Por eso, en septiembre del año pasado, Malik diseñó un ensayo clínico convencional para demostrar el potencial de esta tecnología. Encontró un prometedor sistema de análisis de radiografías de tórax basado en IA denominado qXR de la compañía Qure.ai, con sede en Bombay (la India) y propuso probarlo durante seis meses. Para todas las radiografías de tórax interpretadas por sus alumnos, el sistema de IA ofrecería una segunda opinión. Si esas opiniones coincidieran sistemáticamente con las suyas, entonces introduciría el sistema de forma permanente para verificar el trabajo de sus alumnos. Tras cuatro meses de revisiones de varios comités e instancias del hospital y del NHS, la propuesta finalmente fue aprobada.
nPero antes de poder empezar el estudio, el coronavirus (COVID-19) apareció en Reino Unido. Lo que comenzó como un simple interés en conseguir ayuda se convirtió una bendición. Una investigación preliminar había demostrado que los casos más graves de COVID-19 mostraban distintas anomalías pulmonares asociadas a la neumonía viral en las radiografías. Con la escasez de pruebas de PCR, las radiografías de tórax se habían convertido en una de las formas más rápidas y asequibles para el triaje de pacientes por parte de los médicos.
nEn cuestión de semanas, Qure.ai modificó qXR para que detectara la neumonía específica provocada por COVID-19, y Malik propuso un nuevo ensayo clínico. Pero esta vez, la tecnología no solo verificaría el diagnóstico de los médicos, sino que se utilizaría para realizar lecturas iniciales. Normalmente, las modificaciones tanto de la herramienta como del diseño del estudio habrían obligado a empezar todo el proceso de aprobaciones. Pero como no podía perder más tiempo, el hospital aprobó la propuesta modificada de inmediato. Malik recuerda: "El director médico básicamente dijo: 'Bueno, ¿sabes qué? Si crees que es lo suficientemente bueno, sigue adelante y hazlo. Nos ocuparemos de todo lo demás después'".
nEl Royal Bolton Hospital se encuentra entre el creciente número de centros de atención médica de todo el mundo que recurren a la IA para que les ayude a controlar la pandemia de coronavirus. Muchos están utilizando estas tecnologías por primera vez bajo la presión de la escasez de personal y la inmensa cantidad de pacientes. Paralelamente, docenas de empresas de inteligencia artificial han desarrollado nuevos softwares o han actualizado los que ya tenían, con la esperanza de aprovechar las nuevas relaciones con los clientes que continuarían después de terminar la crisis.
nEn otras palabras, la pandemia se ha convertido en una vía para introducir la IA en la atención médica, algo que ofrece tanto beneficios como riesgos. Por un lado, está animando a los médicos y hospitales a acelerar la adopción de estas prometedoras nuevas tecnologías. Pero, por otro, ir tan deprisa podría provocar que algunas herramientas no revisadas se salten los procesos regulatorios, lo que podría poner en peligro a los pacientes.
n"La inteligencia artificial de alto nivel en la asistencia sanitaria es fascinante. Pero la atención médica es una de esas industrias donde hay muchos factores en juego. Un cambio en el sistema puede tener consecuencias no deseadas potencialmente fatales", opina el director de Información de la Escuela de Salud de la Universidad de Califo ia en San Diego (EE. UU.), Chris Longhurst. "
nn"La IA es una solución realmente interesante cuando hay un exceso de pacientes"
n
Antes de la pandemia, la IA de la atención sanitaria ya era un área de investigación en auge. En concreto, el aprendizaje profundo ha demostrado impresionantes resultados en el análisis de imágenes médicas para identificar enfermedades como el cáncer de mama y pulmón, y el glaucoma, al menos con la misma precisión que los especialistas humanos. Los estudios también han demostrado el potencial de la visión artificial para monitorizar a las personas mayores en sus hogares y a los pacientes de las unidades de cuidados intensivos (UCI).
nPero la traducción de estas investigaciones en aplicaciones del mundo real se ha topado con innumerables obstáculos. Los problemas de privacidad dificultan la recogida de suficientes datos para entrenar los algoritmos; los problemas relacionados con el sesgo y la generalización hace que los reguladores sean más reacios a las aprobaciones. Incluso en el caso de las aplicaciones autorizadas, los hospitales tienen sus propios procedimientos de evaluación y protocolos establecidos (como debe de ser). El radiólogo del centro de San Diego Albert Hsiao, que está probando su propio algoritmo de detección de COVID-19 basado en las radiografías de tórax, afirma: " Los médicos, como todos los demás, tenemos hábitos. No los cambiamos a menos que nos veamos obligados a hacerlo".
nComo resultado, la IA ha tardado en implementarse. "Parece que hay algo allí; existen numerosos estudios que prometen mucho. [Pero] todavía no se ha implementado tan ampliamente como nos gustaría", afirmó el destacado líder en IA Andrew Ng en un reciente webinario sobre las aplicaciones de IA en medicina.
n
Foto: El sistema qXR de Qure.ai destaca anomalías pulmonares en una radiografía del tórax y explica la lógica de su análisis de riesgo por COVID-19. Créditos: QURE.AI
nEl médico y radiólogo de Francia Pierre Durand sufrió los mismos problemas en 2018, cuando cofundó la empresa de teleradiología Vizyon. La compañía opera como intermediario: adquiere las licencias para software de empresas como Qure.ai y la start-up con sede en Seúl (Corea del Sur) llamada Lunit, y ofrece el paquete de opciones a los hospitales. Sin embargo, antes de la pandemia, le costó mucho que su iniciativa despegara. El emprendedor recuerda: "Los clientes estaban interesados en aplicar la inteligencia artificial para imágenes, pero no pudieron encontrar el lugar adecuado para ello en su ámbito clínico".
nAhora, la pandemia de COVID-19 lo ha cambiado todo. En Francia, cuando el número de casos empezó a saturar al sistema sanitario y el Gobie o no logró aumentar su capacidad para hacer pruebas, el triaje de pacientes mediante radiografía de tórax se convirtió en la solución alte ativa, a pesar de ser menos preciso que un diagnóstico de PCR. Incluso para los pacientes que podían someterse a pruebas genéticas, los resultados tardaban al menos 12 horas y, a veces, días, demasiado tiempo para un médico que tenía que decidir si aislar a alguien. En comparación, el sistema de Vizyon que usa el software de Lunit, por ejemplo, tarda solo 10 minutos en escanear a un paciente y calcular la probabilidad de la enfermedad. (Lunit asegura que su propio estudio preliminar descubrió que la precisión de la herramienta era comparable a la de un radiólogo humano en su análisis de riesgo, pero esta investigación no ha sido publicada). Durand detalla: "Cuando hay muchos pacientes, resulta una solución realmente interesante."
nDesde entonces, Vizyon ha firmado convenios con dos de los hospitales más grandes del país y afirma estar en conversaciones con otros de Oriente Medio y África. Por otro lado, Qure.ai ya se ha expandido a Italia, Estados Unidos y México por encima de los clientes existentes. Lunit también está trabajando con cuatro nuevos hospitales en Francia, Italia, México y Portugal.
nAdemás de la velocidad de la evaluación, Durand destaca algo más que pudo haber animado a los hospitales a adoptar la IA durante la pandemia: están pensando en cómo prepararse para la inevitable escasez de personal que vendrá después de la crisis. Los acontecimientos traumáticos como una pandemia suelen tener como consecuencia un éxodo de médicos y enfermeros. Y explica: "Algunos médicos querrán cambiar su forma de vida. No sabemos lo que nos espera".
nn"Cuando las personas empiezan a usar nuestros algoritmos, ya no paran"
n
La nueva apertura de los hospitales a las herramientas de IA no ha pasado desapercibida. Muchas compañías han empezado a ofrecer sus productos por un período de prueba gratuito, con la esperanza de llegar a un contrato más duradero. "Es una buena manera de demostrar la utilidad de la IA", asegura el CEO de Lunit, Brandon Suh. El CEO y cofundador de Qure.ai, Prashant Warier, coindice: "Según mi experiencia antes de la COVID-19, cuando las personas empiezan a usar nuestros algoritmos, ya no paran".
nAmbos productos de revisión pulmonar, el de Qure.ai y el de Lunit, fueron certificados por la Agencia de la Unión Europea para la Seguridad y la Salud antes de la crisis. Al adecuar las herramientas para la COVID-19, las compañías readaptaron las mismas funcionalidades que ya habían sido aprobadas.
n
Foto: Los tipos de anomalías pulmonares que el sistema qXR de Qure.ai puede detectar. Créditos: QURE.AI
nQXR de Qure.ai, por ejemplo, utiliza una combinación de modelos de aprendizaje profundo para detectar tipos comunes de anomalías pulmonares. Para readaptarlo, la empresa trabajó con un panel de expertos para revisar la literatura médica más reciente y determinar las características típicas de la neumonía provocada por la COVID-19, como zonas opacas en la imagen que tienen un patrón de "vidrio esmerilado" y áreas difusas en ambos lados del pulmón.
nLuego codificó esos conocimientos en qXR para que la herramienta pudiera calcular el riesgo de enfermedad a partir del número de características reveladoras presentes en la radiografía. Un estudio de validación preliminar de la empresa con más de 11.000 imágenes de pacientes descubrió que la herramienta podía distinguir entre los pacientes que tenían COVID-19 y los que no con un 95 % de precisión.
nPero no todas las empresas han sido tan rigurosas. En los primeros días de la crisis, Malik intercambió correos electrónicos con 36 empresas y habló con 24 de ellas, todas con herramientas de detección de COVID-19 basadas en inteligencia artificial. El experto señala: "La mayoría eran una auténtica basura. Solo intentaban beneficiarse del pánico y la ansiedad". Esa tendencia le preocupa: en medio de la crisis, los hospitales no tienen tiempo para realizar las debidas comprobaciones. Y añade: "Cuando alguien se muere de sed, busca cualquier fuente de agua".
nLa directora de Inteligencia Artificial y Aprendizaje Automático del Foro Económico Mundial, Kay Firth-Butterfield, insta a los hospitales a no suavizar sus protocolos reglamentarios ni formalizar contratos a largo plazo sin una adecuada verificación. Y añade. "Usar IA como ayuda en esta pandemia es obviamente algo grandioso. Pero los problemas de la IA no desaparecen solo porque hay una pandemia".
nLonghurst también anima a los hospitales a aprovechar esta oportunidad para asociarse con empresas en ensayos clínicos. Y concluye: "Necesitamos tener pruebas claras y contundentes antes de determinarlo como el estándar de atención. De lo contrario, estaríamos ofreciendo un mal servicio a los pacientes".
n