La Inteligencia Artificial está estudiando Radiología

Ya pasó con el ajedrez, también en Jeopardy y hace poco con el juego "go". La inteligencia artificial cada vez se enfrenta mejor a multitud de situaciones y en muchos ámbitos ya supera a la capacidad de un ser humano entrenado.

Sabemos que hace tiempo el Watson de IBM se entrena en el diagnóstico de enfermedades, hace ya un año venimos leyendo noticias que suenan inquietantes para cualquier especialista en Radiología.

Pero por el momento, que no cunda el pánico. Radiólogos del mundo, vuestro trabajo sigue a salvo. Por el momento los robots no pueden reemplazaros, así que no esperéis que nuestros nuevos amos y señores robóticos lleguen pronto.

5 razones para mantener la calma

1. Las redes neuronales convolucionales (máquinas que aprender), han tenido éxito con imágenes de pequeño tamaño (p.ej. 220x240 píxeles). Pero no han demostrado su valor en imágenes mucho más complejas como una radiografía, y mucho menos en un estudio de TC volumétrico o una IRM. Nadie está cerca de lograr aplicar las técnicas actuales a imágenes médicas. Para crear un sistema que pudiera hacer observaciones radiológicas, sería necesario combinar cientos de algoritmos desarrollados en los últimos 25 años. Incluso así, sólo se lograría simular la capacidad diagnóstica de los Radiólogos para una o pocas enfermedades.

2. Nadie ha desarrollado un sistema de Inteligencia Artificial general en ningún ámbito. Hasta el momento, solo existen aplicaciones muy concretas como reconocimiento de voz o conducción autónoma. Estas aplicaciones están actualmente muy limitadas. No estamos de ningún modo cerca de un sistema de Inteligencia Artificial general que pudiera aprender cómo interpretar la Radiología en su conjunto como lo hacen los residentes durante su entrenamiento.

3. Incluso planteando un escenario en el que una civilización alienígena avanzada nos diera acceso a un sistema de Inteligencia Artificial capaz de interpretar radiografías, nos llevaría años crear las bases de datos para entrenarlo en los miles de diagnósticos, hallazgos casuales, enfermedades, variantes de la normalidad y modalidades que puede discernir un Radiólogo.

4. Ni la FDA, ni ninguna otra agencia reguladora tendría la capacidad para dar el visto bueno a una tecnología como esta, haría falta evidencia de cada una de las tareas para las que supuestamente serviría esta Inteligencia Artificial, recopilarla y analizarla conllevaría un esfuerzo descomunal durante años.

5. Y por último, lo más importante, los Radiólogos hace muchas, muchas más cosas que sólo encontrar alteraciones en una imagen para llegar a un diagnóstico. Precisan habilidades manuales para realizar técnicas y procedimientos como ecografías o intervencionismo, comunicación con compañeros y tantas otras. Adquirir competencias en todas estas áreas requiere una AI general que está al menos a 20-30 años de nosotros

Estas reflexiones de Ezekiel Emanuel, uno de los creadores del Obamacare, las realizó la primavera pasada frente al American College of Radiology y las ha planteado también en sendos artículos publicados en NEJM y el ACR journal.