211service.com
Una verificación de la realidad para las ambiciones de IA de IBM
IBM, número 39 en nuestra lista de las 50 empresas más inteligentes, sobrevaloró su sistema de aprendizaje automático Watson, pero la empresa aún podría tener el mejor acceso al tipo de datos necesarios para hacer que la medicina sea mucho más inteligente. 27 de junio de 2017
leonardo greco
Paul Tang estaba con su esposa en el hospital justo después de su cirugía de reemplazo de rodilla, un procedimiento que se realiza en alrededor de 700,000 personas en los EE. UU. cada año. Llegó el cirujano y Tang, quien también es médico de atención primaria, le preguntó cuándo esperaba que volviera a sus rutinas normales, dada su experiencia con pacientes como ella. El cirujano siguió dando vagas no-respuestas. Finalmente me di cuenta, dice Tang. Él no lo sabía. Tang pronto aprendería que la mayoría de los médicos no saben cómo les va a sus pacientes en las medidas ordinarias de la vida en casa y en el trabajo. — las medidas que más importan a los pacientes.
Tang todavía ve a los pacientes como un médico, pero también es director de transformación de la salud de Watson Health de IBM (consulte '50 empresas más inteligentes de 2017'). Ese es el grupo empresarial que desarrolla aplicaciones de atención médica para Watson, el sistema de aprendizaje automático que IBM es esencialmente apostando su futuro. Watson podría brindar información que los médicos no reciben ahora, dice Tang. Podría decirle a un médico, por ejemplo, cuánto tiempo les tomó a pacientes similares a la esposa de Tang caminar sin dolor o subir escaleras. Incluso podría ayudar a analizar imágenes y muestras de tejido y determinar los mejores tratamientos para un paciente determinado.
Esta historia fue parte de nuestra edición de julio de 2017
- Ver el resto del número
- Suscribir
Debido a posibilidades como esta, la atención médica es uno de los segmentos más populares del mercado para las tecnologías de aprendizaje automático. La firma de investigación CB Insights cuenta con al menos 106 nuevas empresas que han surgido desde 2013 y todavía están en el negocio.
Ninguna de esas empresas ha obtenido la atención que tiene Watson, gracias a su victoria en el programa de televisión. ¡Peligro! en 2011 y el ferviente marketing de IBM desde entonces. Pero últimamente, gran parte de la prensa sobre Watson ha sido mala. Una colaboración muy promocionada con el Centro de Cáncer M.D. Anderson en Houston fracasó este año. A medida que los ingresos de IBM se desvanecieron y el precio de sus acciones se tambaleó, los analistas se han estado preguntando cuándo Watson realmente entregará mucho valor. Watson es una broma, dijo Chamath Palihapitiya, un inversor tecnológico influyente que fundó la firma de capital de riesgo Social Capital, en CNBC En Mayo.
Sin embargo, la mayoría de las críticas a Watson, incluso de M.D. Anderson, no parecen tener su origen en ningún defecto particular de la tecnología. En cambio, es una reacción a las afirmaciones demasiado optimistas de IBM sobre qué tan avanzado estaría Watson ahora. De hecho, todavía parece probable que Watson Health sea líder en la aplicación de IA a los problemas de la atención médica. Si Watson, hasta el momento, no ha logrado mucho en ese sentido, una de las principales razones es que necesita ciertos tipos de datos para ser entrenado. Y, en muchos casos, dichos datos escasean o son de difícil acceso. Ese no es un problema exclusivo de Watson. Es un catch-22 que enfrenta todo el campo del aprendizaje automático para el cuidado de la salud.
Aunque el problema de los datos perdidos e inaccesibles puede ralentizar a Watson, puede perjudicar más a los competidores de IBM. Esto se debe a que la mejor apuesta para obtener los datos radica en asociaciones cercanas con grandes organizaciones de atención médica que tienden a ser tecnológicamente conservadoras. Y una cosa que IBM todavía hace muy bien en comparación con las nuevas empresas, o incluso con rivales gigantes como Apple y Google, es ganarse la confianza de los ejecutivos y gerentes de TI en las grandes organizaciones. A pesar de los problemas específicos con el proyecto M.D. Anderson, IBM tiene una ventaja crucial. Está introduciendo a Watson en una amplia gama de centros médicos, grupos de administración de atención médica y compañías de ciencias de la vida, todos los cuales están posicionados para proporcionar los datos críticos necesarios para dar forma al futuro de la IA en la medicina.
Líneas de tiempo poco realistas
La ruptura con M.D. Anderson parecía mostrar a IBM ahogándose en su propia exageración sobre Watson.
El centro oncológico e IBM se asociaron en 2012. El objetivo era que Watson leyera los datos sobre los síntomas, la secuencia genética y los informes patológicos de cualquier paciente, los combinara con las notas de los médicos sobre el paciente y los artículos de revistas relevantes, y luego ayudara a los médicos a elaborar diagnósticos y tratamientos. Pero tanto IBM como M.D. Anderson inflaron demasiado las expectativas para la tecnología. IBM reclamado en 2013 que ha surgido una nueva era de la informática y ha dado Forbes la impresión de que Watson ahora aborda los ensayos clínicos y estaría en uso con los pacientes en cuestión de meses. En 2015, el El Correo de Washington citó a un gerente de IBM Watson describiendo cómo Watson estaba ocupado estableciendo un modelo de inteligencia colectiva entre la máquina y el hombre. El Correo dijo que el sistema informático estaba entrenando junto a los médicos para hacer lo que ellos no pueden.
El cuidado de la salud ha adoptado la tecnología vergonzosamente tarde, dice Manish Kohli, médico y experto en informática del cuidado de la salud de la Clínica Cleveland.
En febrero de este año, la Universidad de Texas, que dirige M.D. Anderson, anunció que había cerrado el proyecto, dejando al centro médico sin $39 millones en pagos a IBM. — para un proyecto originalmente contratado en $2.4 millones. Después de cuatro años, no había producido una herramienta para usar con pacientes que estuviera lista para ir más allá de las pruebas piloto. M.D. Anderson no quiso comentarme específicamente sobre Watson, pero parece que los problemas surgieron principalmente de luchas internas sobre cómo se gestionó y financió el proyecto.
Eso no quiere decir que IBM no tenga problemas con Watson. De hecho, son más grandes de lo que revela cualquier implementación.
Para comprender qué está ralentizando el progreso, debe comprender cómo se entrenan los sistemas de aprendizaje automático como Watson. Watson aprende ajustando continuamente sus rutinas de procesamiento interno para producir el mayor porcentaje posible de respuestas correctas en algún conjunto de problemas, como qué imágenes radiológicas revelan cáncer. Las respuestas correctas deben conocerse ya, de modo que el sistema pueda saber cuándo acierta en algo y cuándo se equivoca. Cuantos más problemas de entrenamiento pueda procesar el sistema, mejor será su tasa de aciertos.
Eso es relativamente simple cuando se trata de entrenar el sistema para identificar tumores malignos en las radiografías. Pero para los acertijos potencialmente innovadores que van mucho más allá de lo que los humanos ya hacen, como detectar las relaciones entre las variaciones genéticas y las enfermedades, Watson tiene un problema de huevo y gallina: ¿cómo se entrena con datos que ningún experto ya ha examinado y organizado adecuadamente? ? Si está enseñando un automóvil autónomo, cualquiera puede etiquetar un árbol o una señal para que el sistema pueda aprender a reconocerlo, dice Thomas Fuchs, patólogo computacional en Memorial Sloan-Kettering, un centro de cáncer en Nueva York. Pero en un dominio especializado en medicina, es posible que necesite expertos capacitados durante décadas para etiquetar correctamente la información que alimenta a la computadora.
Alguna versión de ese obstáculo surge en todos los dominios en los que IBM espera que Watson contribuya — como lo hace para la solución de aprendizaje automático de cualquier empresa. Para entrenar a Watson para que revise grupos gigantes de datos y extraiga las pocas piezas de información importantes para un solo paciente, alguien tiene que hacerlo a mano primero, para miles y miles de casos. Para reconocer genes vinculados a enfermedades, Watson necesita miles de registros de pacientes que tienen enfermedades específicas y cuyo ADN ha sido analizado. Pero esas combinaciones de genes y registros de pacientes pueden ser difíciles de conseguir. En muchos casos, los datos simplemente no existen en el formato correcto — o en cualquier forma en absoluto. O los datos pueden estar dispersos en docenas de sistemas diferentes y es difícil trabajar con ellos.
Considere, por ejemplo, el objetivo de mejorar la atención primaria poniendo mejores datos al alcance de los médicos. Cuando los médicos pierden la oportunidad de tratar problemas relativamente menores durante una visita de atención primaria de rutina, antes de que un problema más avanzado envíe a los pacientes a una sala de emergencias o a un especialista, su salud se resiente y los costos se disparan. Aproximadamente un tercio de cada dólar gastado en salud probablemente sea innecesario, dice Anil Jain, director médico de IBM Watson Health, quien también es médico de atención primaria en ejercicio. El aprendizaje automático es ampliamente reconocido como una oportunidad para abordar ese problema.
Sin embargo, para ayudar realmente a los médicos a obtener mejores resultados para los pacientes, Watson necesitará encontrar correlaciones entre lo que lee en los registros de salud y lo que Tang llama todos los determinantes sociales de la salud. Esos factores incluyen si los pacientes están libres de drogas, si evitan los alimentos inadecuados, si respiran aire limpio, etc. Pero Tang admite que hoy en día casi ningún hospital o práctica médica obtiene esos datos de manera confiable para un porcentaje significativo de pacientes. Parte del problema es que los hospitales han tardado en adoptar prácticas modernas basadas en datos. El cuidado de la salud ha adoptado la tecnología vergonzosamente tarde, dice Manish Kohli, médico y experto en informática del cuidado de la salud de la Clínica Cleveland.
Cuando los datos existen, IBM a menudo simplemente sale y los compra. Ha adquirido empresas como Truven Health Analytics, Explorys y Phytel, todas las cuales estaban activas en el manejo de grandes conjuntos de datos en hospitales y poblaciones de pacientes. E incluso después de la desaparición del acuerdo con M.D. Anderson, IBM tiene algunas asociaciones críticas que mejoran su acceso a los datos de los pacientes.
Uno de ellos es con Atrius Health, una red de casi 900 médicos, en su mayoría de atención primaria, en toda el área de Boston. La asociación tiene como objetivo desarrollar y probar un sistema basado en Watson capaz de extraer pepitas de información crítica para un paciente individual de un océano de notas, registros y artículos. Buscar toda la información relevante es un trabajo oneroso para los médicos de atención primaria en la situación actual, dice el director médico de Atrius, Joe Kimura. Los registros de salud electrónicos pueden haber empeorado aún más el problema, agrega, porque la llegada de tales sistemas ha aumentado enormemente la cantidad de datos generados en cada visita, sin proporcionar un formato estándar que permita una fácil recuperación.
Críticamente, muchas de las notas más importantes en los registros de pacientes son oraciones que un sistema de TI convencional no puede entender. Pero Watson puede aplicar las habilidades de procesamiento del lenguaje natural desarrolladas para ¡Peligro! para extraer significado de ellos. Idealmente, podría sugerir formas en que los médicos pueden ayudar a los pacientes a evitar la necesidad de una atención extensa. ¿Por qué deberíamos centrarnos solo en asegurarnos de que hemos hecho un trabajo tan bueno como sea posible con los pacientes que se rompen la cadera?, pregunta Kimura, cuando podemos intentar predecir qué pacientes están en riesgo de caídas y ayudarlos a no romperse la cadera en absoluto. ? Necesitamos impulsar nuestra atención río arriba.
Courtney DiNardo, doctora en leucemia del M.D. Anderson, usó el sistema Watson de IBM mientras consultaba a un paciente en 2013.
IBM anunció en 2015 que las capacidades de diagnóstico de Watson se verían impulsadas por los datos obtenidos de Merge Healthcare, una empresa de gestión de imágenes médicas que IBM compró por alrededor de mil millones de dólares.
Watson Health también se ha asociado con Central New York Care Collaborative, una agencia financiada por el gobierno estatal que trabaja con unos 2000 proveedores de atención médica en seis condados. La asociación tiene como objetivo respaldar el objetivo de una reducción del 25 por ciento en las admisiones a la sala de emergencias y las readmisiones hospitalarias, cuando los pacientes que han sido dados de alta de un hospital tienen que regresar para abordar problemas relacionados. También proporciona acceso potencial a grandes cantidades de datos de pacientes.
Hay otras formas de obtener esos datos. Una de las compañías hermanas de Google está tratando de obtenerlo directamente de los propios pacientes. Verily Life Sciences, una división de atención médica de Alphabet, se está asociando con Duke y Stanford para desarrollar una base de datos de salud altamente estructurada sobre unos 10,000 voluntarios. La base de datos se llenará con información no solo de sus visitas clínicas sino también de dispositivos portátiles de monitoreo de la salud. Eso podría ser un salto prometedor en el acceso a los datos, aunque podría llevar una década o más producir resultados altamente útiles.
El grupo de Fuchs en Memorial Sloan-Kettering espera entrenar un sistema de inteligencia artificial para leer diapositivas de tinción de tejidos, un proceso que requerirá una gran biblioteca de diapositivas anotadas digitalmente con diagnósticos confirmados y otros datos críticos. Así que el grupo se está preparando para producir 40.000 diapositivas de este tipo al mes por su cuenta. Eso es mucho más que cualquier otra persona, dice Fuchs. Es una tarea enorme debido a toda la variabilidad en la biología.
Incluso M.D. Anderson, a pesar del destino del proyecto Watson, continúa con un gran programa que comenzó más o menos al mismo tiempo, centrado en recopilar 1700 tipos de datos clínicos sobre cada paciente que entra por sus puertas. Andy Futreal, el científico que dirige el programa, dice que combinar la información del paciente con los datos de la investigación será crucial para el tipo de capacidades que podrían proporcionar sistemas como Watson. Una vez que tengamos los datos en su lugar, ahora puede entrar en el negocio del aprendizaje automático de IA y descubrir los factores que dictan a quién le va bien y a quién no le va bien con los diferentes tratamientos, dice Futreal.
IBM, por su parte, continúa acumulando datos de asociaciones. Solo para el diagnóstico y la atención del cáncer, la compañía se ha asociado con Memorial Sloan-Kettering, la Clínica Mayo, el Instituto Broad afiliado a Harvard y al MIT, y el gigante de pruebas médicas Quest Diagnostics. La colaboración Memorial Sloan-Kettering ya ha producido un sistema que analiza la literatura de revistas para informar las decisiones de tratamiento, y se ha implementado en el Centro Médico Jupiter en Florida y en una cadena de hospitales en India. En el frente del descubrimiento de fármacos, Watson Health está trabajando con el Barrow Neurological Institute, donde Watson ayudó a encontrar cinco genes relacionados con la ELA que nunca antes se habían asociado con la enfermedad, y con el Ontario Brain Institute, donde Watson identificó 21 fármacos potenciales prometedores. candidatos.
¿Watson eventualmente hará una diferencia en la mejora de los resultados de salud y la reducción de costos? Probablemente, dice Stephen Kraus, socio de la firma de capital de riesgo Bessemer Venture Partners que se enfoca en el cuidado de la salud y ha invertido en nuevas empresas de cuidado de la salud de IA. Todo es real, dice Kraus. No se trata de sacar vaporware para aumentar los precios de las acciones. Pero Kraus se une a la mayoría de los expertos en advertir contra plazos o promesas poco realistas. — algunos de los cuales provienen de la propia IBM. Esto es difícil, dice. No está sucediendo hoy, y podría no estar sucediendo en cinco años. Y no va a reemplazar a los médicos.