"Machine learning" i pràctica clínica

@varelalaf

El machine learning és una branca de la intel·ligència artificial que es basa en la idea que els sistemes poden aprendre, identificar patrons i prendre decisions amb la mínima intervenció humana, com passa, per exemple, amb les previsions del temps. Quan jo era petit, els homes del temps (llavors no hi havia dones en aquests afers) dibuixaven les línies isòbares en una pissarra on hi feien prediccions comptant només amb la seva experiència i les quatre dades que els feien arribar des dels observatoris meteorològics. Ara, com que les previsions les fan els models, els meteoròlegs han esdevingut comunicadors que tenen temps per comentar les fotos que els hi envien els espectadors, a més de conscienciar el personal sobre els efectes de la contaminació i del canvi climàtic.

Com és sabut, les màquines no disposen de sentit comú. Per tant, necessiten moltes més dades que els humans per aprendre una tasca. La diferència és que quan els models han elaborat un algoritme, a base de cruspir-se muntanyes de dades, són capaços de proposar solucions molt efectives, ja que la intuïció no els juga cap mala passada, i a més no són susceptibles de cometre errors.

En un context de machine learning avançant per totes les àrees de l’activitat humana, un equip de Harvard Medical School ha analitzat en quina mesura el fenomen s’està introduint (o s’introduirà) en la pràctica clínica, anàlisi del qual n’he fet un tast:

Procés diagnòstic. Els models podrien donar suport al diagnòstic diferencial suggerint possibilitats que escapen al coneixement d’un metge en concret, especialment en els casos més complexos, i més estranys, en els quals els errors diagnòstics són freqüents.

Proves complementàries. Es tracta d’un camp d’avenç molt actiu per al machine learning, on ja s’hi estan veient força novetats, com a les lectures i dictàmens d’imatges radiològiques, d’ECG, d’anàlisis tissulars, de citologies, de fons d’ull, de teledermatologia o de pòlips de colon.

Elaboració de pronòstics. Una de les activitats clíniques més enutjoses per als metges és haver de predir l’evolució d’un procés clínic determinat, ja que una cosa són les estadístiques i l’altra ben diferent endevinar què li passarà a un pacient en concret, situació que, a més, sempre es dona en un entorn d’expectació i ansietat. Per aquest motiu, poder comptar amb previsions personalitzades elaborades a partir de grans bases de dades és de gran ajut.

Elecció de tractament. Per a certes malalties, oferir als pacients quin és el tractament més apropiat requereix que els metges prescriptors estiguin molt actualitzats i que siguin capaços d’explicar, de manera consistent, quin és el balanç entre efectivitat i efectes adversos per a cadascuna de les opcions. Un suport del machine learning en aquest camp és de gran utilitat.

Recerca clínica. Machine learning esdevé un instrument molt pràctic per donar un cop de mà en la recerca de l’efectivitat en el món real, en el sentit que, un cop definits els criteris de reclutament de pacients, els metges reben avisos just en el moment que estan atenent persones amb el perfil buscat pels investigadors.

Limitacions del machine learning per a la pràctica clínica

El machine learning ha vingut per quedar-se i, per tant, metges i infermeres haurien de veure aquesta tendència com una oportunitat per alliberar-se d’un munt de tasques burocràtiques i tècniques d'escàs interès, per centrar-se més en els pacients i elevar la qualitat de la seva feina. L’informe de Harvard Medical School afirma, però, que la principal limitació per a la introducció del machine learning en el treball assistencial és la mala qualitat de les dades sorgides d’històries clíniques no només fragmentades sinó que sovint mostren carències en la precisió de la informació i, el que encara és pitjor, en la fidelitat del que s’hi recull.

Imaginin-se que els models meteorològics comptessin amb dades procedents d’observatoris que mesuressin temperatures esbiaixades, pluviòmetres amb goteres i anemòmetres rovellats. Si fos així, els homes i les dones del temps haurien de dedicar molts esforços a atendre reclamacions, en comptes de comentar els núvols de les boniques fotos que els hi envien els espectadors, ara ja ficats de ple en el show de la meteorologia.

Jordi Varela

Editor