Google ha desarrollado un sistema de inteligencia artificial (IA), basado en su tecnología de aprendizaje profundo (deep learning), que es capaz de diagnosticar la retinopatía diabética, una enfermedad de la vista muy extendida en todo el mundo y que puede llegar a causar ceguera.
Según un estudio reciente, la tecnología de IA de Google puede diagnosticar la enfermedad con la misma fiabilidad que un médico y más rápido.
Fuente: National Eye Institute, National Institutes of Health.
Numerosos hospitales realizan miles de tomografías de coherencia óptica a la semana para diagnosticar enfermedades en los ojos, pero estas exploraciones, que utilizan luz dispersa para crear imágenes en 3-D de alta resolución de la retina, producen grandes cantidades de datos y analizar toda esa información es una tarea ardua que puede llevar mucho tiempo.
En este tipo de enfermedades, una detección temprana puede conllevar enormes beneficios para el paciente e incluso evitar la ceguera, por lo que lo ideal sería poder realizar la prueba a toda la población como medio de prevención, con el fin de poder detectar cada caso en cuanto se desarrolla.
Sin embargo, hasta ahora, entender las imágenes generadas requería un personal humano bien formado y experimentado para poder identificar los problemas específicos de cada caso.
La falta de personal adecuado, especialmente en países con menos recursos, combinada con el gran volumen de información para analizar, hacía que eso fuera algo completamente inviable.
Y ahí es donde entra la inteligencia artificial de Google.
En general, cualquier sistema de inteligencia artificial es capaz de analizar grandes volúmenes de información mucho más rápido que un humano, pero faltaba comprobar si sería capaz de realizar un diagnóstico correcto de las imágenes.
Según un estudio reciente, publicado en línea el 13 de diciembre de 2016 en The Journal of the American Medical Association (JAMA), la IA de Google lo ha conseguido. Al menos en lo que respecta a la retinopatía diabética.
¿Qué es la retinopatía diabética y por qué convendría revisar a toda la población?
La retinopatía diabética es una de las principales causas de pérdida de visión en todo el mundo.
Según las estimaciones de la Encuesta Nacional de Salud y Nutrición 2005-2008, sólo en los EE.UU. la retinopatía diabética afecta al menos a 5 millones de personas mayores de 40 años; y según la Organización Mundial de la Salud (OMS), la cifra de afectados a nivel mundial podría superar los 100 millones de personas.
Este elevado número de personas que padecen la enfermedad es precisamente una de las dificultades para su tratamiento y prevención.
Desde hace años, la American Diabetes Association, la American Academy of Ophthalmology y muchas otras asociaciones internacionales, recomiendan realizar revisiones generalizadas para detectar la enfermedad cuanto antes y evitar así lo que se puede considerar ya un importante problema de salud pública.
La prueba de detección, que consiste en tomar una imagen de la retina, es simple y segura; y existe un tratamiento eficaz para aquellos casos en los que la enfermedad se detecta en una etapa temprana, ya sean inyecciones intravenosas de un factor de crecimiento endotelial antivascular o bien terapia de láser para los casos más severos de retinopatía diabética o edema macular diabético.
En este sentido, realizar la prueba de detección de forma preventiva entre la población podría ahorrar muchos problemas futuros.
Sin embargo, no se está haciendo, básicamente, porque el número de personas a las que habría que realizar la prueba supera con creces los recursos disponibles para hacerla en la mayoría de países.
Ahora, la tecnología de aprendizaje profundo de Google podría cambiar esta situación.
¿En qué consiste el aprendizaje profundo y cómo puede ayudar?
El aprendizaje profundo (deep learning) es una rama del aprendizaje automático (machine learning), encuadrado a su vez, dentro del campo de la inteligencia artificial.
Google y otras empresas tecnológicas como Facebook o Apple llevan años utilizando el aprendizaje profundo para analizar grandes volúmenes de datos (big data) con el fin de predecir el comportamiento, los gustos o los intereses de los usuarios, etc.
Por sus características, esta tecnología tiene muchas aplicaciones posibles en el sector de la salud.
Por ejemplo, para identificar qué pacientes son más propensos a desarrollar una enfermedad concreta o, entre aquellos que ya han desarrollado la enfermedad, cuáles deben acudir a revisión con mayor frecuencia o recibir un tratamiento más agresivo.
Según el nuevo estudio, la IA de Google también puede diagnosticar con éxito la retinopatía diabética a partir de las imágenes tomadas de la retina de los pacientes.
La tecnología de aprendizaje profundo utilizada para el diagnóstico es similar a la tecnología de reconocimiento de imágenes que Google utiliza ya para identificar caras, animales, objetos o monumentos en las fotos que los usuarios suben a Google fotos y otros servicios de la compañía. Salvo que, en este caso, el sistema ha sido adiestrado para reconocer la enfermedad.
Para ello, primero “entrenaron” el algoritmo utilizando grandes conjuntos de datos en formato imagen (n = 128175); y, posteriormente, lo “probaron”, utilizando 2 conjuntos de datos separados (n = 9963 imágenes y n = 1748 imágenes).
El software de detección de retinopatía diabética basado en técnicas de aprendizaje profundo de Google superó las pruebas con éxito, mostrando una sensibilidad del 87% al 90%, un 98% de especificidad y un área por debajo de la curva característica de funcionamiento del receptor de 0,99 en la detección de retinopatía diabética moderada o severa o de edema macular diabético.
Estas cifras son similares a las obtenidas por oftalmólogos expertos, con la diferencia de que el sistema de IA de Google es capaz de analizar muchas más imágenes en menos tiempo, lo que permitiría realizar la prueba de detección a un amplio sector de la población.
¿Cuál es el siguiente paso antes de utilizar la IA para diagnosticar la retinopatía diabética en programas reales de detección?
Según los autores del estudio, el siguiente pasó será determinar la viabilidad de aplicación de este algoritmo en los programas de detección de retinopatía diabética y comprobar si el uso del algoritmo podría, en última instancia, mejorar la atención al paciente y los resultados.
Los propios autores del estudio señalan algunas de sus limitaciones, por ejemplo:
- Para desarrollar y validar el algoritmo del estudio se utilizó una compleja definición de un estándar de oro (una decisión mayoritaria de un panel de oftalmólogos certificados).Sería necesario comprobar si se obtienen unos resultados igual de positivos empleando como estándar de oro otros tipos de imágenes utilizadas habitualmente en grandes ensayos clínicos, como por ejemplo, las tomografías de coherencia óptica.
- En el estudio realizado, se estudiaron tanto retinopatías moderadas como severas. Sin embargo, el número de imágenes con retinopatía diabética severa o peor dentro del conjunto de datos de validación apenas llegaba a 200 imágenes, por lo que el resultado no puede ser representativo para este tipo de retinopatías más graves en las que realmente hay riesgo de ceguera.Sería importante evaluar el rendimiento del algoritmo en la detección de las retinopatías diabéticas más graves para poder comprobar si el software proporciona también unos resultados de gran precisión en estos casos.
- Por el momento, el algoritmo detecta solo los casos de retinopatía diabética y no de otras enfermedades oculares importantes como el glaucoma o la degeneración macular relacionada con la edad.La mayor parte de los programas de revisión de retinopatía diabética que se realizan hoy en día con evaluadores médicos humanos sí detectan estas enfermedades y es importante que se haga, por lo que el algoritmo tendría que ser capaz de detectar más enfermedades antes de poder utilizarse de forma generalizada en programas de detección.
- También será necesario probar el algoritmo en cohortes de pacientes más grandes y bajo diferentes condiciones y escenarios, dado que el rendimiento de un software de detección puede variar en función de la prevalencia de la enfermedad que se trata de detectar y la prevalencia de la retinopatía diabética varía en función de la comunidad o el grupo étnico que se esté analizando.
¿Podría reemplazar la IA de Google a los médicos en la detección y diagnóstico de enfermedades?
Pues a largo plazo seguramente podría liberarlos de esta ardua tarea. No obstante, el objetivo no es reemplazar a los médicos sino poder realizar la prueba a más gente en menos tiempo; e incluso facilitar que se puedan llevar a cabo las revisiones en países con menos recursos, al poder realizar el análisis de forma remota.
De este modo, gracias a la detección temprana se podría tratar adecuadamente y a tiempo, en todo el mundo, a millones de pacientes y evitar así que acaben padeciendo de ceguera.
De lo que no parece haber dudas es de que la IA estará presente sí o sí también el campo de la medicina en un futuro no muy lejano.
Fuente: JAMA
Seguir leyendo:
- DNC, el nuevo sistema de IA de Google que aprende por sí solo
- Nueva plataforma de aprendizaje automático de Google para desarrolladores
- Un nuevo sistema informático del MIT podría automatizar por completo el análisis de los Big Data
- Los Big Data transformarán la atención sanitaria
- Cómo están utilizando la inteligencia artificial las grandes empresas
Trackbacks/Pingbacks