Un artículo de CNN titulado «What happens when automation comes for highly paid doctors« comenta el reciente crecimiento de la tendencia hacia el desarrollo y utilización de sistemas de diagnóstico de imagen – radiografías, tomografías, resonancias magnéticas, ultrasonidos, etc. tradicionalmente interpretados por un médico, un especialista o un radiólogo – para su interpretación mediante sistemas que procesan el diagnóstico mediante visión computerizada y algoritmos de machine learning, entrenados a partir del extenso archivo recopilado a lo largo de muchos años de práctica.
El uso de herramientas de diagnóstico mediante imagen ha ido creciendo a lo largo del tiempo, y además de ser profusamente utilizado, supone un elemento muy importante del coste: donde antes un médico tenía que procesar manualmente unas pocas imágenes, ahora es perfectamente habitual que en una sola prueba se obtengan cientos o incluso miles de imágenes en finas capas, en procesos que pueden llegar a ser profundamente aburridos y que incrementan la probabilidad de error debido al cansancio o la pérdida de atención.
¿Puede un algoritmo ser capaz de reconocer en una imagen elementos de diagnóstico? Sin duda. ¿Puede, además, llegar a hacerlo mejor que un profesional especialmente entrenado para ello? Todo indica que, a medida que esos algoritmos son entrenados con más y más imágenes y sus posteriores resultados diagnósticos, esa posibilidad se convierte en una realidad, y que muy probablemente estemos ante mecanismos en los que la probabilidad de pasar por alto un indicio con trascendencia diagnóstica en una imagen sea significativamente menor que en el caso de que ese diagnóstico sea llevado a cabo por un humano.
Precisamente sobre este tema estuve hablando en el pasado Netexplo con Pooja Rao, co-fundadora de la startup india Qure.ai, que fue una de las compañías que obtuvieron galardón y la que me pidieron que entrevistase en el escenario. Pooja contaba con la experiencia perfecta para comentar el tema: además de ser médico de formación, había co-fundado una compañía dedicada al diagnóstico de imagen mediante machine learning, y trabajaba precisamente con médicos a los que trataba de convencer para que contribuyesen al entrenamiento de los algoritmos ofrecidos por su compañía, con un argumento claro: la posibilidad de poder obtener mejores diagnósticos, más seguros, más consistentes y con menos posibilidades de pasar por alto elementos clave.
Una imagen de diagnóstico médico es un fichero digitalizable o, cada vez más, directamente digital. Convertir esas secuencias de píxeles en elementos capaces de ser procesados algorítmicamente es algo que cae perfectamente dentro de las posibilidades del machine learning, en un ámbito, el de la imagen, en el que ya se han obtenido numerosos progresos. Que lleguemos a un momento en el que el análisis de una imagen se lleve a cabo directamente tras su obtención, o incluso durante la misma – para permitir un muestreo más exhaustivo de determinadas áreas – o, incluso, a un momento en el que los médicos directamente pierdan la capacidad de utilizar ese método diagnóstico por falta de práctica es algo que, a día de hoy, cabe perfectamente dentro de los escenarios posibles. En este momento, un algoritmo es capaz de procesar e interpretar una resonancia magnética de corazón, por ejemplo, en unos quince segundos, un examen que puede necesitar unos 45 minutos cuando lo lleva a cabo un cardiólogo o radiólogo.
En ese caso, ¿qué papel pasa a tener el médico especialista? Sencillamente, el de encargar la prueba diagnóstica e interpretar el análisis de la misma llevado a cabo no por sí mismo o por un radiólogo, sino por un algoritmo. El propio radiólogo pasaría a ser un interpretador avanzado de esos diagnósticos, un gestor de un instrumento que sigue los indicios marcados por un algoritmo y trata de ofrecerle elementos adicionales de diagnóstico, o tal vez, el que lleva a cabo un segundo análisis manual basado en los indicios encontrados por el algoritmo. ¿Realmente vemos ese proceso como una sustitución, o más bien como una asistencia especializada que mejora las capacidades del facultativo? ¿Perderían los radiólogos su trabajo, o simplemente deberían reciclarse para aprender a aprovechar una herramienta diagnóstica mucho más potente, capaz de ver lo que un ojo clínico bien entrenado anteriormente no veía? ¿Llegaremos a un momento en el que el diagnóstico mediante imagen sea algo que debe necesariamente ser llevado a cabo por un algoritmo, porque mejore sensiblemente el número de ocasiones en las que un indicio se pasa por alto o se dé lugar a un número menor de falsos positivos? ¿Llevará el hecho de que sea un algoritmo el que procesa las imágenes a que se puedan obtener muchas más, dada la mayor facilidad de procesamiento derivada de que que no sea un médico quien deba revisarlas todas una por una, y por tanto, termine redundando en mejores diagnósticos? ¿Alguien podría llegar a ver un proceso así como negativo?
This post is also available in English in my Medium page, “Medicine and machine learning: replacing or assisting?»
¿Cómo se comporta el algoritmo ante lo inesperado?
El radiólogo podría encargar una prueba con otra tecnología, añadir un contraste, consultar con un cirujano torácico, o unneumólogo, o un oncólogo…
El algoritmo es una gran ayuda, pero no debe ser un sustituto del especialista que interpreta las imágenes.
Noel, te puedo asegurar que a partir de un mínimo entrenamiento al nivel que se desarrollan ese tipo de cuestiones, el algoritmo habrá «visto» y procesado muchas más situaciones inesperadas que las que cualquier médico pueda haber visto en su vida. Es más: habrá visto tantas situaciones inesperadas como la totalidad de los médicos, hospitales y organismos de investigación que hayan contribuido con sus archivos a su entrenamiento. Esa es la diferencia: el algoritmo, si el proceso de entrenamiento se da adecuadamente – y nadie lo lanzaría al mercado si no fuera así – siempre contará con ventaja en términos de experiencia sobre los médicos, por muchos años que haya durado la carrera profesional de un médico determinado.
Ese es uno de los elementos fundamentales que hay que entender: el aprendizaje de un algoritmo tiene lugar a partir de TODOS los elementos de la red que le proporciona casos para su entrenamiento.
Como a mi me ha pasado de todo, tuvieron que operarme de un aneurisma de aorta, una «flajidez» de las paredes de la aorta que hacen posible que estalle y sobre la que caben dos tipos de intervenciones, poner un «corsé» exterior a la aorta o sustituir ese tramo de aorta por una «tuberia» de plástico,. La decisión por una u otra operación está en función del sitio donde se produzca el aneurisma, si es una zona limpia de bifurcaciones o si de ahí salen otras arterias como las renales. El caso es que me hicieron un tac de la zona y cundo volvía al medido tenía una «escultura» en ·D y tamaño 1::1 de mi aorta dañada sobre el escritorio y estuvimos hablando el cirujano el experto en ortopedias y yo mismo en las posibilidades y ventajas y e inconvenientes de un tipo de operación o en otro.
Lo que vien al caso es que el único que no opinó fue el médico del TAC, el se conformo con mandar un CD con secciones de mi ahorta cada un cierto espaci y la «escultura». ¿Es médico o técnico el experto en TAC, desde luego el hoy no opina sobre una lesión, simplemente la «fotografía» y la esculpe y que sean otros los que decidan que es lo que pasa ahí.
¿ESto es bueno? – Yo creo que si, ¿Esto quita mérito al medico que te hace el TAC? pues supongo que si pues el ya no tien que interpretar l lesion a partir de las fotos, es el que lo ha encargado quien a la vista de la «escultura» decide qué lesion tienens y como se puede obrar,
Sin embargo el aneurisma lo detectaron un radiólogo que buscaban una lesión en los riñones. Mis riñones estaban perfectos, pero ellos descubrieron algo sospechoso detrás de los riñones. y parece ser, que son ello los que detectan el 90% de los aneurismas, porque es una enfermedad que no da ningún tipo de síntomas hasta que revienta la aorta y entonces la palmas en un par de minutos.
Hubiera descubierto un aneurisma en las radiografías un sistema automático de detección, yo creo que si, mejor que un médico centrado en buscar piedras en un riñón.
Gorki, de acuerdo a tu caso podríamos concluir que los caminos de Dios son insondables…
Porque, que casualidad, buscando un problema que no existe, se descubre algo totalmente diferente y que sí es un verdadero problema.
Creo que quizás los médicos del futuro se dedicarán mas bien a desarrollar la intuición, que, creo, es una forma de inteligencia superior aún poco estudiada y comprendida y que a veces permite anticiparse. Del resto se encargará la tecnología.
OFF TOPIC Me costó, pero encontré los vídeos que me solicitaste. Los dejé debajo de tu comentario Saludos https://www.enriquedans.com/2017/07/el-hombre-algoritmico.html
Gracias, Gorki, te he respondido allí. Un saludo.
Como pasa con la educación, hai un miedo terrible a la suplantación algorítmica. El especialista seguirá teniendo la última palabra (hasta que la evolución dea un paso determinante). Pero todo lo que ayude en eficiencia educativa o sanitaria bienvenido sea. Y desde luego mil infatigables ojos por segundo hacen más que un par de ellos humanamente despistables.
Me recuerda el momento en que una científica (Interstellar) vence a la decisión matemática (lógica) por un pálpito. Por qué no vamos a seguir confiando en las decisiones últimas humanas? Usando todos los datos obtenidos y, por lo menos, hasta que el proceso evolutivo naturoartificial nos ponga en nuestro nuevo sitio.
Hace tiempo que los diagnósticos en medicina los realizan personas que necesitan una cualificación reglada. El que un grupo de I+D decida que se haga el diagnóstico a través de algoritmos de clasificación o DL. O Se utilizan palomas por su buena vista (https://www.xatakaciencia.com/medicina/palomas-entrenadas-para-diagnosticar-cancer-de-mama-en-las-radiografias ) es algo que nos tiene que alegrar. ¿ De verdad es tan viable? Solo veo noticias sin datos técnicos ¿Cuanto cuesta un diagnóstico ML de verdad?
El pero que tiene su argumentario es que no focaliza el problema, y se queda en la superficie. Como usuario de la medicina, cada vez que necesito un producto no cubierto por la SS me llevan los demonios por el precio de medicamentos básicos fuera del sistema ( Fortasec, Frenadol, Enangel, incluso Aspirina) frente al precio «pactado» de un genérico que puede rondar muchas veces un 10% de los otros productos. Es decir abogo por un freno a la especulación farmacológica o médica.
Con los productos de la medicina diagnóstica sucede lo mismo, la millonada que cuesta un sistema de RM, TAC,… de Phillips o Siemens ¿Lo valen que margen llevan? ¿se basan en un dominio del mercado, y produce que los sistemas publicos tengan que pagar por estos sistemas verdaderas fortunas.?
Acabada la Burbuja del sector inmobiliario, los partidos y las firmas extranjeras y las de toda la vida de dentro hicieron su agosto por ejemplo en la C.Madrid para abrir Centros Privados, que dejan pingües beneficios a los Consejeros de Turno. (las famosas ranas)
¿Que tiene que ver esto con la ML aplicada al Sistema Público?
Pues muy sencillo, si de verdad son sistemas tan «NECESARIOS» y que producen un ahorro en el tiempo de realizar un diagnóstico, ahora mismo debería el Estado Español realizar un estudio de viabilidad de un PROYECTO DE DIAGNOSTICO PUBLICO por ML, y en caso de ser positivo ( tengo mis dudas que lo fueran más allá del interés de algún asesor estratégico) contratar a los ingenieros de sistemas que están desempleados y con muy poca inversión en I+D sacar un producto de soporte al diagnóstico desde la SS para ponerlo a disposición del sector público y al privado mediante un SAAS. Asi no habría negocio especulativo, y el coste de la mejora se quedaría en este país, y no en Irlanda, Delaware, …
Con ello evitas:
a) Hacer de la Sanidad un negocio de buitres ( http://www.primerahora.com/estilos-de-vida/salud/nota/pildorade1000dolaresyanoeslamascara-1094720/ )
b) Fomentar el I+D español ¿Para cuando noticias I+D de aquí) he buscado en su site y no solo no hay universidades españolas en el TOP100, tampoco hay noticias de I+D local, reseñables,…
c) Poder vender los servicios y autofinanciarse ( https://elpais.com/sociedad/2013/02/17/actualidad/1361100253_706389.html )
Pero claro si todo es una burbuja ML, pues igual tampoco sale el Business Case y es todo una empanada mental… que no se sostiene, y de gente con ganas de hacer Business Developing sin fundamento. Vamos que no nos haga un Gowex ( http://www.businessinsider.fr/us/lets-gowex-insolvent-after-gotham-report-2014-7/ )
No entiendo nada,
Si la sanidad publica hace hospitales, malo, es negocio del Consejero de Sanidad de turno. Si no hace TACS ,malo, es un afán de pasar pacientes a los hospitales privados que cobran un huevo.
¿Que debe hacer la Sanidad Publica? – ¿Consultar a CHAMAN sobre lo que debe construir?
Yo no veo el problema por ninguna parte, ni entiendo que pueda haber ningún temor. Si los algoritmos de machine learning acaban diagnosticando mejor que los especialistas, mejor para todos nosotros, como pacientes. Si no, pues seguiremos como estamos, aunque no creo que por mucho tiempo: pienso que la asistencia de las máquinas y ordenadores a los humanos no ha hecho más que comenzar en multitud de campos. Me refiero a la asistencia en tareas que antes solo se las podía hacer la inteligencia humana, no a las cosechadoras ni a las hojas de cálculo. La clave es la que ha apuntado Enrique en un comentario más arriba: un algoritmo no para de aprender y mejorar nunca, y lo hace con todos los datos del mundo. Los humanos, aunque todos fuéramos como Magnus Carlsen, solo podemos asimilar y experimentar una cantidad muy finita de aprendizaje, y en muy pocas áreas. Ah, y creo que a nadie se le escapa que no todos los «profesionales» son igual de buenos, en ningún área, por mucho título que tengan.
No entro en el debate de si entonces las máquinas son inteligentes o no, ya he comentado en otras ocasiones que eso me da igual siempre que sus resultados mejoren nuestras vidas.
Como siempre ocurre lo que está por llegar nos preocupa y/O escandaliza, una maquina que te encuentra automaticamente tumores cancerosos mejor que un médico, pero lo que ya existe y se usa todos los días ni nos sorprende ni da para un comentario.
Supongo que todos os hacéis un análisis de orina y sangre de guindas a peras, pero yo me lo hago cada seis meses, porque mi doctora no considera normal, que un señor de 74 años diga solamente que está bien, pero un poco mas viejo en cada visita, Así que busca añadir nuevas píldoras con que tapar las grietas de un chasis que cada año le cuesta mas pasar la ITV.,
Pues bien antiguamente el análisis de sangre era un doctor diluyendo la sangre en suero y contando a ojo con un microscopio los leucocitos, plaquetas y glóbulos rojos que se encontraba en un milímetro cuadrado de su microscopio,
Hoy no solo cuentan eso, sino folio y medio de factores mas, pero se hace automáticamente, la orina recibe un código de barras, igual que las tres muestras de sangre que te sacan y nadie vuelve a ver esos tubos salvo quien los pone en el cargador de la máquina de análisis, ni nadie vuelve a escribir un papel con los resultados, porque el resultado del análisis le llegan automáticamente a la ficha tuya que tiene el doctor en el ordenador, resaltando todos los indices que superan lo que es normal para tu edad.
¿Es menos importante el médico analista? No, ahora en vez de saber de reactivos y diluciones, de lo que sabe es de manejo y mantenimiento de complejas máquinas automatizadas de análisis, y en vez de escribir farragosos dictámenes médicos, con los resultados de los análisis, lee todo lo que se escribe sobre novedosos aparatos de análisis y aguanta a miles de visitadores médicos y asiste a alguna feria mundial, para mantenerse al día en una materia que evoluciona cada año.
Hoy posiblemente no tenga ni idea de la forma de los leucocitos, ¿Y qué?
Hola Enrique, lo que has escrito da de lleno con nuestro modelo de negocio en QUIBIM. Nos dedicamos al procesamiento digital de imágenes médicas con técnicas de machine learning, entre otras. Estamos en Valencia. Te invitamos a que nos visites cuando estimes oportuno y nos actualicemos.
Pienso que, con la evolución que venimos observando, el diagnóstico* estará completamente automatizado en muy poco tiempo. Con ello llegarán la prescripción del tratamiento y el seguimiento basado en nuevas pruebas diagnósticas.
Posiblemente se tarde algo más en sustituir a los responsables de realizar ciertas pruebas diagnósticas, cirujanos y otros especialistas en trabajos manuales, por la dificultad de diseñar aparatos suficientemente precisos. Su papel se irá reduciendo al apoyo poco a poco. Anestesistas y sobre todo ginecólogos, podrían tener un papel más activo. Tengo dudas con los psiquiatras, y me viene a la cabeza el test de Turing. Supongo que las sesiones de terapia también las podría realizar y evaluar un software.
A largo plazo quedarían, a mi modo de ver, dos áreas reservadas (tampoco en exclusiva) para los profesionales humanos:
– Investigación médica. Iría disminuyendo el factor humano por lo que explicaba en este otro comentario.
– Trato con el paciente. La empatía necesaria para comunicar un diagnóstico peliagudo o explicar un tratamiento o curso de acción no parece que vaya a estar, durante mucho tiempo, al alcance de las máquinas.
(*) El diagnóstico automatizado ayudaría a descongestionar servicios de salud saturados y liberaría tiempo de los profesionales para dedicarlo a otras tareas.
Una vez que se determina el diagnóstico, se propone un tratamiento y se prescriben los fármacos pertinentes.
Lo anterior es relevante porque los nuevos sistemas están mejorando rápidamente sus capacidades de diagnóstico y, probablemente más pronto que tarde, superarán a los seres humanos. Y de ahí a comenzar a proponer tratamientos y fármacos, no parece que haya un gran salto.
Pero ese pequeño salto representaría un serio problema para la industria farmacéutica, que lleva muchos años centrando sus esfuerzos de comercialización en persuadir a los médicos para que prescriban sus medicamentos.
Dicha persuasión, realizada a través de una extensa red de representantes (visitadores médicos), motiva decisiones de prescripción que no siempre van en beneficio de los pacientes o de los sistemas de salud públicos (cuestiones que explica muy bien Ben Goldacre).
De lo comentado se puede deducir que las farmacéuticas:
– Se resistirán duramente a la automatización de la prescripción.
– Intentarán influir en el diseño del sistema de prescripción: vía inforrmación cargada, papers, reparto de prescripciones entre fármacos de distintas compañías, etc.