desarrollo, pero ha empezado a llamar la atención de hospitales y centros de investigación.
– ¿Cómo surge la idea?
Nosotros llevamos años trabajando en proyectos para lograr un mejor aprovechamiento de los datos médicos. Estamos en contacto con hospitales y centros de investigación y, a raíz de la revolución de la inteligencia artificial, nos hemos centrado mucho en cómo sacar partido a estas nuevas herramientas.
La idea de X-COV surge en el confinamiento. Empezamos a pensar en cómo podemos ayudar. Hablando con los médicos, conociendo sus protocolos, nos damos cuenta de que en España las radiografías se estaban usando como referencia para decidir hospitalizaciones y altas. Había tal cantidad de casos que decidimos estudiar cómo la IA podía ayudar a los hospitales a procesarlos y analizarlos de forma efectiva.
«Los hospitales demandaban que la IA fuese capaz de analizar un conjunto de imágenes en su contexto para predecir la evolución del paciente».
– Y desarrolláis X-COV, una inteligencia artificial capaz de analizar estas radiografías. ¿Cómo funciona?
Nuestra idea inicial era que la IA fuese capaz de hacer una especie de diagnóstico. Pero nos dimos cuenta de que los hospitales demandaban más que fuese capaz de analizar la progresión de los enfermos. Que fuese capaz de analizar un conjunto de imágenes en su contexto para predecir la evolución del paciente.
Hay otros proyectos similares, pero X-COV no analiza solo la imagen como una fotografía. Hay mucha otra información en una radiografía (cómo se ha adquirido, los equipos usados…). Esta información va en los datos adjuntos a la imagen; y trabajar con ella ayuda a mejorar el entrenamiento de la IA y su funcionamiento.
«A nivel médico, la IA puede convertirse en una segunda opinión».
– ¿De qué manera podría cambiar los procesos en los hospitales?
La aplicación de la inteligencia artificial en los hospitales va más allá de la COVID-19. Creo que en los próximos años se empezará a aplicar en casi todo. Nuestra herramienta, en concreto, sirve para apoyar las decisiones del radiólogo y como sistema de alerta para casos sospechosos que hayan podido pasar desapercibidos.
Se puede comparar, por ejemplo, al uso del software de traducción. Uno nunca se va a fiar por completo de una traducción automática, pero sí que sirve para reducir tiempos y optimizar el trabajo del traductor. A nivel médico, la IA puede convertirse en una segunda opinión.
De momento, hay estudios que señalan que la conclusión de una inteligencia artificial tras analizar una radiografía no tiene el nivel de un ojo experto. Pero sí el de un radiólogo al principio de su carrera. Además, la tecnología tiene la ventaja de que funciona de forma continua y puede estar siempre activa. Dentro de 10 años, cuando nos hayamos olvidado del coronavirus, la IA estará ahí para dar la voz de alarma si surge un brote.
– ¿Cómo es capaz X-COV de anticipar la evolución de los pacientes?
No hay magia. Lo hace mediante el análisis de muchos casos y, sobre todo, de casos de los que se tiene la historia completa, desde el inicio de síntomas hasta el tratamiento, su evolución, la medicación utilizada… De hecho, sigue un entrenamiento similar al que puede seguir una persona que está formándose en radiología. Busca llegar a tener la ‘intuición’ que le haga predecir un empeoramiento o una mejoría en función de las señales que ve.
– Una herramienta así necesita entrenamiento. ¿Cómo accedéis a los datos necesarios?
En este sentido, la evolución de la tecnología y la conectividad nos ha ayudado mucho. Hoy existen, por ejemplo, bases de datos públicas para investigadores con radiografías de cualquier tipo de condición pulmonar. Además, hemos trabajado directamente con hospitales de la Comunidad de Madrid. Esto nos vale también para poder verificar de primera mano que la herramienta puede serles útil a los radiólogos.
– ¿Dónde entrenáis esta herramienta, con qué capacidad de procesamiento trabajáis?
Normalmente, los procesos de los proyectos investigación avanzan lentos. Pero con la pandemia ha sido diferente en algunos casos. En el nuestro, aprovechamos que el servicio de cálculo en la nube de Google [Google Cloud] ofrecía recursos para investigación para COVID-19. Nos concedieron el proyecto enseguida y empezamos a trabajar. [Además, posteriormente han recibido apoyo de Amazon AWS y del clúster de supercomputación de Senai Cimatec Brasil].
La nube nos ha dado flexibilidad y nos ha permitido seguir trabajando en equipo y de forma remota, desde diferentes puntos de España, sobre todo durante el confinamiento.
«Desarrollamos la herramienta de forma muy rápida y la parte burocrática y legal es la que más tiempo nos está llevando. Pero es absolutamente importante cumplirla».
– La pandemia marca tiempos urgentes, ¿cuándo estará disponible vuestra herramienta?
Tenemos varios frentes abiertos. Ahora mismo, la parte regulatoria parece que es la que más lento avanza. Si X-COV se quiere usar como herramienta de diagnóstico, tiene que cumplir todos los protocolos. Estamos en esa fase de validación. La Comunidad de Madrid nos ha dado apoyo jurídico para ayudarnos en este proceso.
Ahora mismo, la herramienta se puede usar a nivel de investigación, para analizar los casos nuevos, que son muchos más de los que querríamos tener. Pero todavía no se puede utilizar directamente como herramienta de diagnóstico.
– Por un lado, queréis llegar a integrar X-COV con los sistemas hospitalarios. Por otro, que esté disponible de forma abierta para quien esté interesado.
Sí, esa es la idea, pero también estamos adaptando el tema legal. Queremos estar seguros de que quien acceda a la herramienta abierta lo haga para usarla de manera correcta. Nosotros desarrollamos la herramienta de forma muy rápida, y la parte burocrática y legal es la que más tiempo nos está llevando. Pero es absolutamente importante cumplirla.
La idea es que la herramienta web sirva para investigación y para el entrenamiento de profesionales que quieran aprender a trabajar con IA. Por ejemplo, hubo un hospital de Etiopía que nos contactó para ver cómo funcionaba la herramienta y poder practicar.
– ¿Cuáles son las dificultades de integrarla con los sistemas de los hospitales?
Hay una gran variedad de equipos de radiografía, hay varias tecnologías, fabricantes y formatos. Esto añade dificultades. Pero son cuestiones que se pueden solucionar mediante la colaboración con los hospitales.
Al final, el buen funcionamiento de X-COV depende de muchos factores, incluso de cómo se hacen las imágenes. En el pico de la primera ola, por ejemplo, se puede notar la urgencia, el agobio. La calidad de las radiografías no es tan buena. En las propias imágenes se nota la presión y es algo que te hace reflexionar. La tecnología a veces deshumaniza, te distancia, pero si lo piensas detenidamente estás ante la radiografía de una persona que llegó a estar muy mal o incluso falleció.
– Estáis desarrollando un piloto con el Hospital Clínico San Carlos de Madrid. ¿En qué momento se encuentra?
Lo más importante de este proyecto es encontrar médicos con ganas de aprender sobre inteligencia artificial. Profesionales que en lugar de ver esta tecnología como una amenaza la vean como una oportunidad. En el Hospital Clínico hemos encontrado un equipo muy receptivo. En este momento estamos estudiando cómo encajarlo y cómo adaptar X-COV a sus necesidades. Estamos trabajando con los que serán los usuarios finales para acabar de pulir la herramienta.
«China ha invertido una cantidad impresionante de fondos en inteligencia artificial en los últimos años. Corremos el riesgo de quedarnos rezagados».
– Más allá del caso de Etiopía que comentabas antes, ¿estáis buscando más colaboraciones internacionales?
Por ahora queremos definir bien la herramienta, que es lo que estamos haciendo con el piloto de Madrid; aprovechar bien el feedback de los radiólogos. Somos un equipo pequeño, que se ha formado muy rápido, y si empezamos a recibir feedback de 200 fuentes distintas, de varios países, corremos el riesgo de saturarnos. Pero sí tenemos contactos, así que cuando la herramienta esté disponible empezaremos a enviar invitaciones a todos.
– Hace poco presentabas la plataforma en un encuentro de IA entre Europa y China. ¿Hay interés?
China ha invertido una cantidad impresionante de fondos en inteligencia artificial en los últimos años. Creo que Europa debería hacer algo al respecto, porque entre Estados Unidos y China están abarcando todo. Corremos el riesgo de quedarnos rezagados.
Este encuentro en el que participamos buscaba que los centros de investigación y las empresas chinas conectasen con proyectos que se están desarrollando en Europa. Y sí se ha planteado la idea de colaborar. En China ahora no tienen casos de COVID-19 que estudiar, por lo que están interesados en nuestro trabajo.
– El análisis de imágenes mediante redes neuronales es una de esas aplicaciones de la IA que se sabe que funciona con garantías. Pero ¿de qué otras maneras se puede usar la inteligencia artificial para luchar contra la pandemia?
A raíz de X-COV y de nuestro trabajo en imagen médica, nos pusimos en contacto con un grupo del CSIC y un médico del Hospital de la Paz experto en ecografía pulmonar. Este médico estuvo enfermo de COVID-19 y fue documentando su evolución a diario en su casa. Juntos hemos sacado adelante un proyecto con la empresa Dasel para desarrollar un ecógrafo equipado con inteligencia artificial. Es otra línea similar a X-COV, pero un ejemplo más de aplicación de la IA a la lucha contra la COVID-19.
Existen muchos otros proyectos en marcha en los hospitales como, por ejemplo, la localización de terapias efectivas. Se está analizando todo lo que se hizo durante la primera ola y se están extrayendo lecciones. La mejora de las terapias es una de las razones por las que ha bajado la mortalidad.
– La IA también se está usando para el rastreo, para predecir la evolución de la pandemia… Pero muchas aplicaciones parece que van por detrás del avance de la enfermedad. ¿Por qué pasa esto?
Uno de los grandes frenos son las barreras legales. Lo vemos con las vacunas, donde el ejemplo es claro. La vacuna existe desde hace meses, ahora mismo no se está mejorando. Pero tiene que pasar toda la fase de comprobación, validación y aprobación. Es un proceso necesario, uno tiene que pensar en los riesgos que existirían si dejamos que cualquier herramienta que se nos ocurra se ponga en práctica.
En el campo de la IA, imagina una app de rastreo que da alertas falsas y obliga a confinar zonas que no deberían ser confinadas. Al final, el impacto de la ética de la inteligencia artificial es muy relevante. Todo lo que hagas va a tener consecuencias y hay que estar seguros de que se cumplen todos los estándares de calidad necesarios.
«La burocracia, al igual que se crea, se puede adaptar a una nueva realidad. Durante la pandemia, por ejemplo, han salido convocatorios de proyectos que se aprobaron en semanas, cuando a veces se dilatan años».
– Al mismo tiempo tenemos casos, como el de Corea del Sur, en los que se ha apostado por relajar temporalmente ciertas normativas para reaccionar más rápido. Por ejemplo, la privacidad ha pasado a un segundo plano para mejorar el rastreo.
Me parece que deberíamos intentar buscar una vía intermedia. Ahora mismo, por ejemplo, nosotros tenemos dos caminos: dejar la herramienta en exclusiva para investigación o cumplir con todos los trámites burocráticos para que se pueda usar en hospitales. Quizá debería poder existir un camino entre medias que permitiese que algunos médicos interesados fuesen probando la plataforma mientras se consiguen las certificaciones.
La burocracia, al igual que se crea, se puede adaptar a una nueva realidad. Hemos tenido ejemplos durante la pandemia. Por ejemplo, han salido varias convocatorios de proyectos que se aprobaron en pocas semanas, cuando a veces se dilatan años. Si se quiere, se ponen los medios y se aceleran los plazos. La pregunta es, si se puede hacer, ¿por qué no se hace? Sucede en España y en la mayor parte de Europa.
– A pesar de todo el desarrollo tecnológico de las últimas décadas, la mayor parte de países hemos enfrentado la pandemia con herramientas antiguas, como el aislamiento o el confinamiento. ¿Por qué?
Trabajando en imagen médica, una de mis grandes frustraciones es darme cuenta de que la tecnología que hay en los hospitales es de hace 10 o 15 años. Esto sucede porque es necesario que las herramientas que se van a usar estén muy probadas; es necesario estar muy seguro de que funcionan de forma estable. Cuando surgen tecnologías nuevas hay que esperar a que hayan sido testeadas con casos reales y en todo tipo de situaciones.
Con la pandemia ha sucedido algo parecido. Por ejemplo, hemos desarrollado una app para el rastreo, una app que no funciona como debería. Pero es que este tipo de herramientas son nuevas y no han sido probadas en una situación similar. Al final, creo que las autoridades tiran de las herramientas que sí se sabe que funcionan: mascarillas y confinamiento.
En China y en otros países de Asia se ve la diferencia. Allí tuvieron otras epidemias recientes, como el SARS, y por lo tanto estaban más preparados para esta situación. Si en Europa volviese a darse una situación similar dentro de 10 años, lo normal sería que nuestra reacción fuese muy diferente.
En Nobbot | Robots enfermeros para evitar riesgo de contagio por COVID-19 en hospitales
Imágenes | Joaquín López, X-COV