Unos investigadores en Canadá están utilizando un tipo de análisis, parecido al que ayudó al ordenador a descifrar el lenguaje de las pistas dadas en el programa, para proporcionar una alerta temprana sobre el momento en que los bebés en una unidad de cuidados intensivos adquieren una infección transmitida en el hospital.
Como es de esperar, los bebés en una unidad de cuidados intensivos están rodeados por equipos que realizan un seguimiento de sus signos vitales, aunque gran parte de que esos datos se pierden, afirma Carolyn McGregor, investigadora del Instituto de Tecnología de la Universidad de Ontario. "Producen constantes flujos de datos", asegura, "pero esa información a menudo se destila hasta acabar siendo leída por una enfermera sólo cada 60 minutos, escrita en un papel".
McGregor lidera un proyecto que ha desarrollado un software para garantizar que ningún dato se acabe perdiendo. En la UCI neonatal del Hospital para Niños Enfermos de Toronto, ese software, llamado Artemis, recoge los datos procedentes de ocho camas de bebés. El sistema puede hacer un seguimiento del electrocardiograma del bebé, la frecuencia cardiaca, la frecuencia respiratoria, el nivel de oxígeno en la sangre, la temperatura y la presión arterial. También puede acceder a los datos de los registros médicos, tales como el peso al nacer del bebé. McGregor y sus colegas están desarrollando algoritmos que utilizan las señales para detectar signos de infección de transmisión hospitalaria antes de que los médicos y las enfermeras los detecten.
La práctica actual utilizada para diagnosticar infecciones en la UCI tiene una alta tasa de falsos positivos, lo que significa que muchos niños son mal diagnosticados y reciben medicamentos que no necesitan, u ocupan una cama en la UCI durante más tiempo del necesario. "Los bebés con diagnóstico de infección pasan, de media, el doble de tiempo", afirma McGregor. "Queremos reducir la duración de la estancia".
Los investigadores ya han demostrado que Artemis puede utilizar algunas de las mismas observaciones clínicas que los médicos utilizan para diagnosticar a los bebés. Por ejemplo, el sistema puede detectar episodios de apnea (pausa en la respiración), cuya frecuencia se cree que aumenta cuando se establece una infección, señala McGregor. Otras investigaciones han demostrado que una variación de la frecuencia cardíaca puede advertir de una infección 24 horas antes de que ocurran la mayoría de los otros síntomas. "Hemos propuesto nuestro propio algoritmo, que utiliza esos, y una gama más amplia de datos, para detectar signos de infección", explica McGregor.
Dos versiones ligeramente diferentes del mismo algoritmo están siendo probadas en la UCI. Los resultados se publicarán a finales de este año. La eficacia del software será juzgada mediante la comparación de sus decisiones y observaciones con las realizadas por el personal médico. También se están probando unos algoritmos que tratan de aprender nuevos signos de advertencia de infección. "Nadie ha tenido acceso a todos estos datos antes, por lo que no siempre podemos hacer referencia a investigaciones anteriores", señala McGregor.
Artemis está construido sobre una plataforma de análisis llamada InfoSphere Streams que, al igual que Watson, surgió de la investigación llevada a cabo por IBM para encontrar modos en que el software pudiera tomar decisiones sobre el terreno utilizando datos que lleguen a una alta velocidad y de muchas fuentes diferentes.
"Los paradigmas de procesamiento que teníamos antes no encajaban con el tipo de transmisión de datos con el que estamos tratando", afirma McGregor. Tradicionalmente, el software ha realizado el análisis de forma sistemática a partir de una serie de datos fija y bien organizada, del mismo modo que una persona navegaría por las estanterías de una biblioteca, explica.
nInfoSphere Streams, por el contrario, se basa en un nuevo modelo alte ativo conocido como 'stream computing'. La información fluye constantemente por el software, donde unos algoritmos de respuesta a preguntas actúan como filtros, sacando las respuestas de la información disponible en un momento dado.
Eso hace que sea posible tomar datos que se muevan demasiado rápido como para ser escritos en discos duros, unos dispositivos relativamente lentos, según afirma Lipyeow Lim, investigador de la Universidad de Hawai, que anteriormente trabajó en el laboratorio TJ Watson de IBM. "A medida que los datos entran, lo ideal es verlos una sóla vez y después dejar que sigan su camino", asegura. InfoSphere Streams ofrece un tipo de sistema operativo para este enfoque, afirma Lim, compartiendo el trabajo de aplicar un programa en particular a través de muchos ordenadores para que el sistema en su conjunto pueda generar respuestas sin tener que enviar ningún dato al disco.
Eso permite que el grupo de ordenadores que componen Artemis se mantenga al día con todas las diferentes fuentes de datos procedentes de los distintos bebés. "Probablemente podríamos supervisar a un bebé con un diseño de sistema y almacenamiento tradicional", afirma Lim. "El problema viene cuando se quiere controlar a muchos de ellos".
El mismo enfoque permitió a Watson responder a las preguntas lo suficientemente rápido como para competir con los expertos humanos. Tan pronto como se le proporcionaba una nueva pista, muchos y variados algoritmos de procesamiento del lenguaje natural se ponían a trabajar en paralelo. Sus resultados se enviaban a un motor de análisis similar al de InfoSphere Streams, que conciliaba las diferentes respuestas y decidía la mejor de ellas para Watson.
McGregor está aprovechando la capacidad de Artemis de trabajar con grandes cantidades de datos para convertirla en una especie de recurso de diagnóstico a distancia que pueda dar servicio a las unidades de cuidados intensivos neonatales en todo el mundo. "Hemos implementado una versión en la nube, para que un hospital para mujeres en Rhode Island pueda enviar datos a mi laboratorio a través de un enlace de Inte et seguro", explica. Dos hospitales en China conectarán sus unidades de cuidados intensivos neonatales usando esta tecnología a finales de este año.
Mientras tanto, otras máquinas más semejantes a Watson, que cautivó a los espectadores de Jeopardy!, siguen su propio y más lento camino hacia su uso en hospitales. IBM ha comenzado a colaborar con la compañía de reconocimiento de voz Nuance para investigar cómo un sistema similar a Watson que digiera la literatura de investigación, los registros médicos, y las notas de los doctores, podría asesorar a los médicos.