BLOGS
Ciencia para llevar Ciencia para llevar

CURIOSIDADES CIENTÍFICAS PARA COMPARTIR

Entradas etiquetadas como ‘aprendizaje profundo’

¿Puede un robot diagnosticar una enfermedad mejor que un médico?

Por Ramón López de Mántaras y Pedro Meseguer (CSIC)*

La respuesta es ‘sí’. Pero, como casi todas las respuestas, hay que matizarla.

Históricamente, uno de los ámbitos de aplicación de la inteligencia artificial (IA) ha sido la medicina. En la actualidad la técnica de IA que está dando los resultados más espectaculares en el ámbito del diagnóstico basado en la imagen es el llamado aprendizaje profundo, que consiste en aprender a reconocer patrones de manera muy eficiente. Con esta técnica, recientemente científicos de la Universidad de Carnegie Mellón (EE UU), en colaboración con cuatro hospitales de Chicago, han desarrollado un sistema capaz de predecir infartos con cuatro horas de antelación en enfermos ingresados en UCIs, lo que mejora en más de tres horas los tiempos de predicción de los cardiólogos. Otro ejemplo exitoso de aplicación del aprendizaje profundo es el análisis combinado de imágenes médicas de rayos rayos X, MRI y ultrasonidos desarrollado por un grupo de la Universidad de Queensland (Australia), el cual puede diagnosticar el cáncer de mama mejor que los médicos.

diagnostico por ordenadorEste tipo de sistemas se entrenan a partir de enormes cantidades de datos. Así, el software capaz de predecir infartos fue entrenado con datos de 133.000 pacientes, que incluían 72 parámetros presentes en la historia clínica de estas personas (signos vitales, edad, glucemia, recuentos de plaquetas, etc.).

Cuando no se dispone de suficientes datos o el problema médico que se quiere resolver no se basa en el reconocimiento de patrones, sino más bien en razonamiento lógico basado en el procesamiento de conocimientos médicos, entonces es posible recurrir a otra técnica de IA menos novedosa pero también muy útil. Se trata de los denominados sistemas expertos, que utilizan el conocimiento acumulado sobre los síntomas de una enfermedad, el historial médico y los resultados de análisis médicos para llegar a conclusiones sobre el estado de un paciente, es decir, para diagnosticar. Cuanto mayor sea su capacidad para combinar sus conocimientos con las observaciones reales, más exacto será su diagnóstico.

El primer sistema experto médico fue HEURISTIC DENDRAL, desarrollado a partir de los años 70 en la Universidad de Stanford, en el ámbito de la química orgánica. Poco después, en la misma universidad se desarrolló MYCIN, orientado a las enfermedades infecciosas. Una parte del sistema describía posibles síntomas y otra expresaba una posible causa de los mismos. Además de incorporar conocimientos que permitían diagnosticar el agente causante de la infección, MYCIN también contenía información acerca del tratamiento adecuado, por lo que resultaba útil para la toma de decisiones por parte de los médicos.

Hoy ya hay multitud de sistemas en este campo que se usan regularmente en hospitales y centros médicos de todo el mundo. Por ejemplo, ATHENA, que ayuda a los médicos a tratar a pacientes con problemas de hipertensión. Este sistema procesa los datos clínicos de cada paciente y, a partir de su base de conocimientos sobre hipertensión, genera recomendaciones para mejorar la atención clínica personalizada.

Una de las aplicaciones más potentes a nivel mundial es el sistema GIDEON, que ayuda a diagnosticar 337 enfermedades infecciosas específicas en 224 países. Su base de datos cubre 1.147 taxones microbianos y 306 agentes antibacterianos y vacunas. La información que maneja es actualizada semanalmente e incluye más de 20.000 imágenes, gráficos, mapas infografías, etc. Todo ello le permite llegar a un 94% de diagnósticos correctos, y de ahí que sea uno de los sistemas más usados en el ámbito de la medicina. GIDEON es útil tanto para el diagnóstico y tratamiento de las enfermedades infecciosas, como para mejorar su conocimiento, identificar microorganismos patógenos y detectar brotes epidémicos. Básicamente lo que hace GIDEON es mejorar la exactitud del diagnóstico y ampliar la base de conocimientos de la persona experta. Ahora bien, como todo sistema, presenta algunas limitaciones. Por ejemplo, no es capaz de diagnosticar simultáneamente enfermedades concurrentes. Además, los signos y síntomas que se introducen para realizar una consulta se relacionan únicamente con las enfermedades transmisibles registradas en el sistema, por lo que quedan excluidas muchas otras.

En cualquier caso, es importante recalcar que los sistemas basados en IA, a pesar de ser capaces de proporcionar diagnósticos rápidos y certeros, nunca superarán el sentido común y el buen juicio de una persona, ni tampoco el efecto placebo resultante del trato humano y la empatía que caracteriza a un buen profesional de la medicina en la relación con sus pacientes. Otro punto fuerte de los expertos humanos respecto a la inteligencia artificial es la capacidad de aplicar el conocimiento existente cuando, por ejemplo, los datos son incompletos o la información sobre el estado de un paciente no se corresponde bien con los casos usuales.

Sin embargo, para un médico la capacidad de recordar datos organizados puede ser un factor limitante, igual que la de correlacionar los casos observados con el patrón de datos existente. Por ello el uso de sistemas de IA es una excelente ayuda. De hecho, los sistemas de IA en medicina no deberían diseñarse con el objetivo de sustituir al médico u otro personal sanitario, sino como sistemas de ayuda y complemento de su labor.

 

* Ramón López de Mántaras y Pedro Meseguer son investigadores del CSIC en el Instituto de Investigación en Inteligencia Artificial del CSIC y autores del libro de divulgación Inteligencia Artificial (CSIC-Catarata).

¿Puede un robot pintar un Rembrandt?

Por Mar Gulis (CSIC)

“¿Sería posible revivir a Rembrandt?”. A partir de esta provocadora pregunta, Ramón López de Mántaras, investigador del CSIC, explica uno de los éxitos de la inteligencia artificial aplicada al arte: la creación de un cuadro que, según los expertos consultados, podría pasar por un auténtico Rembrandt. Científicos, ingenieros e historiadores del arte trabajaron durante más de un año para ‘enseñar’ a una computadora a ser ‘el próximo Rembrandt’. The Next Rembrandt, como se denomina este proyecto, ha sido impulsado por varias multinacionales, la Universidad Técnica de Delft y los museos Mauritshuis y Rembrandthuis. ¿El resultado? Este cuadro, una obra que imita a la perfección los trazos y el estilo del gran pintor holandés.

El software ‘pintó’ la obra tras analizar 326 obras del famoso pintor holandés / The Next Rembrandt

Para ello, “el software analiza detalladamente el trazo de las pinturas originales, las proporciones y distancias que se observan en los retratos de Rembrandt y otras muchas variables que se repiten en las obras del pintor: rostros masculinos, con bigote o barba, con sombrero, con la cabeza generalmente ladeada y mirando a la derecha… Después, con una impresora 3D, esta inteligencia artificial ‘pinta’ un Rembrandt”, comentó Mántaras, director del Instituto de Investigación en Inteligencia Artificial del CSIC, durante una charla del ciclo Inteligencia artificial y robótica en la Residencia de Estudiantes de Madrid.

Previamente, los desarrolladores identificaron y clasificaron los patrones más comunes de la obra del pintor, desde su composición hasta las dimensiones de los rasgos faciales de los personajes retratados. Así, la obra resultante se basa en el análisis pormenorizado de miles y miles de fragmentos pictóricos de los 346 cuadros conocidos del autor. El procesamiento estadístico de todos los datos hace que el software ‘fabrique’ un cuadro que integra las variables que más se repiten; en este caso, la pintura resultante debía ser un retrato de un hombre caucásico, de entre 30 y 40 años, con vello facial, ropa oscura, cuello blanco, sombrero y la cara girada hacia la derecha, como muchas de las obras del maestro del barroco.

A lo largo del proceso, la computadora combina un algoritmo de reconocimiento facial con un software de aprendizaje profundo. Después, ‘aprende’ a pintar una nariz, unos ojos o una boca como lo haría Rembrandt. Como resultado, pinta un nuevo cuadro, no una réplica de uno existente.

El proyecto refleja hasta qué punto está perfeccionándose la capacidad de los ordenadores para realizar tareas específicas mejor que las personas. Este no es el único ejemplo: jugar al ajedrez, buscar soluciones a fórmulas lógicas o realizar diagnósticos más rápido que los médicos son actividades que algunas máquinas resuelven con más pericia que los humanos. Ahora bien, ¿es posible construir máquinas con una inteligencia similar a la humana? Esta es una de las preguntas que planteaba Mántaras, también coautor del libro Inteligencia artificial (CSIC-Catarata). En su opinión, “los intentos de crear este tipo de inteligencia artificial se enfrentan a la dificultad de dotar a las máquinas de sentido común”. Este conocimiento es fruto de nuestras vivencias y experiencias, que a su vez son el resultado de una interacción constante con el entorno, algo que no pueden adquirir las computadoras.

“Ese es el gran desafío. No nos acercamos a la inteligencia artificial general porque desarrollamos inteligencias muy específicas. Hay que integrar todo eso”, añadió. Como señala en su libro, “necesitamos nuevos algoritmos que puedan responder a preguntas sobre prácticamente cualquier tema. Y además, estos sistemas deberán ser capaces de aprender nuevos conocimientos a lo largo de toda su existencia”. Eso sí, mientras se avanza hacia esa inteligencia profunda, ya podemos admirar obras maestras realizadas por computadoras; aunque quizá nos hallemos también ante una nueva pérdida del aura de la obra de arte, tal y como advirtió Walter Benjamin.