La IA acelera el diagnóstico clínico con relaciones causa-efecto

La inteligencia artificial ya es mucho más que la inteligencia en si misma interpretada por máquinas. Una máquina inteligente hasta ahora era denominada como un agente flexible capaz de percibir su entorno y de ejecutar acciones para desenvolverse en el mismo con alto porcentaje de éxito. Esta tecnología nace de la combinación de algoritmos que persiguen el fin de crear máquinas que presenten características casi idénticas a las de los seres humanos.

Pero el siguiente paso de la imitación, es la superación. Una técnica inspirada en la criptografía cuántica está revolucionando el ámbito del diagnóstico médico ya que es capaz de identificar relaciones de causa y efecto. Este paso es muy importante porque dicha IA (Inteligencia Artificial) utiliza enormes bases de datos de salud con el fin de encontrar relaciones de vínculos causales. Ya ha sido probada con conjuntos de datos arduamente estudiados y el resultado es bastante alentador.

No se pretende así evidenciar que los diagnósticos realizados por máquinas son mejores que el ojo clínico experto de un médico experimentado, pero en el futuro será una herramienta muy útil para éstos ya que ayuda a establecer relaciones que tal vez se pasen por alto por no ser directas en el espectro dolencia-sintomatología, o requieran de la realización de varias pruebas para comprobar si efectivamente el diagnóstico es correcto.

Las variables en medicina suelen estar conectadas para diagnosticar enfermedades, y los tratamientos dependen de los efectos de los medicamentos en cada persona, así como de cambios en sus rutinas y estilo de vida en muchas ocasiones. Son cuestiones bastante complicadas que requieren de varios análisis para llegar a conclusiones más o menos exactas. Pero son muchos los conjuntos de información que se aglutinan para determinar una enfermedad, qué la causa y cuáles son sus posibles tratamientos.

Pero si en algo son buenas las computadoras en es la detección de patrones, característica muy útil cuando se buscan relaciones causales. Anish Dhir y Ciarán Lee, investigadores del centro de atención médica digital Babylon Health han hecho posible esta detección de relacione causales con datos de varios conjuntos. Este hallazgo potenciará la creación de bases de datos más complejas con mayor número de relaciones descubriendo así nuevos vínculos causales de una enfermedad.

El sistema funciona mediante el uso de un chatbot que pregunta al paciente sobre sus síntomas siendo capaz de ofrecer un primer diagnóstico y algunos consejos sobre su tratamiento. Así se establece un filtro sanitario evitando la saturación de los servicios hospitalarios. Este avance se presentó en la Asociación para el Avance de la Inteligencia Artificial en Nueva York por su novedoso sistema y su margen de acierto.

Se espera que tenga una buena recepción en la sociedad anglosajona donde se está probando por el momento, ya que no solamente ofrece un diagnóstico sino la explicación de dicha afirmación en términos de causa y efecto subyacentes. Nos encontramos entonces ante la primera IA capaz de identificar relaciones de causa y efecto mediante criptografía cuántica, utilizando una fórmula matemática usada para cerciorarse de que una conversación no está siendo espiada. Los investigadores encargados del hallazgo afrontaron el desafío de fusionar varios conjuntos de datos con variables comunes y extraer conclusiones sobre causa y efecto relacionados.

Esta inteligencia se probó con conjuntos de datos sobre los que se tenía conocimiento de sus relaciones causales, que miden la textura y el tamaño de los tumores de mama. El sistema describió que el tamaño y la textura no tienen relación, pero que dichas características eran consecuencia de si el tumor era benigno o maligno.

Esto quiere decir que el algoritmo por si mismo logra identificar relaciones causales entre diferentes variables arrojando conclusiones más allá de los diagnósticos primarios, como hacen los estudios clínicos. De esta forma se puede llegar a evitar la realización de pruebas aleatorias a pacientes, pues el software puede realizar las distintas simulaciones ligadas a los síntomas.