El Rol de la Inteligencia Artificial en la Medicina

Tuve la maravillosa oportunidad de dar una presentación junto con el ex-Ministro de Salud y fundador del Grupo Hospitalario Kennedy Dr. Teófilo Lama. En esta, compartí mi experiencia entorno a los usos de la inteligencia artificial (IA) en la medicina.

El tema principal de la conversatoria trata sobre el “Pasado, Presente y Futuro de la Medicina”, en donde el Dr. Lama compartió su carrera en la medicina, cómo esta ha avanzado a través del tiempo y nos contagió con su entusiasmo e interés sobre cómo la IA poco a poco sinergiza con la medicina.

Durante mi turno, estructuré mi presentación en base a una conversación con un amigo quien estudia medicina:

• ¿A quién asiste la IA: al paciente o al doctor?
• Costos de implementación de la IA
• Casos ejemplares

La IA como un asistente de diagnóstico

Compartí mi tesis de mi masterado en UCL, ilustrando un caso en donde la IA actúa como asistente de patólogos para el análisis a gran escala de tejido colorectal para identificar poblaciones de células en fase G0, lo cual es relevante para estudiar resistencia a quimioterapia y relapso. Compartí mi demo en: https://awxlong.github.io/assets/img/pathoinsightmil_demo.mp4

El costo de implementar este sistema en un local médico es bastante alto. En un lado esto es debido a la alta complejidad del dato, pues las imágenes que representan la digitalización de una biopsia contiene más de 1 millón de píxeles. Por ende para entrenar estos modelos de aprendizaje profundo, así como almacenar estas imágenes, requerirían clústeres y servidores, lo cual no necesariamente estaría disponible.

La IA como un asistente para lidiar con obligaciones burocráticas

Otro uso de la IA concierne implementarlo como un asistente para automatizar el llenado de formularios varios, que constituyen trabajo tedioso que todo doctor enfrenta día a día. Compartí mi proyecto sobre YachayMed https://github.com/awxlong/medical_asr. Este sistema transcribe conversaciones entre doctor y paciente con el fin de facilitar el llenado de un reporte médico de un paciente.

En este caso, el costo de implementación sería menor debido a que el avance y accesibilidad de modelos de lenguaje es mayor que los de imágenes. En parte esto es debido a que las transcripciones tienen menor complejidad de datos (son cortas, y más o menos consisten de alrededor de 700-1000 palabras para una conversación de casi 10 minutos). Además, paralelo al movimiento de código abierto, la integración de modelos de lenguaje abre bastantes oportunidades en el ámbito médico.

Claro, lo más accesible y fácil de implementar sería modelos estadísticos/aprendizaje mecánico como regresión lineal o logística para el análisis masivo de bases de datos como formularios de Excel. Hay problemas bastantes interesantes que pueden ser resueltos como predicción de sobrevivencia o readmisión.

Las diapositivas que empleé se encuentran anexado. Hay diapositivas extras explicando qué son redes neuronales y cómo han sido entrenadas.