Cómo el aprendizaje profundo está cambiando la atención médica Parte 2: Prevención

La semana pasada hablamos sobre cómo la IA está cambiando la forma en que los médicos diagnostican enfermedades y trastornos.

Pero, por importante que sea un diagnóstico rápido, económico y preciso, hay una cosa que es aún mejor: la prevención.

Esta semana, nos sumergiremos en cómo la IA está transformando la forma en que los médicos predicen y previenen enfermedades y hospitalizaciones.

Las predicciones oportunas ayudarán a prevenir enfermedades

Cada año, los hospitales de EE. UU. admiten innecesariamente a 4,4 millones de pacientes, lo que cuesta 30.800 millones de dólares, según estimaciones de la Agencia de Investigación y Calidad de la Atención Médica de EE. UU.

Solo dos dolencias, enfermedades cardíacas y complicaciones de la diabetes, representan la mitad de todas las hospitalizaciones innecesarias.

Infografía de enfermedades del corazón (Fuente: Huffington Post)

Estos son algunos ejemplos de cómo el aprendizaje profundo ya está ayudando a predecir y evitar eventos negativos para la salud relacionados con enfermedades cardíacas y diabetes:

• Investigadores del Centro de Ingeniería de Sistemas e Información de la Universidad de Boston han estado trabajando con hospitales locales para monitorear a los pacientes con enfermedades cardíacas y diabetes y predecir cuáles de ellos requerirán hospitalización. Si los proveedores de atención médica pueden predecir quién necesitará ayuda antes de que sea necesaria, pueden evitar muchas de estas hospitalizaciones. El modelo de aprendizaje profundo que utilizan los investigadores puede predecir con un 82% de precisión quién necesitará hospitalización con aproximadamente un año de anticipación.

• Los investigadores de Sutter Health y el Instituto de Tecnología de Georgia ahora pueden predecir la insuficiencia cardíaca utilizando el aprendizaje profundo para analizar los registros de salud electrónicos hasta nueve meses antes que los médicos que utilizan medios tradicionales.
• Frans Von Houten, presidente y director ejecutivo de Royal Philips, le dijo a CNBC en mayo que su compañía ahora usa inteligencia artificial para predecir con precisión si un paciente tendrá un ataque cardíaco horas antes de que suceda.

Pero la IA no solo ayuda a prevenir eventos repentinos de atención médica. También está ayudando a frustrar la degeneración en curso.

Por ejemplo, la retinopatía diabética es una de las principales causas de ceguera entre los adultos en edad laboral.

Diagrama de retinopatía diabética (Fuente: news-medical.net)

Tales complicaciones relacionadas con la diabetes surgen de picos y caídas en los niveles de glucosa en la sangre, por lo que predecir con precisión los niveles de glucosa en la sangre es clave para prevenir las caídas y los picos en primer lugar con bocadillos e inyecciones de insulina en el momento oportuno.

Un artículo de julio de 2017 muestra que las redes neuronales profundas, que realizan un aprendizaje profundo, pueden aprender de un grupo de niños diabéticos cómo predecir con precisión los niveles de glucosa en sangre (para evitar estas caídas y picos) en un grupo más grande de niños.

La comprensión de cómo los genes conducen a la enfermedad se profundizará

Otra forma de prevenir enfermedades con IA es predecir quién desarrollará ciertos trastornos en función de su composición genética.

Según el analista de atención médica de Gartner, Richard Gibson, los genes son "quizás lo más importante que haya afectado a la atención médica, definitivamente desde la llegada de los antibióticos en 1950".

Específicamente, a medida que los investigadores recopilan datos genómicos a niveles sin precedentes y los modelos de aprendizaje profundo hacen que analizar esos datos y establecer conexiones sea más fácil que nunca, estamos aprendiendo mucho sobre cómo los factores genéticos, como las mutaciones, conducen a la enfermedad.

Estos avances están conduciendo a una medicina personalizada o de “precisión”, donde el objetivo es adaptar los tratamientos a la composición genómica de cada paciente.

Su genoma es el conjunto completo de instrucciones químicas para construir un "usted". Aunque la genómica aún está en pañales, hay proyectos que avanzan a pasos agigantados. Por ejemplo, un equipo de investigadores de la Universidad de Toronto está trabajando para construir un motor de interpretación genética para identificar rápidamente las mutaciones que causan cáncer en pacientes individuales.

También en Toronto, una startup llamada Deep Genomics aplica un modelo de aprendizaje profundo a enormes conjuntos de datos de información genética y registros médicos para relacionar las variaciones genéticas con la enfermedad correspondiente.

Ambas organizaciones utilizan la plataforma informática AI, GPU Nvidia para sus modelos.

Prepárese para el aprendizaje profundo con el software adecuado

Si bien las GPU como las fabricadas por Nvidia son esenciales para ejecutar algoritmos de aprendizaje profundo, también necesita un software especializado para hacer realidad la IA de la atención médica.

El grupo de la Universidad de Boston pudo predecir quién necesitaría hospitalización con mucha mayor precisión que los médicos solos, porque utilizaron redes neuronales profundas (DNN).

Las DNN pueden analizar hasta 200 factores, como el historial de salud y la información demográfica, para identificar aquellos que están asociados con enfermedades futuras. Sin embargo, para que el modelo DNN funcione, necesita datos de los registros EHR.

Un desafío potencial es que los EHR normalmente almacenan este tipo de datos en grandes bloques de texto. Por ejemplo, un EHR puede tener un registro del historial de depresión de un paciente en una sección de "Notas", donde un médico escribe "La madre del paciente sufría de estados de ánimo deprimidos" junto con quejas, problemas actuales, etc.

Pero, para funcionar, los modelos de IA necesitan datos bien estructurados. Es más fácil para una máquina analizar que un paciente tiene antecedentes familiares de depresión si hay una columna llamada "antecedentes familiares" y una casilla de verificación junto a "depresión".

Pronto, el aprendizaje profundo será "obligatorio para las personas que crean aplicaciones de software sofisticadas", dice a Fortune el socio de Andreessen Horowitz, Frank Chen.

La mayoría de los capitalistas de riesgo, incluidos los que invierten en nuevas empresas de SaaS, ni siquiera sabían qué era el aprendizaje profundo hace cinco años. Hoy en día, los inversores “desconfían de las nuevas empresas que no lo tienen”, dice Chen.

Del mismo modo, debe tener cuidado con los EHR que no crean ni almacenan el tipo de datos bien estructurados que funcionan con modelos de aprendizaje profundo. Incluso podría buscar un EHR que tenga IA integrada en su funcionalidad de documentación clínica, por ejemplo, Epic asociándose con Nuance.

Sin embargo, la mayoría de los sistemas EHR no tendrán IA integrada por un tiempo, según Anil Jain, MD, FACP y vicepresidente y director de informática de salud de IBM Watson Health. La opción en estos casos es integrar la funcionalidad de IA en su EHR existente. A partir de ahora, la mayoría de los sistemas de salud tendrán que desarrollar e implementar IA como funcionalidad adicional.

Eso es lo que hizo Intermountain Healthcare con su EHR, creando más de 150 protocolos en Cerner. Con cada protocolo, Cerner lanza una alerta cuando recibe información del paciente que indica una determinada condición médica y luego guía a los médicos a través de exámenes adicionales sugeridos y posibles tratamientos.

La construcción de estos protocolos solía requerir 12 médicos, enfermeras y expertos en análisis, y tomaba más de un año. Pero, al asociarse con Intermountain, se pueden construir en 10 días sin mano de obra humana.

Cuando hable con los vendedores de software, ya sea que esté buscando un software EHR o un software de administración de consultorios médicos, es importante saber qué preguntas hacer.

Siga el ejemplo del socio de VC Chen y haga preguntas como:

• "¿Dónde está tu versión de procesamiento de lenguaje natural?"
• "¿Cómo hablo con su aplicación para no tener que hacer clic en los menús?"

Próximos pasos

Actualmente, los grandes centros de investigación y los sistemas de salud están desarrollando modelos de aprendizaje profundo que pueden predecir y prevenir enfermedades y hospitalizaciones y descubrir qué genes están asociados con futuras enfermedades y trastornos.

Al comparar el software EHR, pregunte a los proveedores de su lista de preseleccionados sobre cualquier funcionalidad o integración de IA que ofrezcan. Por ejemplo, ¿los datos se almacenan en un bloque de texto o están más estructurados?

Idealmente, debe elegir un EHR que tenga la funcionalidad de IA incorporada o uno que pueda integrarse con un modelo de aprendizaje profundo.