Entrevista a Karina Gibert

Se habla mucho de inteligencia artificial (IA) y de su potencial, pero no todos tenemos claro qué es exactamente. ¿Cuál es la diferencia respecto a otras tecnologías? ¿Dónde aporta valor añadido, especialmente en el campo de la salud?

La inteligencia artificial (IA) es de las poquísimas disciplinas que tienen un origen perfectamente situado en el tiempo. Nace exactamente en la escuela de verano de Darmouth que el profesor John McCarthy convoca en 1956 en su universidad, congregando a 10 sabios muy prominentes del momento a investigar sobre la siguiente conjetura: “¿Podemos especificar aquellas actividades que el ser humano realiza empleando inteligencia con suficiente precisión como para conseguir que una máquina las imite”? Y éstos son los orígenes de la IA, la ciencia que construye máquinas que imitan la inteligencia humana. Hoy no se habla de otra cosa, pero en realidad el lugar donde la IA aporta valor añadido respecto a otras disciplinas es en aquellos problemas donde existe un espacio altamente combinatorio de soluciones posibles que no se puede barrer en tiempo de computación razonable y no existe solución analítica exacta que nos identifique la solución óptima. Piensen por ejemplo... ¿de cuántas formas posibles se pueden repartir los turnos de trabajo del equipo de enfermería de un hospital?... Por lo tanto, no siempre es imprescindible utilizar IA para resolver un problema. Visto que sus costes computacionales y el altísimo consumo en datos es a veces limitante, conviene siempre plantearse si no existe una solución alternativa desde otra disciplina que pueda aportar una solución exacta o más barata computacionalmente antes de zambullirse de cabeza en el bigData y los grandes y costosos algoritmos de la IA. Cierto es, también, que hoy en día tenemos capacidad de obtener datos de parámetros y cuestiones que jamás antes nos habíamos planteado, y esto abre la puerta a plantearnos preguntas, que tampoco antes ni siquiera nos permitíamos, que representan los grandes retos de actualmente preocupan a la humanidad, y ante cuestiones muy complejas (cómo se pliegan las proteínas y cómo se adhieren las moléculas de los fármacos al ADN…), seguramente solo la IA puede aportar solución actualmente.

¿Qué especialidades existen dentro de la IA?

La IA es una disciplina amplia, con un corpus de conocimiento que consta de diversas especialidades y, si bien la rama del aprendizaje automático y sus derivaciones a deep learning e IA generativa son quizás las más famosas, no todas las especialidades de la IA son puramente data-driven (o basadas en datos). Y es más, actualmente la tendencia dice de las técnicas más simbólicas y knowledge-driven (basadas en conocimiento) tienden ahora a converger con las data-driven en lo que hoy en día ya se conoce como sistemas basados en IA híbrida. Estos sistemas combinan lo que se puede extraer de los datos con una segunda fuente de información, el conocimiento que los expertos han sedimentado sobre el problema a través de la experiencia, y que, siendo en gran parte implícito generó en su día fuertes limitaciones en el desarrollo de los sistemas expertos hasta el abandono de la línea basada puramente en conocimiento. Actualmente, se cree que la combinación de datos y conocimiento ha de permitir aumentar la potencia de los actuales modelos de IA basada en datos, aprovechando lo que ya se sabe del problema, aunque sea conocimiento incompleto. Por otro lado, veo la pertinencia de utilizar técnicas de IA de representación del conocimiento para analizar problemas donde no existe el Big Data y obtener modelos de conocimiento del problema que permitan identificar las hojas de ruta para incorporar la IA de nueva generación en un futuro medio.

Diriges el centro de investigación en Intelligent Data Science and Artificial Intelligence de la UPC (IDEAI-UPC), en el que existe un área dedicada a la investigación de la IA aplicada a la salud. ¿Qué proyectos destacarías en este campo? 

IDEAI reúne científicos de investigación intensiva en IA con trayectorias de más de 30 años de experiencia, con participación en grandes proyectos, algunos bastante pioneros en su momento. Mencionar solo algunos de los que se llevan desde IDEAI como el proyecto Digipatics, que se ocupa de introducir la visión por computador en el análisis de las muestras de anatomía patológica del sistema catalán de salud, o el proyecto TD-Aran, dedicado a la transformación digital del sistema de salud con piloto en Valle de Aran, el proyecto EyeAI que analiza imágenes de retina, FLUTE, que usa aprendizaje federado para identificar el cáncer de próstata, PERMEPSY para el tratamiento personalizo de la psicosis, RehabCOVIDml para la rehabilitación inteligente del síndrome post-COVID con deterioro cognitivo, Diet4you para dietas personalizadas en vida saludable o K4Care, un proyecto que en 2004 fue nombrado mejor proyecto de eHealth por la EC y que anticipaba los sistemas de atención domiciliaria integrada basada en sistemas digitales y, en aquel caso, focalizado en la vejez.

Muchos dietistas-nutricionistas usan en su consulta softwares para la gestión de pacientes y planificación de dietas. ¿Puedes explicarnos algo más sobre el proyecto Diet4You?

Ciertamente, es uno de estos problemas con tantos factores para tener en cuenta que solo la IA pueden afrontar con un mínimo éxito. En aquel momento, nos plantemos la problemática de ir más allá de las recomendaciones verbales en un plan de nutrición y tratar de aportar elementos para garantizar la adherencia a la dieta de la persona, uno de los grandes retos del sector. 

Por ello, se diseñó y desarrollo ex-novo un “recomendador” de dietas personalizadas que usaba una IA híbrida basada en datos y conocimiento y que era capaz de organizar planes de menús concretos para una persona, que tenían en cuenta el estado de salud, la genómica, el estilo de vida y la prescripción del nutricionista; y construían los menús que cumplían con dichas prescripciones, pero teniendo también en cuenta los gustos personales del individuo (si no me gusta el pollo, ponme pavo....), la accesibilidad de los productos (si estoy en Finlandia no me recomiendes mango), y el contexto cultural (si estoy en Italia y el desayuno no es proteico, no me recomiendes huevos en el desayuno). 

El sistema se apoyaba en una base de datos de platos cocinados que disponía de la descomposición nutricional de los mismos una vez cocidos, aparte de una trama de componentes de conocimiento y modelos predictivos que permitían resolver este complejo problema.

En la conceptualización de estas aplicaciones u otras que usen la IA para resolver cuestiones relacionadas con la salud, ¿cuál es el papel del profesional de la salud, y cuál el del informático? ¿Cómo se trabaja este tándem?

La IA es una disciplina instrumental, resuelve problemas para “otros sectores”, los que llamamos dominios de aplicación. Una clave fundamental de éxito del proyecto es que el binomio experto en el dominio de aplicación-experto en IA sea inseparable y trabaje en estrecha colaboración en todas las fases del proyecto, desde la identificación de las fuentes de datos y conocimiento a tener en cuenta, hasta la interpretación de los resultados intermedios del proceso, que deben guiar los pasos sucesivos del desarrollo y para cada uno de los cuales el riesgo de tomar decisiones equivocadas impactará directamente en la calidad de los resultados obtenidos y la fortaleza del apoyo a las decisiones posteriores. 

En el ámbito de la salud, tenemos especial interés en que esto sea así, porque interpretaciones tan básicas como saber bien si la columna “Edad” de una base de datos está refiriendo la edad del individuo o la edad a la que contrajo cierta enfermedad, resultará clave para la correcta interpretación de los resultados que arrojen los métodos de IA a partir de los datos. Éste es solo un ejemplo anecdótico pero que creo que representa bien la importancia de esta estrecha colaboración, así como la criticidad de que quien recoge las mediciones y observaciones disponga de una formación básica que le permita comprender el impacto de rellenar un campo de un formulario sin el rigor necesario para el posterior uso de estos datos en el entrenamiento de modelos inteligentes y posteriores “recomendadores” de tratamientos farmacológicos, intervenciones nutricionales, programas de rehabilitación, técnicas de intervención quirúrgica, camas a cerrar en un hospital, y cualquier otro aspecto en el que la IA pueda aportar luz.

Algunos profesionales de la salud pueden mostrar ciertos recelos frente a la IA, y especialmente, ante la posibilidad de que la IA pueda sustituir su trabajo. ¿Qué les dirías? ¿Alguna recomendación para mejorar el conocimiento de la IA entre profesionales, y/o población general?

Sería una gran irresponsabilidad colectiva eliminar al humano del tratamiento de la salud en todas y cada una de sus etapas. Lo que dicen las recomendaciones éticas de la IA de la Comisión Europea (las primeras del mundo, de 2018) en su primer eje de recomendaciones es que la IA no debe tener agencia y debe ser supervisada, y, en el futuro reglamento de IA, ya en camino, refuerza diciendo que los sistemas basados en IA del ámbito de la salud tienden a caer en el ámbito de los sistemas de alto riesgo y, por tanto, no deben tomar decisiones automatizadas. 

Debemos siempre tener en cuenta que un sistema basado en IA procede de un MODELO, y que ningún modelo es perfecto, menos cuando se trata de modelar problemas y fenómenos altamente complejos, para los que no existe solución exacta y para los que la IA es la única disciplina conocida hoy por hoy que puede aportar soluciones subóptimas, de muy alta calidad en la mayoría de los casos, pero no en su 100%. Todos los modelos son falibles y es muy imprescindible que, cuando se trata de modelos, su papel sea el de aportar una recomendación o una predicción que recibirá un profesional, el cual lo integrará a todos los otros inputs que disponga para decidir, desde la consciencia que si no le encajan las predicciones del modelo inteligente las podrá cuestionar, y deberá buscar otros indicios que la confirmen o invaliden en función de cuánto contexto le falta a la IA para interpretar correctamente la situación. Y pongo un ejemplo muy plástico para que se entienda bien lo que quiero decir: imaginen una IA que busca tumores en tomografías de pulmón. Se trata de un sistema de visión por computador que quizás esté entrenado con mucha precisión y pueda ver indicios de tumores donde ningún ojo humano todavía es capaz de identificar nada. 

De dar agencia a dicho sistema, ante la detección del tumor se podría articular un sistema automático que prescribiera el tratamiento oncológico adecuado y lanzara los protocolos para notificar y convocar al paciente a la primera sesión o a la de preparación para dicho tratamiento. Fíjense que incluso si este sistema fuera perfecto, siempre le faltaría el contexto. ¡Solo ve la tomografía de pulmón! No ve, por ejemplo, que la paciente es mujer y esta embarazadísima, en cuyo caso, el tratamiento oncológico está frontalmente contraindicado. Jamás un profesional de la salud cometería tal disparate, ¿cierto? Pues sirva este ejemplo para comprender que la IA no debe jamás sustituir a un humano en la toma de decisiones ni en la asunción de responsabilidades profesionales sobre tales decisiones. 

Su valor añadido radica, precisamente, en poder, por ejemplo, detectar enfermedades mucho antes que los humanos, o mucho más rápido, o muchas más que los humanos a la vez trabajando en paralelo en varios casos. Pero estos resultados deben generar solo información y alertas a los profesionales, que contarán con una ventaja adicional para lanzar otras pruebas confirmatorias o de descarte cuando consideren convenientes para aumentar la calidad no solo de los diagnósticos, sino también de los tratamientos e intervenciones. 

Y, por supuesto, más allá de la práctica clínica, la IA aporta una excelente herramienta de apoyo a la propia gestión del sistema de salud que ha de ayudar a reutilizar de mejor forma los recursos humanos y materiales en los próximos años.