El eslabón perdido de la Inteligencia Artificial

Jonathan Rodríguez Troyano MD.

Miembro Fundador de AIpocrates.

En la búsqueda de nuestra historia evolutiva, los hallazgos arqueológicos y antropológicos nos han permitido enlazar los siglos recorridos, construir el relato del desarrollo de la humanidad desde la vida nómada, discernir el rol de la agricultura como motor de los asentamientos y la formación de comunidades y lo más interesante elucubrar de alguna forma las interacciones humanas actuales.

Sin embargo, en estos hallazgos se percibe la ausencia de una o varias piezas en la línea de tiempo de la historia de la humanidad. Como en un rompecabezas, al intento por hallar estas piezas perdidas se le ha denominado la “búsqueda del eslabón perdido”, cuyo propósito es el de completar el conocimiento sobre nuestros ancestros.

Miles de años después hemos llegado a la sociedad contemporánea, aquella que vive en ciudades hiperpobladas, con herramientas tecnológicas que les permiten mejorar su calidad de vida y una apertura al conocimiento que traspasa fronteras.

Aunque los beneficios del progreso van in crescendo, también han aumentado los efectos colaterales del mismo, entre ellos el sedentarismo, la obesidad derivada del alto consumo de alimentos ultra procesados, el riesgo de noticias falsas e infodemia en medio de la hiperconectividad, alteraciones en la salud mental y una explosión de otras enfermedades relacionadas con hábitos de vida poco saludables.

En este contexto del progreso, con sus pros y contras, la inteligencia artificial (IA) se perfila como una aliada exponencial para alcanzar soluciones efectivas e integradas a los retos actuales de la cotidianidad y especialmente para las necesidades del sector salud, las cuales son inmensas y se derivan entre otras del incremento en la expectativa de vida, de la alta carga de las enfermedades crónicas y enfermedades catastróficas, las cuales navegan por una insuficiente cantidad de recursos para solventarlas.  La IA necesita un hilo que permita ir encadenando todos sus avances hasta llegar por fin al usuario, que es realmente la gran deuda de estos desarrollos.

Detengámonos por un instante en el panorama de esa búsqueda de soluciones tecnológicas…

By The Numbers:

• Según Insider intelligence (1) y Statista (2) en 2021 existían 350.000 aplicaciones (apps) bajo la etiqueta de “Salud y bienestar” en todas las tiendas virtuales, y 54.603 de estas apps exclusivamente para la PlayStore de Google/Android,
• El 83% de estas apps han sido descargadas menos de 5000 veces,
• Las 110 apps más descargadas superan los 10 millones de descargas individuales,
• Fortune Business Insight (3) encontró que a nivel financiero, en 2020 los ingresos en este mercado ascendieron a 24.93 billones de dólares, con proyección de 314.6 billones en 2028, es decir un incremento de 12.6 veces lo generado en 2020.

(Apps en la PlayStore de Google. Fuente: Statista)

• En el reporte del Centro Noruego de Investigación en E-Health –NCER– (4) en 2016, en ese universo inundado de apps, “solamente” 656 eran especificas para seguimiento o educación en Diabetes, 34 en Falla cardiaca, y 259 en temas relacionados con cáncer.
• De acuerdo con Digitalya(5), hasta 90% de los profesionales en salud usan apps o algún tipo de software para educarse, hacer seguimiento a los pacientes, o llevar un historial de sus métricas (pacientes atendidos, costos, etc).
• Sin embargo, al momento de escribir esta columna, no hay datos precisos o totales sobre las App, plataformas o softwares que utilizan las instituciones de salud, esta falta de información parece deberse a temas de privacidad, licenciamiento y repositorio legal, esto dificulta ver el panorama completo.

En 2016 y 2018 la fundación California HealthCare (CHCF) realizó encuestas entre los desarrolladores de aplicaciones y los desarrolladores de EHR, con estos hallazgos:

• 98% respondió que era VITAL tener integración entre los 2 servicios y
• 85% respondió que ya lo había intentado.

Dicho reporte fue la base para el estudio desarrollado por la oficina de coordinación de las TIC en salud de EE.UU. (ONC), en el cual se intentaba realizar la integración entre apps y EHR mediante interfaces de programación de aplicación (APIs) de uso público, 5 galerías y recursos rápidos de interoperabilidad en salud (Fast Healthcare Interoperability Resources FHIR–H7), entre otros.

Dentro de los resultados, la cantidad total de aplicaciones y desarrolladores únicos descubiertos a través de estas 5 galerías aumentó en aproximadamente 20%, de 600 a 734 aplicaciones y de 517 a 610 desarrolladores, respectivamente. (9)

Con respecto al uso de software a nivel intrainstitucional en salud, el análisis NCER en 2021 (6) tienes estos datos interesantes:

• Las historias clínicas electrónicas (EHR) pueden llegar a estar compuestas por datos estructurados y no estructurados, en un 80% los datos son no estructurados como: notas quirúrgicas, descripción de eventos adversos, relatos de familiares, etc. Es decir los datos del mundo real en salud son los más difíciles de analizar.
• En las fichas epidemiológicas la mayor cantidad de información está como datos estructurados: fecha, identificación, código CIE-10, valor numérico del resultado de paraclínicos etc.
• En los datos no estructurados, usualmente la información está en forma narrativa, sin un formato, con abreviaturas e inclusive con errores gramaticales o ambigüedades. No existe el concepto de armonización.
• El formato de los datos varía dependiendo del nivel y tipo de atención del cual se originan, por ejemplo, reportes o notas de procedimiento, médicos vs enfermeras.

La diversidad de los formatos en los datos no es algo exclusivo de los registros electrónicos, en las historias manuales, los auditores se enfrentan a lo ilegible, a los errores de sintaxis y abreviaturas, muchas veces necesitan ajustarse los lentes y preguntar dos o tres veces para aclarar la información que reciben y así poder dar seguimiento adecuado a sus labores. 

Para solventar este tipo de dificultades, hay soluciones basadas en inteligencia artificial como los NLPs (procesadores de lenguaje natural) aplicados en los textos clínicos, los que permiten extraer información relevante y que se basan usualmente en redes neurales tipo GPT-3 que son modelos de lenguaje basados en mecanismos de atención (Transformers) (12), esta estructura permite contextualizar la narrativa a través de  la inclusión de algunos términos «tokenizados», pensemos entonces en términos como prefijos, sufijos, pretérito imperfecto, pronombres, adjetivos, etc.

Con el entrenamiento adecuado, la red neural al realizar una transcripción, genera un texto coherente, inclusive el NPL puede detectar errores y generar alarmas tempranas al contrastar y por ejemplo, no encontrar la correspondencia entre la dosis de X medicamento, digamos enalapril, con la dosificación predeterminada, 20 mg cada día o cada 12 horas.

Las anotaciones humanas en las EHR se relacionan con Tokens e identificadores de conceptos en el texto como adjetivos, pueden utilizarse como seguimiento o desenlaces. Por ejemplo los NLPs pueden analizar cambios en las descripciones como “paciente estable y afebril” que puede ser modificado una semana después por el “febril al tacto, T° 38.5”, e incluso sugerir el cambio de CIE-10. Esto es muy valioso en hospitalizaciones prolongadas, para identificar cambios tempranos de infecciones asociados al cuidado de la salud u otro tipo de complicaciones. De hecho los NLPs hacen parte integral de lo que llamamos “Gestión Predictiva del Cuidado en Salud”.

Una vez establecidos los NLPs en una institución, es natural que con el tiempo los datos generados se conviertan en “datos de entrenamiento”, ya sea en un modelo central o federado (11), impulsando la generación de nuevos algoritmos y construcción de otras redes neuronales profundas (DNN), trayendo beneficios como la disminución del consumo de tiempo en recopilación y análisis de información, mayor asociación de eventos, diagnóstico temprano de secuelas (7), un mejor relacionamiento entre departamentos clínicos y de informática, el uso de tecnologías como blockchain en estudios clínicos, o la automatización de algunas funciones de los auditores, educación del personal sanitario, etc. (8, 13)

De este modo, tenemos una breve descripción de lo que sucede en dos escenarios de la situación actual, por un lado, institucionalmente, los enormes esfuerzos para adoptar las nuevas tecnologías en los flujos de trabajo y por otro lado, la abrumadora necesidad de información, personas que con un solo click puedan acceder a la versión móvil del sector salud (mobile Health o m-Health).

¿Qué tiene que ver el nombre de esta columna con lo que me están contando?  Bueno, invito a ver este ejemplo cómico… humor versión meme:

(Tomado de https://www.cuantocabron.com/meme_otros/google-puede-hacer-de-lo-mas-simple-la-peor-enfermedad)

Este tipo de memes, sátiras y demás formas de humor, más allá de las sonrisas, reflejan una situación mucho más profunda, el entrenamiento de ML o DL toma mucho tiempo y las necesidades diarias sobrecargan la eficacia de las respuestas, así como las limitaciones en el lenguaje, pues la mayoría son desarrollos diseñados para el inglés,  incluyendo errores de traducción y cambios en el contexto de un idioma a otro, de un país a otro, además de la brecha entre el lenguaje cotidiano y el lenguaje técnico en el sector salud.  Esta suma de vectores tiende a inducir al error reflejado en la imagen.

Al inicio de esta columna narraba sobre el “eslabón perdido”, esa pieza faltante en la historia antropológica. En la era moderna, la IA necesita un hilo que permita ir encadenando todos sus avances hasta llegar al usuario final, el ser humano con el celular, Tablet o el PC y en salud hasta los flujos de trabajo diarios de médicos y pacientes.

En conclusión:

Esta columna no tiene las respuestas a la brecha entre el mundo exterior y los profesionales de la salud, pero invita a la reflexión e identificar hacia donde nos dirigen nuestros esfuerzos.

Aunque la tarea es avasallante, la diversidad de recursos nos permite explorar un sinfín de posibilidades, y en algún punto podremos ir armando el rompecabezas tecnológico, con la esperanza de que podamos satisfacer lo que la humanidad necesita.

*Bonus: Así como los recursos tecnológicos se utilizan de forma positiva, en algunos casos sucede lo contrario. Se han lanzado alertas en EE. UU., relacionadas con el polémico fallo que reversa el caso Roe vs Wade, considerando que el tracking de información y datos ha sido llevado por un riesgoso camino, con seguimientos de las huellas digitales relacionadas a las búsquedas en Google sobre abortos, entre otros (10). De continuar lo relatado, representa un gran riesgo para las mujeres, lo cuál debería evitarse completamente. Este párrafo es una opinión de carácter personal, no representa de ninguna manera a AIpocrates ni a ningún otro miembro.

Lecturas recomendadas

1. https://www.insiderintelligence.com/content/over-350k-digital-health-apps-flooding-market-here-s-how-apps-stand
2. https://www.statista.com/statistics/779919/health-apps-available-google-play-worldwide/
3. https://www.fortunebusinessinsights.com/mhealth-apps-market-102020
4. https://ehealthresearch.no/en/fact-sheets/m-health-apps-by-numbers
5. https://digitalya.co/blog/top-healthcare-apps/#7
6. https://ehealthresearch.no/en/news/2021/ustrukturerte-data-fra-pasientjournaler-kan-gi-bedre-behandlig
7. https://wires.onlinelibrary.wiley.com/doi/10.1002/wics.1549
8. https://www.sciencedirect.com/science/article/pii/S266660302100021X
9. https://doi.org/10.1093/jamia/ocab171
10. https://time.com/6184111/abortion-surveillance-tech-tracking/
11. https://aipocrates.org/2022/04/26/datos-y-seguridad-para-todos-una-mirada-hacia-los-datos-federados/
12. https://aipocrates.org/2022/07/26/conversacion-sobre-salud-e-inteligencia-artificial-con-gpt-neox-20b-un-modelo-de-lenguaje-autorregresivo-de-codigo-abierto-basado-en-transformers/
13. https://aipocrates.org/2022/09/04/como-construir-un-departamento-de-inteligencia-artificial-clinica/