Entrevista en Economía 3 a la reconocida oncóloga y especialista en IA Aurelia Bustos realizada durante la clausura de la Semana de la Ciencia organizada por la UPV en el campus de Alcoi que finalizó el pasado fin de semana.
Aurelia Bustos es oncóloga, ingeniera informática, doctora en Inteligencia Artificial (IA) y Cofundadora de Medbravo -organización que desarrolla tecnología basada en IA para la investigación sobre el cáncer. En junio de este año fue premiada por Felipe VI con la Orden al Mérito Civil por la aplicación de la IA a la oncología
Reproducimos aquí la entrevista original publicada en Economía 3:
¿Cree que la IA va a posibilitar un antes y un después en la ¿En qué momento nos encontramos respecto a la aplicación de la IA en Medicina?
-Una forma objetiva de analizar su estado actual es mediante las publicaciones científicas. Una búsqueda de PubMed para el término “Inteligencia Artificial” devuelve más de 95.000 publicaciones. A modo de ejemplos recientes en el campo de la oncología, la revista European Journal Cancer ha publicado un estudio de validación de un tipo de red neuronal artificial entrenada denominado CNN. El estudio la comparó con 157 dermatólogos participantes y demostró ser superior a 136 de ellos. En la misma línea, la revista JNCI ha publicado otro estudio que demuestra la no inferioridad de una de estas redes frente a 101 radiólogos de 6 países para el diagnóstico de cáncer de mama. Dicho sistema superaba la especificidad y sensibilidad del 61% de los radiólogos. Asimismo, técnicas de deep learning en visión artificial se han usado con éxito para clasificar tumores en los diferentes subtipos moleculares pronósticos de cáncer de colon, una tarea hasta ahora basada en técnicas de laboratorio mucho más complejas. Son ejemplos que realzan el gran abanico y potencial de la IA para abaratar y mejorar la eficiencia de marcadores pronósticos y predictivos en cáncer.
– Interpreto entonces que, lejos de ser un futurible, ya está teniendo aplicaciones prácticas…
-Como vemos con estos ejemplos, se está cumpliendo las proyecciones de renombrados científicos en IA como Andrew Ng -Stanford- y Geoffrey Hinton -Toronto, quienes en 2017 afirmaban que las técnicas de IA basadas en el deep learning -autoaprendizaje profundo- superarían a profesionales médicos en campos como el diagnóstico de imagen. Sin embargo, se equivocaron cuando ambos vaticinaron la erradicación de la especialidad de radiodiagnóstico o la sustitución de médicos por máquinas. Muy al contrario. Si bien hasta ahora estas herramientas son superiores para tareas específicas muy concretas, están muy lejos de alcanzar la inteligencia general o humana. La IA, a fecha actual, tiene el potencial de aumentar el rendimiento y capacidad de los médicos en el ejercicio de la medicina pero no de reemplazarlos. El objetivo es que los médicos puedan destinar mayor tiempo al paciente delegando en las máquinas el mayor número posible de tareas mecánicas o repetitiva, y que puedan tomar decisiones mejor informadas basadas en muchos más datos y mayor número de fuentes de información.
– ¿Acompaña suficientemente el marco normativo a estos cambios que está introduciendo la IA?
–Entre 2017 y 2018, la FDA ha autorizado la comercialización de 14 productos de software basados en AI / ML como dispositivos de ayuda al diagnóstico. Pero no han tenido nuevas validaciones clínicas tras su comercialización. Esto es muy controvertido, porque el software puede cambiar su comportamiento cuando es utilizado en un entorno clínico real con datos diferentes con los que fue entrenado Y puede dar resultados que difieren de lo que fue revisado inicialmente antes de la aprobación regulatoria. Más aún, estos dispositivos deberían por norma ser re-entrenados con nuevos datos de la práctica clínica para garantizar que se actualizan a la par que la medicina.
– ¿Los organismos competentes son conscientes de este problema?
-Las agencias de regulación FDA en USA y la EMA en Europa están trabajando en redefinir el marco regulatorio del ciclo de vida de los dispositivos de software basados en IA y aprendizaje automático. Los procesos de aprobación para los software tradicionales de uso médico no contemplan los nuevos retos que plantean los sistemas de aprendizaje automático y los procedimientos de revisión reguladora no son suficientemente ágiles. En estos dispositivos es más crítico que nunca monitorizar la eficacia, seguridad y transparencia de su interpretación. También es necesario estratificarlos según su riesgo. En el rango de bajo riesgo se encuentran los sistemas de ayuda al diagnóstico con notificaciones o recomendaciones que delegan toda la responsabilidad final en el médico. Por el contrario, sistemas de cribado, de screening y de tratamiento -en especial aquellos en los que la explicación sobre los resultados es más compleja de entender con lógica humana-, conllevan un mayor riesgo y deben ser validados con especial cuidado.
-¿Qué nuevas posibilidades abre tanto en materia de investigación como en diagnóstico y tratamiento?
-La IA basada en técnicas de aprendizaje profundo puede aplicarse virtualmente en todas las áreas de investigación médica. El requisito es que se disponga de una cantidad suficiente de muestras para poder entrenar los modelos. Dada la riqueza y cantidad de datos, estos sistemas de aprendizaje automático pueden aplicarse en infinidad de áreas tales como los procesos de identificación de nuevas moléculas y desarrollo de nuevos fármacos; creación de sistemas novedosos de ayuda al diagnóstico por imagen; o mejores biomarcadores pronósticos y predictivos de respuesta a tratamiento. La IA aplicada en medicina abre infinidad de posibilidades.
Proyectos recientes llevados a cabo en Medbravo son, por ejemplo, la aplicación de la IA en el campo de los ensayos clínicos y en el procesado de lenguaje natural. En particular, utilizando modelos neuronales es posible aprender automáticamente los criterios para elegir si un paciente es candidato a participar en un ensayo o no.
También, mediante técnicas de aprendizaje profundo, hemos desarrollado herramientas de etiquetado de estudios de radiología que han permitido, en colaboración con el Banco de Datos de Imagen Médica de la Comunidad Valencia (BIMCV), publicar un gran banco de datos de radiografías torácicas de acceso abierto a la comunidad científica denominado PadChest. Se caracteriza por contar con el mayor número de etiquetas del mundo extraídas de los estudios tanto de localización anatómica como de diagnósticos y hallazgos radiológicos en tórax.
– Los expertos afirman que la Sanidad es uno de los campos en los que más cambios va a producir la IA en un menor horizonte temporal ¿comparte esta apreciación?
– La transformación en el ámbito médico no creo que ocurra antes que en otros sectores tales como la conducción autónoma, agricultura o robótica industrial. Si bien la dificultad técnica no es mayor que en otros ámbitos, las principales complejidades en medicina radican en tres factores. En primer lugar en la dificultad de conseguir los datos necesarios para entrenar los modelos. De ahí la importancia de promover bancos de datos de acceso abierto a la comunidad científica y también apostar por tecnologías emergentes de entrenamiento descentralizado como el denominado Federated Learning. El segundo y tercer factor a tener en cuenta son los tiempos que conllevan, por un lado, los procesos necesarios de validación clínica de los sistemas basados en IA para garantizar su validez y seguridad y, por otro, los procesos regulatorios de revisión y aprobación para la comercialización.
– ¿Cree que la IA va a posibilitar un antes y un después en la investigación sobre el cáncer?
-Sin duda puede jugar un papel fundamental en descubrir nuevas moléculas, entender los procesos biológicos implicados y, aplicado a la clínica, poder desarrollar mejores sistemas de screening y detección precoz del cáncer. Por ejemplo, la aplicación de algoritmos basados en arquitecturas de aprendizaje profundo de segmentación de imagen permite la detección automatizada de pólipos a partir de vídeos de colonoscopias, ayudando a la eficiencia diagnóstica del profesional.
También en el tratamiento personalizado y seguimiento del cáncer es muy prometedor en cuanto a poder anticiparse a la recaída o a monitorizar la sensibilidad o resistencia a fármacos. Hay infinidad de ejemplos de los que se podría hablar y que apuntan a que sin duda estamos en un punto de inflexión en la investigación en cáncer gracias al potencial de la IA.
– ¿Está preparado el sistema sanitario español para el cambio tecnológico que viene?
La clave del éxito radicará en los recursos que se destinen para la formación en este campo. Deberíamos evitar ser consumidores pasivos de software basado en IA producido en otros países para ser aplicados en el sistema sanitario español. Los sistemas de software deben adecuarse a las características poblacionales de nuestros pacientes y las particularidades de nuestro sistema sanitario. Es por ello que éste debe ser activo en la creación e integración de esta tecnología.
Las necesidades de formación tienen tres niveles: informáticos especializados en temas médicos, los propios médicos y los gestores hospitalarios y puestos de mando. Destacar que las oportunidades de la IA en gestión de los sistemas sanitarios es también enorme. En Medbravo, por ejemplo, colaboramos con el Instituto de Inteligencia Artificial para la realización de un máster de formación dirigido a directivos y puestos de mando intermedios.
– ¿En qué momento nos encontramos respecto a la aplicación de la IA en Medicina?
La revista European Journal Cancer ha publicado un estudio de validación de un tipo de red neuronal artificial entrenada denominado CNN. El estudio la comparó con 157 dermatólogos participantes y demostró ser superior a 136 de ellos. En la misma línea, la revista JNCI ha publicado otro estudio que demuestra la no inferioridad de una de estas redes frente a 101 radiólogos de 6 países para el diagnóstico de cáncer de mama. Dicho sistema superaba la especificidad y sensibilidad del 61% de los radiólogos. Asimismo, técnicas de deep learning en visión artificial se han usado con éxito para clasificar tumores en los diferentes subtipos moleculares pronósticos de cáncer de colon, una tarea hasta ahora basada en técnicas de laboratorio mucho más complejas. Son ejemplos que realzan el gran abanico y potencial de la IA para abaratar y mejorar la eficiencia de marcadores pronósticos y predictivos en cáncer.
Aurelia Bustos destaca entre otras cosas que la IA puede jugar un papel fundamental en la detección precoz del cáncer y también en el tratamiento personalizado y seguimiento del cáncer dónde los resultados son muy prometedores en cuanto a poder anticiparse a la recaída o a monitorizar la sensibilidad o resistencia a fármacos. Hay infinidad de ejemplos de los que se podría hablar y que apuntan a que sin duda estamos en un punto de inflexión en la investigación en cáncer gracias al potencial de la IA.
– Los expertos afirman que la Sanidad es uno de los campos en los que más cambios va a producir la IA en un menor horizonte temporal ¿comparte esta apreciación?
La transformación en el ámbito médico no creo que ocurra antes que en otros sectores tales como la conducción autónoma, agricultura o robótica industrial. Si bien la dificultad técnica no es mayor que en otros ámbitos, las principales complejidades en medicina radican en tres factores. En primer lugar en la dificultad de conseguir los datos necesarios para entrenar los modelos. De ahí la importancia de promover bancos de datos de acceso abierto a la comunidad científica y también apostar por tecnologías emergentes de entrenamiento descentralizado como el denominado Federated Learning. El segundo y tercer factor a tener en cuenta son los tiempos que conllevan, por un lado, los procesos necesarios de validación clínica de los sistemas basados en IA para garantizar su validez y seguridad y, por otro, los procesos regulatorios de revisión y aprobación para la comercialización.
Entrevista original publicada en Economía 3 y realizada por Lola Torrent
#Entrevista | Aurelia Bustos, durante la ponencia de cierre de la Semana de la Ciencia organizada por la @UPV en el campus de Alcoi: “La IA ha supuesto un punto de inflexión en la investigación del cáncer” ? ?? https://t.co/SMeJjMpKHI por @Lolatorrent148 pic.twitter.com/yOWTyKt052
— Economía3 (@Economia_3) November 26, 2019