Dando a la medicina una dosis de IA

Imagen conceptual de exploraciones médicas e inteligencia artificial. jamie jones

Durante años, la inteligencia artificial ha sido vista como el próximo gran avance en la medicina. Ahora, algunos profesores, estudiantes y ex alumnos del MIT están dando un paso al frente para asegurarse de que realmente lo sea.

A través de Clínica Abdul Latif Jameel para el aprendizaje automático en la salud , o J-Clinic, anunció el otoño pasado, investigadores de todo el MIT buscarán proyectos destinados a desarrollar nuevos métodos de aprendizaje automático para mejorar la atención clínica, diseñar nuevos medicamentos y reducir los costos de atención médica. La iniciativa aplicará IA a una amplia gama de enfermedades y se basa en la investigación en curso del MIT, incluido el trabajo sobre el descubrimiento de fármacos y los primeros avances en el diagnóstico del cáncer por parte de Regina Barzilay, profesora de Delta Electronics en el Departamento de Ingeniería Eléctrica y Ciencias de la Computación.

Barzilay dice que es hora de que la inteligencia artificial se convierta en una parte estándar de la atención del cáncer. En todos los centros oncológicos de los EE. UU., ya sea una clínica comunitaria o el principal centro oncológico del país, existe una gran necesidad de incorporar la IA, dice Barzilay, miembro de CSAIL y del Instituto Koch para la Investigación Integrativa del Cáncer del MIT. Después ella el cáncer de mama se pasó por alto durante varios años, comenzó a usar algoritmos de procesamiento de imágenes para analizar las mamografías. La idea es ir más allá de lo que los humanos pueden ver en un escáner para detectar cambios tempranos en el tejido que marcan el camino hacia el cáncer.

jamie jones

El profesor del Instituto y premio Nobel Phillip Sharp, que preside el consejo asesor de J-Clinic, dice que no hay duda de que la inteligencia artificial y el aprendizaje profundo pueden, y deben, transformar la atención médica. Sharp dice que al contribuir a diagnósticos más tempranos, la IA puede mejorar la calidad y la duración de la vida de los pacientes. Específicamente, cree que puede transformar la radiología, dar sentido a los datos moleculares y genéticos para distinguir entre células malignas e inofensivas, y detectar patrones en los datos médicos que pueden advertir sobre problemas inminentes. También cree que puede mejorar la rentabilidad de la atención médica al diagnosticar la enfermedad antes, cuando el tratamiento es menos costoso y más eficaz. Tenemos que ser más eficientes en la prestación de atención médica, dice.

A través de J-Clinic, dice, el MIT desempeñará un papel crucial en el desarrollo de estas tecnologías y la capacitación de sus usuarios, tal como lo ha hecho el MIT en biología molecular, biología celular, genética y biotecnología. Barzilay y James Collins, el profesor Termeer de Ingeniería y Ciencias Médicas, se desempeñan como codirectores de la facultad de J-Clinic, un importante esfuerzo de colaboración entre el MIT y Community Jameel, la organización de empresas sociales fundada y presidida por Mohammed Abdul Latif Jameel '78 .

El aprendizaje automático llega al cuidado de la salud

La IA ha tardado más en aplicarse en el cuidado de la salud que la mayoría de las otras industrias porque hay mucho en juego. Si Amazon prueba un nuevo algoritmo que no funciona, la empresa podría perder algo de dinero. En medicina, la gente podría morir. Es por eso que solo el 5% de los hospitales de EE. UU. informaron haber usado algún tipo de inteligencia artificial en 2017. Pero las cosas finalmente están comenzando a cambiar. Los principales hospitales y compañías farmacéuticas ahora invocan la IA cuando hablan de su futuro. Las conferencias obtienen una amplia asistencia y las nuevas empresas de inteligencia artificial médica son cada vez más comunes. Las computadoras ahora pueden ver y leer, no tan bien como las personas, pero están llegando allí, dice Michael Hayes, SM '96, quien lanzó la startup sin fines de lucro CancerAI en 2018 para llevar herramientas de inteligencia artificial al mercado.

La inteligencia artificial actual se basa en algoritmos que analizan conjuntos de datos gigantes. El llamado aprendizaje profundo, que ha avanzado sustancialmente en la última década, permite a los investigadores sacar conclusiones a partir de grandes cantidades de datos. Las tecnologías de procesamiento visual y del lenguaje natural también han mejorado drásticamente. Y el almacenamiento de datos se ha vuelto sustancialmente más barato.

Hace diez años, no había la cantidad de registros médicos electrónicos que hay hoy, dice Hayes. E incluso si existieran, no teníamos algoritmos que pudieran entender muy bien las notas de los médicos y no teníamos computadoras lo suficientemente baratas. La escena ahora se ve muy diferente en todos esos frentes. Lo que hace 10 años habría sido una supercomputadora que costaba $1 millón, ese nivel de computación ahora se puede comprar por unos pocos miles de dólares, dice. Eso ha cambiado el juego en gran medida.

Desde la izquierda, los codirectores del cuerpo docente de J-Clinic, Regina Barzilay y James Collins, y el presidente de la junta asesora de J-Clinic y profesor del Instituto Phillip Sharp.

Desde que se formó el otoño pasado, J-Clinic, que es parte de MIT Quest for Intelligence y está presidida por el decano de la Escuela de Ingeniería, Anantha Chandrakasan, ha presentado una solicitud de propuestas dentro del MIT. Hasta el momento, profesores y estudiantes han propuesto 43 proyectos de investigación que utilizarían estos avances en beneficio de los pacientes. Mejorar el diagnóstico, dirigir los tratamientos a pacientes individuales y comprender la progresión de la enfermedad son problemas de predicción, dice Barzilay. Y la predicción es donde la IA sobresale.

Sin embargo, un problema ha sido que personalizar los algoritmos de aprendizaje automático para entornos clínicos implica entrenarlos con lo que ella describe como cantidades masivas de datos anotados manualmente. Los investigadores de J-Clinic planean desarrollar algoritmos que no dependan tanto de los datos etiquetados a mano, y que puedan usar datos de dominios relacionados para llenar los vacíos en el área objetivo. En lugar de entrenar sistemas de aprendizaje supervisado para cada sistema hospitalario individual y para cada enfermedad, estamos desarrollando algoritmos que se pueden adaptar fácilmente a nuevos entornos y diferentes enfermedades, explica Barzilay.

Proteger la privacidad del paciente y garantizar que los datos reflejen la diversidad de la población también son objetivos clave de J-Clinic. Los investigadores están desarrollando algoritmos que pueden realizar cálculos en datos cifrados, por lo que los pacientes no deben temer que se deje a la vista información de salud íntima. Y J-Clinic está construyendo una gran red internacional que abarca desde clínicas rurales hasta importantes hospitales académicos urbanos para implementar y probar los algoritmos que desarrollan. La esperanza es que esto haga que su trabajo sea mucho más generalizable que otros algoritmos de atención médica publicados hasta la fecha, la mayoría de los cuales están entrenados con datos de un solo hospital.

Lo que hace 10 años habría sido una supercomputadora que costaba $1 millón, ese nivel de computación ahora se puede comprar por unos pocos miles de dólares. Eso ha cambiado el juego en gran medida.

Aplicación de IA a la mamografía

El trabajo que ya está en marcha en el laboratorio de Barzilay, ganador de una beca para genios de MacArthur en 2017 y líder en el campo de la IA, ofrece un vistazo al potencial que J-Clinic y empresas emergentes como CancerAI pueden ayudar a desbloquear. Un área de su investigación implica el uso del aprendizaje automático para acelerar el descubrimiento de fármacos. Ese trabajo ayuda a los desarrolladores a concentrarse en moléculas con propiedades prometedoras para combatir el cáncer y una amplia gama de otras enfermedades. (Consulte AI is reinventing the way we invent , MIT Technology Review, marzo/abril de 2019). En el frente del diagnóstico del cáncer, también es una de las primeras investigadoras de IA en desarrollar una herramienta que realmente ayuda a las personas.

en un papel publicado el año pasado en Radiology, ella y sus colegas, incluidos investigadores del Hospital General de Massachusetts, utilizaron IA para desarrollar un método para evaluar la densidad del tejido mamario. Hoy, las mamografías perder alrededor del 15 % de los tumores de mama, y ​​se pierden más de la mitad, según varios estudios, si el tejido mamario es denso, lo que hace que los tumores sean más difíciles de ver. Más del 40% de las mujeres estadounidenses tienen tejido mamario denso, lo que también las pone en mayor riesgo de cáncer de mama.

jamie jones

Barzilay y sus colegas usaron más de 41,000 mamogramas digitales, evaluados y clasificados por expertos, para entrenar un algoritmo de aprendizaje profundo para evaluar la densidad de modo que las mujeres que pueden necesitar exámenes adicionales puedan ser identificadas. En una prueba de seis meses que analizó más de 10,000 mamografías, el modelo estuvo de acuerdo con los radiólogos generales de Massachusetts el 94 % de las veces, por lo que es la primera vez que este tipo de aprendizaje profundo se usa con éxito en un entorno clínico. Barzilay y sus colaboradores ahora esperan ampliar su sistema a otros hospitales.

Barzilay también está utilizando IA para detectar los primeros cambios en el camino hacia el cáncer de mama, cambios que un patólogo no puede ver. El cáncer no crece de hoy a mañana. En realidad, es un proceso muy largo, que genera muchos cambios en el tejido, dijo a la audiencia en la conferencia Hello World, Hello MIT que celebraba el lanzamiento de MIT Schwarzman College of Computing en febrero. Mostró dos mamogramas, uno de una mujer que había tenido cáncer de mama dos años después de la exploración. La pregunta lógica es: ¿puedes tomar la máquina y entrenarla con las imágenes, cuando sabemos el resultado en dos años o cinco años, para decir lo que está por venir? Resulta que, dijo, la máquina pudo hacer esta tarea bastante bien. Barzilay, su estudiante de posgrado Adam Yala '16, MEng '17 y Constance Lehman, jefa de imágenes mamarias en Mass. General, desarrollaron un modelo que identificaba características que a menudo preceden a la aparición del cáncer, y si esas características aparecen en una mamografía, el paciente puede ser marcado.

A fines de febrero, los médicos de Mass. General comenzaron a probar ese modelo de riesgo. Una mujer cuya mamografía la ubica en el 20% más riesgoso, dice Barzilay, tiene una probabilidad muy baja de contraer cáncer de mama. Ahora, los médicos de Mass. General están trabajando para descubrir cómo usar esa información para cambiar sus probabilidades.

La promesa y los peligros de la IA en el cuidado de la salud

Esa visión de la inteligencia artificial está muy lejos del uso actual de la tecnología digital en los consultorios médicos, que se limita principalmente a los registros médicos electrónicos que aún no han alcanzado su potencial. Dichos sistemas pueden dejar a los médicos agotados, obligándolos a dedicar tantas horas a ingresar datos que pasan más tiempo con las pantallas de sus computadoras que con sus pacientes.

Michael Hayes CancerAI

Comercialización de IA sin ánimo de lucro

• Una organización sin fines de lucro desarrolla herramientas de inteligencia artificial para combatir el cáncer.

  
  En 2017, el emprendedor en serie Michael Hayes, SM '96, buscó una nueva oportunidad comercial cuando estaba listo para dejar su última empresa, una empresa de software de IA. Como superviviente de un cáncer de garganta, decidió que el aprendizaje automático había madurado lo suficiente como para justificar que su nueva empresa se centrara en el uso de la IA para combatir el cáncer.
  
  Pero después de hacer su debida diligencia, se dio cuenta de que podía atraer a empleados motivados por la misión y obtener un mejor acceso a los datos médicos al fundar su empresa, CancerAI, como una organización sin fines de lucro. Esa decisión valió la pena de maneras inesperadas, ya que le proporcionó espacio de oficina gratuito de WeWork, ofertas de trabajo legal pro bono y programadores que se ofrecieron como voluntarios para trabajar por nada.
  
  Esperaba poder contratar gente excelente, pero no esperaba que la gente de afuera dijera: 'Estaría dispuesto a ser voluntario por las noches y los fines de semana, porque quiero ayudar', dice Hayes, quien tiene una maestría en ingeniería ambiental. del MIT y una maestría en negocios y políticas de Tufts. Te garantizo que eso no pasa en las entidades con ánimo de lucro.
  
  Hayes, quien preside el directorio de CancerAI, dice que la compañía está utilizando la investigación de Regina Barzilay como uno de sus cimientos, pero no ha elegido su primer producto. (Barzilay también se desempeña como uno de los asesores de CancerAI). La compañía tiene como objetivo comenzar en el área de diagnóstico, tal vez mediante el uso de datos de registros médicos para señalar a las personas cuyos datos biométricos sugieren que pueden tener un alto riesgo de cánceres particulares. Las pruebas tempranas que detectan los cánceres antes de que se propaguen, dice, posiblemente sean el camino más corto para reducir la mortalidad.

Pero en el lado positivo, los registros electrónicos han permitido a los hospitales acumular grandes cantidades de datos de pacientes que los investigadores de IA esperan que eventualmente paguen dividendos para pacientes, cuidadores, hospitales y aseguradoras.

A medida que J-Clinic y nuevas empresas como CancerAI comienzan a aprovechar esos datos, Collins, el otro codirector de la facultad de J-Clinic, dice que ve que J-Clinic no solo reúne a expertos en inteligencia artificial, expertos médicos y conjuntos de datos para avanzar en la investigación médica, sino también ayudar a traducir esa investigación al entorno clínico. Hará esto, dice, al llevar las primeras tecnologías a los hospitales para probarlas y validarlas, y al facilitar el lanzamiento de empresas para comercializarlas. También prevé que J-Clinic inicie una discusión pública sobre lo que él llama la promesa y los peligros de la IA y la atención médica, y haga preguntas difíciles sobre cómo mejorar la atención existente, reducir costos, proteger la privacidad del paciente y obtener datos útiles de manera ética.

Aunque la innovación tecnológica generalmente aumenta los costos médicos, espera que la inteligencia artificial sea una excepción, tal vez maximizando el uso de camas, limitando el tiempo que los médicos dedican a tareas administrativas y desarrollando medicamentos de manera más económica. Tengo curiosidad sobre las formas en que la IA puede ayudar con la eficiencia en la atención médica, ya sea en el uso de camas, la programación, la facturación, para reducir los gastos administrativos allí, dice Collins, cuya esposa es médica. Él piensa que la carga administrativa de los registros médicos electrónicos podría revertirse con una mejor tecnología, lo que podría generar ahorros.

En su propio laboratorio, Collins, un biólogo sintético, planea usar plataformas de IA para identificar mejor nuevas clases de antibióticos y medicamentos contra el cáncer, entre otros. Estoy ansioso por explorar de qué manera la IA se puede usar de manera más amplia como un asistente útil en el contexto de la investigación y, potencialmente, en el contexto de la medicina, dice.

esconder