Los médicos tienen muchas herramientas para predecir la salud de un paciente. Pero -como incluso ellos lo dirán- no son compatibles con la complejidad del cuerpo humano. Los ataques al corazón en particular son difíciles de anticipar. Ahora, los científicos han demostrado que las computadoras son capaces de enseñarse a sí mismas, pueden funcionar incluso mejor que las pautas médicas estándar, aumentando significativamente las tasas de predicción. Si se implementa, el nuevo método podrían salvar miles e incluso millones de vidas al año.
«No puedo subrayar lo importante que es», dice Elsie Ross, una cirujana vascular de la Universidad de Stanford en Palo Alto, California, que no estaba involucrada con el trabajo, «y cuánto espero realmente que los médicos comiencen a hacer uso de inteligencia artificial para ayudarnos en el cuidado de pacientes».
Cada año, casi 20 millones de personas mueren por los efectos de las enfermedades cardiovasculares, incluyendo ataques cardíacos, accidentes cerebrovasculares, bloqueo de las arterias y otros malfuncionamientos del sistema circulatorio.
En un esfuerzo por predecir estos casos, muchos médicos usan pautas similares a las del American College of Cardiology / American Heart Association (ACC / AHA). Estos se basan en ocho factores de riesgo -incluyendo la edad, el nivel de colesterol y la presión arterial- que los médicos efectivamente suman.
Sobre el nuevo estudio de Inteligencia Artificial
Pero eso es demasiado simplista para darnos cuenta de los muchos medicamentos que un paciente podría necesitar, u otros factores de enfermedad y estilo de vida. «Hay mucha interacción en los sistemas biológicos», dice Stephen Weng, epidemiólogo de la Universidad de Nottingham en el Reino Unido.
Algunas de esas interacciones son contraintuitivas: una gran cantidad de grasa corporal en realidad puede proteger contra las enfermedades del corazón en algunos casos. «Esa es la realidad del cuerpo humano», dice Weng. «Lo que la ciencia informática nos permite hacer es explorar esas asociaciones».
En el nuevo estudio, Weng y sus colegas compararon el uso de las guías ACC / AHA con cuatro algoritmos de aprendizaje automático: bosque aleatorio, regresión logística, aumento de gradiente y redes neuronales. Las cuatro técnicas analizan gran cantidad de datos con el fin de llegar a las herramientas de predicción sin ninguna instrucción humana. En este caso, los datos provienen de los registros médicos electrónicos de 378.256 pacientes en el Reino Unido. El objetivo era encontrar patrones en los registros que se asociaron con eventos cardiovasculares.
Como funciona la Inteligencia Artificial
En primer lugar, los algoritmos de inteligencia artificial (IA) tenían que entrenarse. Utilizaron cerca del 78% de los datos, unos 295.267 registros, para buscar patrones y construir sus propias «guías» internas.
Luego se probaron en los registros restantes. Usando los datos de registro disponibles en 2005, predijeron qué pacientes tendrían su primer evento cardiovascular durante los próximos 10 años, y comprobaron las conjeturas en contra de los registros de 2015.
A diferencia de las directrices de ACC / AHA, se permitió que los métodos de aprendizaje de máquina tuvieran en cuenta 22 puntos más de datos, incluyendo etnicidad, artritis y enfermedad renal.
Los cuatro métodos de IA se comportaron significativamente mejor que las pautas de ACC / AHA. Utilizando una estadística denominada AUC (en la que una puntuación de 1,0 significa 100% de precisión), las pautas ACC / AHA llegaron a 0,728.
Los cuatro nuevos métodos oscilaron entre 0,745 y 0,764, informó el equipo de Weng este mes en PLOS ONE. Las mejores redes un neurales predijeron correctamente 7,6% más de eventos que el método ACC / AHA, y aumentaron un 1,6% menos las falsas alarmas. En la muestra de prueba de unos 83.000 registros, que equivale a 355 pacientes adicionales cuyas vidas podrían haberse salvado. Eso se debe a que la predicción a menudo conduce a la prevención, dice Weng, a través de medicamentos para reducir el colesterol o cambios en la dieta.
Conclusiones de la Inteligencia Artificial
«Este es un trabajo de alta calidad», dice Evangelos Kontopantelis, un científico de datos en la Universidad de Manchester en el Reino Unido que trabaja con bases de datos de atención primaria. Dice que dedicar más poder computacional o más datos de entrenamiento al problema «podría haber llevado a ganancias aún mayores».
Varios de los factores de riesgo que los algoritmos de aprendizaje de máquina identificados como los predictores más fuertes no están incluidos en las directrices de ACC / AHA, tales como enfermedad mental severa y tomando corticosteroides orales. Mientras tanto, ninguno de los algoritmos considera la diabetes, que está en la lista ACC / AHA, estar entre los 10 mejores predictores. En el futuro, Weng espera incluir otros factores de estilo de vida y factores genéticos en los algoritmos informáticos para mejorar aún más su exactitud.
Kontopantelis señala una limitación al trabajo: Los algoritmos de aprendizaje automático son como las cajas negras, en las que se pueden ver los datos que entran y la decisión que sale, pero no se puede entender lo que ocurre entre ellos. Eso hace que sea difícil para los seres humanos ajustar el algoritmo, y que frustra las predicciones de lo que va a hacer en un nuevo escenario.
¿Los médicos pronto adoptarán métodos similares de aprendizaje automático en sus prácticas? Los médicos realmente se enorgullecen de su experiencia, dice Ross. «Pero yo, siendo parte de una nueva generación, veo que podemos ser asistidos por la computadora».
Referencias:
- «Can machine-learning improve cardiovascular risk prediction using routine clinical data?«, Journals PLOS ONE.
