Investigadores del Departamento de Computación y el ICC UBA-CONICET desarrollan proyectos que utilizan algoritmos de aprendizaje automático y análisis de datos para ampliar las posibilidades de los médicos a la hora de tomar decisiones. Estos trabajos forman parte de la medicina personalizada comúnmente denominada “medicina de precisión”, la cual busca adaptar los tratamientos y la prevención de enfermedades a grupos específicos de personas.

La medicina de precisión, con su promesa de tratamientos personalizados y adaptados a las características únicas de cada paciente, está experimentando una revolución gracias a la inteligencia artificial (IA). Esta tecnología, con su capacidad para analizar grandes volúmenes de datos y detectar patrones complejos, está abriendo nuevas fronteras en el diagnóstico, el tratamiento y la prevención de enfermedades. Desde la identificación de biomarcadores genéticos hasta la predicción de la respuesta a fármacos, la IA está potenciando la medicina de precisión, acercándose a un futuro donde la atención médica busca ser más eficaz, segura y personalizada.

De hecho, en la actualidad, si a un paciente se le diagnostica una enfermedad, se le administra un tratamiento estándar (por ejemplo, tomar tal medicamento cada tantas horas). Pero eso no tiene en cuenta la diversidad entre las personas (genética, dieta, altura, peso, sexo, edad, dónde vive, a qué se dedica, etc.). Cada persona es un mundo, entonces al personalizar el tratamiento con la medicina de precisión, se garantiza que funcione lo mejor posible. Es algo que está revolucionando la medicina, y en la actualidad es muy utilizado en el tratamiento del cáncer.

En este contexto, un grupo del DC liderado por Viviana Cotik (Profesora Adjunta del DC e Investigadora de CONICET en el ICC) está desarrollando importantes proyectos basados en IA, fundamentalmente en aprendizaje automático y procesamiento de señales, imágenes, datos estructurados y textos.

Se trata de desarrollar modelos que aprovechen los datos de los pacientes generados por los dispositivos de terapia intensiva y de las historias clínicas electrónicas, para ayudar a los médicos en la toma de decisiones sobre diagnóstico y tratamiento. Estos modelos permiten filtrar y analizar diferentes capas de información de los pacientes, desde los datos de su historia clínica hasta su genética, sus signos vitales o la respuesta a ciertos tratamientos.

Una de las aplicaciones en las que contribuyen significativamente es en el uso de IA para asistir a las broncoscopias en la unidad de cuidados intensivos, es decir, procedimientos que permiten visualizar el interior de las vías respiratorias y poder diagnosticar enfermedades pulmonares. El propósito es crear un modelo de inteligencia artificial capaz de identificar con precisión los segmentos bronquiales durante la navegación bronco-endoscópica.

“Nuestro proyecto analizó más de cien videos de procedimientos broncoscópicos realizados en pacientes críticos en un hospital de Buenos Aires. En este caso transformamos esos videos de una posición anatómica, anotados por broncoscopistas, en fotogramas  y buscamos que nuestro modelo pueda determinar a qué parte de los bronquios pertenece”, puntualiza la investigadora Viviana Cotik.

Cotik, quien es Doctora en Ciencias de la Computación, explica que el proyecto requirió un fuerte entrenamiento del modelo (en este caso dos redes neuronales convolucionales) para que pueda realizar una clasificación efectiva de los segmentos bronquiales.

“Desde ya este desarrollo ayuda al entrenamiento de los médicos en el procedimiento, sobre todo a profesionales jóvenes que recién empiezan a trabajar con broncoscopias, y por otro lado, podría servir para determinar automáticamente qué imágenes incluir en el informe, es decir, cuáles son más representativas de ese diagnóstico en particular”, destaca la investigadora y profesora.

A su vez, comenta que el modelo basado en algoritmos de aprendizaje automático puede contribuir a asistir a la navegación en la herramienta que realiza los estudios, identificar áreas anatómicas en las imágenes y también brindar una función formativa o de investigación para el personal médico. En definitiva, el propósito es ayudar a los profesionales a tomar mejores decisiones basadas en un análisis de datos confiables.

“Los médicos se muestran entusiasmados de las potencialidades de la tecnología para complementar su compleja tarea. De hecho, con algunos gráficos que hicimos para entender el problema pudieron mejorar su esquema para visualizar información del bronquio y sus distintos segmentos”, aclara Cotik.

No obstante, entre los principales problemas que surgen de trabajar con el dominio de la salud, la investigadora afirma que uno de los grandes “cuellos de botella” es contar con datos públicos disponibles para entrenar los modelos.

En este sentido, existen importantes regulaciones de protección de datos personales, ya que en particular el paciente tiene control y derechos específicos sobre sus datos médicos, por lo que debe haber un consentimiento explícito de que se puedan utilizar con fines de investigación. Y, al mismo tiempo, el comité de ética de cada institución médica tiene que autorizar el uso de esos datos. Y siempre los datos deben anonimizarse, lo cual tampoco es un problema trivial.

Esto lleva a que el entrenamiento de los algoritmos se realice con algunas conocidas bases de datos internacionales, como MIMIC que fue desarrollada en Estados Unidos. Esta base de datos, más allá de su utilidad, puede presentar problemas de sesgos en los datos, entre otros, porque está basada en características de pacientes de ese país. Además, se necesita trabajar con datos en español y traducirlos del inglés no siempre es una opción. De este modo, los investigadores tienen muy en cuenta estas dificultades a la hora del entrenamiento de los algoritmos, y deben solucionarlo agregando datos locales.

“En aquellos casos en los que no se dispone de datos públicos, o cuando se desea trabajar con los datos de la población local, es fundamental contar con la colaboración de los médicos para anotar los informes o las imágenes, y así entrenar de manera efectiva los modelos de aprendizaje automático supervisado”, complementa Cotik.

Cabe recalcar que el proyecto es realizado en conjunto con profesionales del Hospital Italiano y es parte de la colaboración entre investigadores de dos institutos de CONICET, el ICC (UBA-CONICET) y el IMTIB (CONICET-HIBA). Además de Viviana Cotik, por parte del ICC y el DC, el equipo está integrado por Marcelo Risk (Profesor del DC), Daniel Acevedo (Investigador y Profesor del DC), Nicolás Mastropasqua (Doctorando DC/ICC) y Luciano Tarsia (Tesista de Licenciatura del DC). 

Los principales resultados del proyecto pueden consultarse en el paper “AI-assisted bronchoscopy in the intensive care unit: Corpus development and an application to anatomic position identification” que ya fue presentado en IBERAMIA 2024 y en dos reconocidas conferencias médicas.

Árbol bronquial. El bronquio lingular también se denomina bronquio de la división inferior.

Imágenes de lo que se considera como Tercio inferior de la tráquea, Carina y Bronquio intermedio.

Fuente: paper citado

Más proyectos para potenciar la medicina de precisión

Entre los proyectos de IA aplicada a la salud, que son desarrollados por los investigadores de Computación, se destacan estos otros:

1) Ciencia de datos e IA para diagnóstico del COVID-19: el proyecto formó parte de la tesis de licenciatura de Javier Petri y abordó dos tareas principales: la clasificación de historias clínicas en cuanto a la presencia, sospecha o ausencia de COVID-19 y la detección automática de síntomas asociados al síndrome febril agudo inespecífico, COVID-19, diarrea, neumonía y enfermedad tipo influenza, mediante la detección de entidades nombradas. Ambas tareas fueron abordadas mediante técnicas del procesamiento del lenguaje natural.

Sobre este proyecto se realizaron dos publicaciones científicas, una en IBERAMIA 2024 (“Information extraction from Electronic Health Records written in Spanish for epidemic intelligence”) y la otra en Journal of Biomedical Informatics, JBI (“Low-cost algorithms for clinical notes phenotype classification to enhance epidemiological surveillance: A case study”).

2) Word Embeddings contextualizados para la detección de entidades médicas en informes de radiología: está principalmente desarrollado por el tesista Manuel Costa, quien en su tesis investigó una forma usual de representar información, en este caso los textos médicos, conocida como Word Embeddings, para procesar informes de radiología en español. Se entrenaron diferentes tipos de modelos, desde técnicas estáticas hasta arquitecturas contextuales, utilizando un corpus anonimizado de más de 80.000 informes. La evaluación de los modelos incluyó un análisis extrínseco, mediante la tarea de reconocimiento de entidades nombradas con datos de la competencia SpRadIE, y otro intrínseco, a través de un enfoque cualitativo diseñado para contextos sin benchmarks estandarizados. También se realizaron estudios de ablación para entender mejor la relación entre las representaciones y el rendimiento de los modelos.

3) Predicción de necesidades de asistencia respiratoria en pacientes de terapia intensiva: este proyecto forma parte de la tesis de Federico Rosende (co-dirigida por Valeria Burgos del Hospital Italiano) quien se encuentra trabajando con datos de terapia intensiva del Hospital Italiano para apoyar a los médicos en tareas de asistencia respiratoria.

El propósito del proyecto es predecir la probabilidad de que un paciente sea sometido a una traqueotomía después de cierta cantidad de días de internación en terapia intensiva, es decir, predecir la cantidad de días estimados que transcurrirán hasta que se haga esta intervención (teniendo en cuenta que cuando los pacientes están mucho tiempo en terapia intensiva se incrementan las chances de necesitar asistencia respiratoria en períodos prolongados).

Dra. Viviana Cotik

“Por ahora estos proyectos interdisciplinarios están en una etapa exploratoria, no son desarrollos terminados aunque sería muy interesante que en el futuro podamos hacer transferencias tecnológicas. Sin duda que estas aplicaciones podrían ser de utilidad como herramientas de apoyo, sobre todo en instituciones donde faltan recursos humanos o donde el personal médico está muy saturado por la atención diaria a pacientes”, concluye la investigadora Cotik.