La pérdida del sentido del olfato y del gusto son indicadores clave de la COVID-19. Se encuentra en la lista oficial de síntomas que justifican la realización de un test de la enfermedad.
Pero el vínculo diagnóstico no surgió de los médicos, epidemiólogos ni investigadores, sino de los ordenadores.
Los modelos de inteligencia artificial (IA) procesaron datos de unos 2,5 millones de personas que actualizaban su estado de salud a diario a través de una aplicación para determinar qué síntomas eran los más frecuentemente asociados a un resultado de test positivo en la COVID-19. El análisis mostró que la pérdida del sentido del olfato y el gusto, conocida como anosmia, es un indicador más preciso de la enfermedad que la fiebre.
Indagando con más profundidad en los datos, investigadores del King's College de Londres, del Hospital General de Massachusetts y de la empresa de ciencias de la salud ZOE elaboraron un modelo matemático para predecir si alguien realmente estaba padeciendo la COVID-19 según su edad, sexo y la presencia o ausencia de síntomas clave. El modelo ofrecía diagnósticos con una precisión de casi el 80%, según afirmaron los investigadores.
El planteamiento define las bases para el tratamiento de futuras pandemias. Con el uso generalizado de aplicaciones de salud habilitadas por IA, los médicos pueden identificar más rápidamente todos los síntomas de cualquier nueva enfermedad, pero también emitir un diagnóstico preliminar en fases muy tempranas. Si añadimos un sistema de seguimiento y trazabilidad automatizado y efectivo (quizás a través de la misma aplicación), ya tendremos grandes probabilidades de poder controlar mejor futuras pandemias.
Y eso es solo una muestra de todas sus posibilidades de aplicación. El potencial de la IA en diagnósticos va mucho más allá de las pandemias. Tras examinar miles de exploraciones con imágenes, las máquinas han aprendido a identificar el cáncer de mama con una precisión comparable a la de los radiólogos expertos humanos. Un amplio resumen de la investigación, publicado recientemente en la revista médica británica The Lancet, ha llegado a conclusiones similares respecto a la precisión de los diagnósticos de IA en una serie de diferentes enfermedades.
Tales técnicas también podrían abrir la posibilidad de efectuar diagnósticos en lugares donde existen escasos médicos o ninguno, particularmente en ubicaciones remotas y países en vías de desarrollo. Estas técnicas también podrían acelerar el diagnóstico del cáncer, lo que significa que el tratamiento puede iniciarse antes, mejorando las perspectivas de los pacientes y reduciendo el riesgo de expansión de la enfermedad. Eso es algo fundamental. Si el cáncer de pulmón se detecta cuando aún está localizado dentro de los pulmones, el índice de supervivencia a cinco años en EE. UU. es del 56%. Este índice cae hasta apenas el 5% si el diagnóstico no se efectúa hasta que los tumores se han extendido a otros órganos.
Pueden lograrse diagnósticos más rápidos no solo incrementando la capacidad de hacer pruebas, sino también utilizando el aprendizaje automático para desarrollar pruebas que puedan detectar el cáncer en una fase más temprana, siendo este último el objetivo de la empresa Grail Inc. con sede en California. Se trata de emplear tecnología de secuenciación vanguardista para probar y detectar diminutos fragmentos de ADN y ARN en la sangre producidos por células cancerígenas que suelen estar presentes antes de que el paciente desarrolle síntomas más visibles.
En el caso de aquellas enfermedades cuyos diagnósticos requieren analizar numerosos factores diferentes, la capacidad de la IA para procesar enormes cantidades de datos puede ser particularmente útil. Tomemos como ejemplo la demencia. La Organización Mundial de la Salud (OMS) estima que existen casi 10 millones de nuevos casos registrados de la enfermedad cada año, pero identificar a los pacientes requiere un complejo análisis de los síntomas. Esto implica realizar exploraciones cerebrales, análisis de sangre e historiales genéticos, evaluar la forma de hablar y caminar de las personas, y valorar los resultados de exámenes cognitivos especiales. LA IA puede combinar esos datos para diagnóstico, así como emplearlos para predecir quién podría estar en riesgo de padecer demencia en el futuro.
Si bien puede afirmarse que la IA predictiva está todavía en sus primeras etapas, ciertas tecnologías de aprendizaje automático ya están en uso en diagnósticos. ScreenPoint Medical, por ejemplo, ha desarrollado Transpara, un programa de IA que analiza mamogramas en 2D y 3D para detectar lesiones potencialmente cancerosas y las califica según el riesgo. El sistema es empleado por radiólogos para acelerar el diagnóstico y priorizar nuevas investigaciones.
Mientras tanto, el mundialmente reconocido Moorfields Eye Hospital de Londres se ha asociado con DeepMind Health de Google para desarrollar un sistema que puede diagnosticar 50 enfermedades oculares diferentes. Por otro lado, el producto AI-Rad Companion de Siemens Healthineers aporta conocimientos del aprendizaje automático a las radiografías de tórax y a las tomografías computerizadas de pulmón en la lucha contra la COVID-19. Los gobiernos también se están implicando: el Reino Unido, por ejemplo, está invirtiendo 250 millones de libras esterlinas en IA para el Sistema Nacional de Salud británico.
Por todo esto, la IA está en el camino correcto para desempeñar un papel fundamental en el diagnóstico, trabajando conjuntamente con profesionales sanitarios cualificados para obtener diagnósticos más precisos, rápidos y accesibles.
