Skip to main content

De Galeno a Watson: el discurrir de las máquinas hacia la inteligencia artificial en salud

Rodolfo Rodríguez Gómez MD

De-Galeno-a-Watson

Desde los antiguos médicos como Galeno, el objeto de la medicina no ha sido otro que mejorar la salud.

La medicina, desde tiempos primitivos, ha discurrido un largo y sinuoso camino, y en medio de siglos de historia, muchas han sido las invenciones tecnológicas, pero hoy, la Inteligencia Artificial (IA) está generando cambios disruptivos en diversos escenarios del área de la salud. 

La relación entre máquinas y medicina

Durante un gran pasaje de la historia la relación entre las máquinas y la medicina fue discreta. Por miles de años, la persona encargada de la salud, ya fuera el chamán en culturas ancestrales o el médico de la época medieval, contaba para el diagnóstico de las enfermedades con poco más que sus sentidos. En el medioevo, por ejemplo, el médico observaba al paciente, escuchaba con atención el relato de los síntomas, auscultaba al apoyar la oreja contra el tórax del enfermo, palpaba la zona anatómica de interés y, en casos particulares, inspeccionaba y probaba la orina del paciente. Parece poco, pero en medicina, para lograr un diagnóstico acertado, los órganos de los sentidos fueron, por mucho tiempo, todo o casi todo. Con el pasar de los años se perfeccionaron las técnicas de inspección, palpación y auscultación, y con ello, la semiología se convirtió en piedra angular del diagnóstico clínico e hizo de la intuición un arte, lo que en algún momento se empezó a llamar ojo clínico
 
Pero ¿por qué durante gran parte de la historia la medicina ha prescindido de las máquinas? Además de lo evidente de las limitaciones tecnológicas de ciertos momentos históricos, quizás una de las respuestas apunta a que gran parte de la práctica médica es un arte. En el ejercicio de la medicina, arte y ciencia se fusionan en una delicada combinación cuyo éxito depende, en buen grado, del artista. Así entonces, como en otras facetas del arte como la escultura, el dibujo o la pintura, se prescinde de lo artificial, en este caso, de la máquina, y se otorga protagonismo a algo más visceral, a lo orgánico, a lo innato, a lo natural, a lo humano. No obstante, trabajar solo con las manos es desgastante y complicado, y es allí donde se requiere de herramientas e instrumentos; así como el pintor requiere de un pincel, el cirujano precisa del escalpelo. En el caso de la pintura, la acción protagónica recae en quien empuña el pincel: el pintor, y para el caso de la medicina, si se habla de cirugía, el poseedor de la habilidad artística es el cirujano. 
             
A medida que el conocimiento médico ha desbordado límites, ha requerido de elementos que ayuden a optimizar tareas y a refinar la imperfección humana. Por consiguiente, el instrumental médico ha sido esencial en el desarrollo de ciertas labores y no es posible pensar en algunos avances en medicina sin la existencia de inventos tanto en ámbitos clínicos como quirúrgicos. Desde los fórceps, pasando por el escalpelo, las espátulas, las pinzas, la sierra de amputación, hasta invenciones como el electrocauterio, la lista de instrumentos médicos abarca un vasto inventario que incluye artefactos como el pulmón de acero, la máquina de anestesia, el electrocardiógrafo o la máquina de circulación extracorpórea, aparatos que han permitido al profesional de la salud estar en control y llevar la medicina a otro nivel. La invención de instrumentos se ha desarrollado para fines que el ser humano no realiza per se y un ejemplo es el electrocauterio, ya que un cirujano, por más habilidades que posea, no puede cauterizar los vasos sanguíneos con sus dedos, pero ningún invento en el área de la salud se había desarrollado, hasta ahora, para algo que el humano puede hacer muy bien como es pensar.

La era del aprendizaje

Si la humanidad habita en la era del conocimiento, muchas máquinas viven y vivirán en los próximos años en la era del aprendizaje. El concepto de aprendizaje es milenario y se ha utilizado principalmente en el contexto humano y también al referirse a los animales. Pero que una máquina aprenda y que incluso lo haga en cierto modo sola o que aprendan unas de otras son palabras que generan aprensiones e incluso, ideas apocalípticas. Aprender se define como adquirir conocimiento de algo por medio del estudio o la experiencia y lo más interesante es que los conceptos sobre el aprendizaje de las máquinas provienen del propio entendimiento del cerebro humano. De hecho, en su concepción inicial, la IA planteaba precisamente, la imitación del humano, y según Marvin Minsky, uno de los pioneros de la IA, lo que explica por qué pensar es fácil para los humanos y difícil para los computadores es la compleja forma en que trabaja el cerebro, además de la flexibilidad cerebral. 
 

col1im3der

 

El aprendizaje es un concepto fundamental para la IA y se condensa en lo que se denomina machine learning. Esta disciplina es el punto de encuentro entre la ciencia cognitiva y la IA, y estudia los procesos computacionales que subyacen al aprendizaje tanto en humanos como en máquinas. En medicina, el que una máquina aprenda a realizar una tarea mejor que un humano puede sonar disruptivo, pues por tradición, la enseñanza médica ha estado enfocada en transmitir conocimientos a un estudiante o pupilo, pero no a enseñar a una máquina a realizar una actividad que de seguro realiza mejor que el propio ser humano. Para el área de la salud, esto representa algo revolucionario, ya que las disciplinas clínicas y quirúrgicas han estado fundamentadas en el poder individual que otorga el saber hacer y el saber pensar. Con los avances de la IA, el área de la salud está incursionando en una nueva pero compleja dimensión donde el profesional puede quedar relegado a un probable segundo plano, dado que las máquinas, en casos puntuales, pueden realizar tareas y diagnósticos con mejor desempeño que un humano. 

Inteligencia artificial y la salud del presente-futuro

En su concepción más elemental, la IA se fundamenta en el desarrollo de máquinas inteligentes. Esta disciplina se relaciona con la teoría de la computación y su objetivo es emular habilidades intelectuales humanas como los procesos de percepción sensorial y el reconocimiento de patrones. John McCarthy, uno de los padres de la inteligencia artificial, para 1955, cuando era profesor de matemáticas en el Dartmouth College, resaltaba el concepto de lograr que las máquinas se comportaran de forma similar a la humana en la resolución de problemas y que aprendieran de ellas mismas. Fue McCarthy, precisamente, quien acuñó el término
‘Inteligencia Artificial’ y años después, tuvo la visión de un sistema de computación pública compartida, industria que hoy se conoce como cloud computing. Todo esto evidencia el arduo camino que ha transitado la IA, sin embargo, un punto de quiebre aconteció en 2011 cuando Watson, la computadora inteligente de IBM, derrotó a dos humanos en Jeopardy, el programa de concurso estadounidense. Ese día, cuando Watson, la IA capaz de responder a preguntas formuladas en lenguaje natural se coronaba campeón ante dos de los mejores concursantes del legendario concurso, el mundo confirmó, con rotunda evidencia, que las máquinas no solo son capaces de procesar millones de bytes de información, sino que además, pueden aprender de la experiencia e incluso enseñarse unas a otras. 
         

col1im3der

 

Un elemento primordial en algunas aplicaciones de la IA es disponer de grandes bases de datos. En el contexto médico, la cantidad de datos que se almacenan hoy en día es gigante y en años venideros se generarán en cantidades enormes. No solo provendrán de historias clínicas, sino de laboratorios clínicos, imágenes diagnósticas, publicaciones científicas, redes sociales online, aplicaciones móviles, bases de datos biomédicas, wearables y todo tipo de sensores de tecnología ubicua. Así, el problema no será de dónde obtener los datos, sino qué hacer con tantos datos; en otras palabras, el problema real será pensar la información y por primera vez en la historia, gracias a los humanos, las máquinas ya lo están haciendo a un nivel superlativo debido a la extraordinaria capacidad de cómputo. Esto contrasta con otras épocas, ya que anteriormente la información clínica con la que el médico contaba para diagnosticar tenía cabida en su cabeza, pero hoy las cosas son muy diferentes, pues la información desborda las capacidades humanas y es allí, tanto en almacenamiento como en procesamiento de datos, donde los computadores superan con creces al ser humano. 
 
La comunión entre IA y el área de la salud está dando frutos a pasos agigantados y los límites solo parecen estar en la mente humana. En radiología, la creación de algoritmos ha permitido a una máquina realizar diagnósticos con mayor precisión que un radiólogo. Asimismo, en el avance contra el cáncer, la IA se ha utilizado para la investigación de ciertos genes, así como la optimización de radioterapia sin la intervención humana con resultados comparables a los métodos convencionales. En cirugía endoscópica, la IA ha realizado avances tanto en el diagnóstico de pólipos del colon como en el manejo de cáncer gástrico temprano y en la predicción de la profundidad neoplásica, sin dejar de mencionar los sistemas de cirugía robótica que potencian las habilidades de un cirujano o incluso, el uso de drones en la atención de emergencias y desastres en sitios geográficos remotos. A su vez, grandes avances son evidentes en telemedicina, que brinda soluciones reales al problema de la asistencia remota en salud y genera nuevos modelos de atención con el uso de tele-evaluación, telediagnóstico, tele-interacción y telemonitoreo. 
             
En la comunión entre salud y tecnología, un elemento esencial es que los principios algorítmicos de la IA se acoplan perfectamente con la acción de predecir, algo que busca de forma constante tanto la medicina clínica como la salud pública. En este contexto, un fenómeno emergente es cómo en la actualidad muchos problemas en el área de la salud no representan un evento de interés en salud pública o una enfermedad, sino que apuntan a cómo resolver problemas con los algoritmos y cómo hacer que las máquinas piensen la enfermedad; es decir que hoy en el área de la salud muchos problemas por resolver tienen que ver con lo tecnológico. Es relevante destacar que, desde hace unas décadas, la medicina ha aprendido a dialogar con otras áreas del saber, de hecho, la medicina no sería ni será lo mismo sin la matemática, la ingeniería o la computación, y cada vez depende más de ellas, siendo evidente que el acto médico dejó de ser solo un actuar del médico. Esto no quiere decir que en un futuro cercano el profesional de salud será remplazado por una máquina, quiere decir que estamos entrando en otra dimensión de la salud, que los tiempos están cambiando y que precisan de cambios de pensamiento para afrontar un futuro que ya es una realidad.

Bibliografía  
Álvarez R, Kuri-Morales P. Salud pública y medicina preventiva (5° Edición).
Ciudad de México (México): Editorial El Manual Moderno, 2017.
Babier A, Boutilier JJ, McNiven AL, Chan TCY. Knowledge-based automated planning for oropharyngeal cancer. Med Phys. 2018; 45(7): 2875-2883.
Benítez R, Escudero G, Kanaan S, Masip D. Inteligencia artificial avanzada.
Barcelona (España): Editorial UOC, 2014.
Kumar N, Chandra P. Cloud Computing: Concepts and Practices. Springer International Publishing, 2018.
Kuziemsky C, Maeder AJ, John O, Gogia SB, Basu A, Meher S, Ito M. Role of
Artificial Intelligence within the Telehealth Domain. Yearb Med Inform, 2019.
Langley P. Elements of machine learning. San Francisco (California): Morgan Kaufmann Publishers Inc, 1996.
McCarthy J, Minsky M, Rochester N, Shannon C. A proposal for the Dartmouth Summer Research Project on Artificial Intelligence August 31 1955. AI Magazine, 27, 12-14: 2006.
Minsky M. Will robots inherit the earth? Sci Am. 1994; 271(4):108-13.
Mori Y, Berzin TM, Kudo S. Artificial intelligence for early gastric cancer: early promise and the path ahead. Gastrointestinal Endoscopy. 2019; 89(4): 816817.
Rajpurkar P, Irvin J, Zhu K, Yang B, Mehta H, Duan T, et al. (2017). CheXNet:
Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep
Learning. Disponible en: https://arxiv.org/pdf/1711.05225.pdf