Quantcast
El Tiempo Latino
6:48 a.m. | 49° 12/15/2018

¿Pueden los algoritmos de Facebook, Google y Amazon predecir enfermedades… y tratarlas?


John McQuaid | Kaiser Health News | 2/20/2018, 12:16 p.m.
¿Pueden los algoritmos de Facebook, Google y Amazon predecir enfermedades… y tratarlas?
Tales algoritmos, que ahora son comunes en el comercio por Internet y las finanzas, no se han probado todavía mucho en medicina y salud. | PEXELS

Pero el poder de estas tecnologías ha crecido exponencialmente, a la vez que se ha abaratado. En el pasado, la creación de un algoritmo de aprendizaje automático requería redes de computadoras; ahora se puede hacer en una laptop.

Los algoritmos de aprendizaje automático ahora pueden diagnosticar confiablemente el cáncer de piel (a partir de fotografías) y el cáncer de pulmón, y predecir el riesgo de convulsiones.

Lily Peng, científica investigadora de Google, dirigió un equipo que desarrolló un algoritmo de aprendizaje automático para diagnosticar el riesgo de un paciente de retinopatía diabética a partir de un escáner de retina.

El año pasado, la Administración de Alimentos y Medicamentos (FDA) aprobó el primer algoritmo médico de aprendizaje automático para uso comercial de la empresa Saner Arterys. Su algoritmo, llamado "DeepVentricle", realiza en 30 segundos una tarea que los médicos suelen hacer a mano: dibujar los contornos de los ventrículos de múltiples imágenes de resonancia magnética del músculo cardíaco en movimiento, para calcular el volumen de sangre que circula. Eso habitualmente toma un promedio de 45 minutos. "Se está automatizando algo que es importante y tedioso de hacer", dijo Carla Leibowitz, directora de estrategia y marketing de Arterys.

Si se adopta a gran escala, estas tecnologías podrían ahorrar mucho tiempo y dinero. Pero también puede ser un cambio disruptivo.

"El hecho que hayamos identificado posibles formas de eliminar los costos es una buena noticia. El problema es que a las personas que pueden ser desplazadas no les va a gustar, por lo que habrá resistencia", dijo Eric Topol, director del Scripps Translational Science Institute. "Socava la forma en que los radiólogos hacen su trabajo. Su principal tarea es leer escaneos: ¿qué sucederá cuando ya no tengan que hacerlo?”.

El cambio puede no dejar a muchos médicos sin trabajo, dijo Topol, quien fue coautor de una pieza en JAMA que explora el tema. Más bien, probablemente los empujará a encontrar nuevas formas de aplicar su experiencia. Por ejemplo, podrán enfocarse en diagnósticos más desafiantes en los que los algoritmos siguen siendo insuficientes, o interactuar más con los pacientes.

Más allá de esta frontera, los algoritmos pueden proporcionar un pronóstico más preciso para el curso de una enfermedad, lo que podría reconfigurar el tratamiento de condiciones progresivas o abordar las incertidumbres en la atención al final de la vida. Pueden anticipar infecciones de rápido movimiento como la CDI y dolencias crónicas como la insuficiencia cardíaca, permitiendo intervenciones tempranas y reduciendo el costo de la enfermedad.

Pero, a pesar de la esperanza científica, el aprendizaje automático en medicina sigue siendo un terreno desconocido en muchos aspectos. Por ejemplo, agrega una nueva voz, la voz de la máquina, a decisiones médicas clave. Los médicos y los pacientes tardarán en acostumbrarse.

"Hará una gran diferencia en cómo se toman las decisiones médicas: estarán mucho más impulsadas por los datos de lo que solían estar", opinó John Guttag, profesor de informática del Massachusetts Institute of Technology. Los médicos confiarán en estas herramientas cada vez más complejas para tomar decisiones, pero "no tienen idea cómo funcionan". Y, en algunos casos, será difícil descubrir por qué se ofrecieron malos consejos.


Esta historia fue producida por Kaiser Health News, un programa editorialmente independiente de la Kaiser Family Foundation.