El descubrimiento científico de DeepMind es solo el comienzo: debido a la pandemia, la IA se hace cargo de la atención médica a la velocidad del rayo
A fines de enero, los científicos de DeepMind, la unidad de inteligencia artificial de Google, se reunieron para discutir si podían hacer algo para ayudar a combatir la pandemia de coronavirus. En ese momento, la propagación de Covid-19 todavía se limitaba en gran medida a Wuhan, pero a medida que el número de casos seguía creciendo exponencialmente, los expertos en aprendizaje automático de Londres a San Francisco se estaban preparando para intentar aprovechar el poder de la IA para luchar contra Sars- Virus CoV-2.
«Nuestra primera reacción fue pensar en cómo podríamos ayudar», dice Demis Hassabis, CEO y cofundador de DeepMind. «El frente de la mente era nuestro sistema, AlphaFold, que hemos demostrado que puede predecir la estructura 3D de las proteínas con una precisión sin precedentes en comparación con otros métodos computacionales».
A principios de marzo, DeepMind publicó predicciones generadas por AlphaFold para las estructuras de las diversas proteínas asociadas con el SARS-CoV-2, para intentar acelerar el proceso de comprensión de cómo funciona el virus. «Comprender el papel de estas proteínas es fundamental para el desarrollo de tratamientos para la enfermedad», dice Hassabis. «Desde entonces, la estructura de una de estas proteínas se ha determinado experimentalmente y se ha demostrado que está en línea con nuestras predicciones, lo que proporciona una idea de cómo herramientas como AlphaFold podrían prepararnos mejor para una futura pandemia».
El lunes, DeepMind anunció que la misma IA había dado un gran paso adelante. AlphaFold rompió un rompecabezas científico de 50 años, el «problema de plegamiento de proteínas», que determinaba la forma tridimensional de una proteína en su secuencia de aminoácidos. Esto allanará el camino para un desarrollo más rápido de tratamientos y descubrimientos de fármacos para casi todas las enfermedades, incluido el cáncer, la demencia e incluso enfermedades infecciosas como Covid-19.
Durante la pandemia de Covid-19, predecir las estructuras proteicas de Sars-CoV-2 es solo una de las formas en que se puede utilizar la IA para abordar la creciente emergencia. En los últimos ocho meses, las plataformas de inteligencia artificial han asumido un papel sin precedentes en la atención médica, ya que la abrumadora cantidad de pacientes y la escasez de personal han hecho que las instalaciones médicas recurran a la tecnología para eliminar la debilidad.
Desde algoritmos que intentan optimizar el suministro de ventiladores al predecir qué hospitales los necesitarían más en qué momento, hasta herramientas inteligentes de clasificación que recopilan información sobre los síntomas de los pacientes, el historial médico y hacen recomendaciones sobre quién debe recibirlos. El primer tratamiento de emergencia, automóviles nunca tuvo más influencia en la vida de los pacientes.
«Covid-19 ha sido un gran acelerador para el espacio de la atención médica digital, con la adopción generalizada de varias tecnologías que muchos asumieron que tomaría una década, lo que está sucediendo en unos pocos meses», dijo Yonatan Amir, CEO de la compañía israelí. Salud Technology Diagnostics Robotics, que proporciona su herramienta de clasificación de IA a instituciones médicas en los EE. UU., Israel e India, y recientemente ha firmado contratos a gran escala con organizaciones como la Clínica Mayo.
Durante las cinco semanas de marzo y abril, las herramientas de Diagnostic Robotics superaron los 2,5 millones de pacientes. En general, dice Amir, la demanda de su tecnología por parte de la industria médica es 7.5 veces mayor que antes de la pandemia. Estas herramientas inteligentes de clasificación han hecho que los hospitales en dificultades sean más eficientes y eficaces. Un ejemplo es el Royal Bolton Hospital en el Reino Unido, que utilizó una herramienta de la empresa de tecnología de Mumbai, Qure.ai, para acelerar el tiempo de espera de los resultados de los diagnósticos de rayos X de tórax.
«Proporciona informes rápidos a los médicos antes de que esté disponible un informe formal del radiólogo», dijo Shaista Meraj, un consultor radiólogo de Bolton NHS Foundation Trust. «Los médicos tienen acceso a radiografías de tórax las 24 horas, lo que les ayuda a hacer planes de manejo rápidos».
Pero se necesita precaución al lanzar esta tecnología. Si bien los sistemas de inteligencia artificial pueden manejar una gran carga de trabajo y nunca perder detalles cruciales porque están distraídos o cansados, aún pueden cometer errores con sus predicciones porque pierden ciertas sutilezas al interactuar con un paciente o evaluar su conjunto completo de síntomas.
«Cuando un médico mira a un paciente a los ojos durante un examen de rutina, puede saber si el paciente comprende o no. La IA aún no tiene estos importantes matices «, dice Amir. «Una de las cosas que he notado es que la precisión de la predicción de la IA a menudo tiene que ver con cómo se formula la pregunta del paciente».
Amir explica que la capacidad de reformular una pregunta de diferentes formas para que el paciente la comprenda es una habilidad que los sistemas de IA actuales no tienen, pero que desarrollarán en los próximos años. «Hicimos una prueba que encontró que cuando se les preguntaba a los pacientes si el dolor de cabeza era repentino o si se había desarrollado con el tiempo, la mayoría no sabía cómo responder a la pregunta», dice. «Pero cuando cambié la pregunta a» ¿Fue repentino, como un rayo en mi cabeza? «Las respuestas han cambiado por completo. A medida que la IA aprenda más idiomas y comprenda la sutileza de los matices, se volverá más inteligente y más precisa con su clasificación. «
La cuestión de cuánta confianza en las predicciones realizadas por un algoritmo también se planteó en el campo de la reutilización de fármacos existentes para atacar Covid-19. En enero, los científicos de la startup de tecnología con sede en Londres Benevolent AI comenzaron a utilizar la «tabla de conocimientos» de la compañía, una gran base de datos de información médica que consta de conexiones de la literatura científica a través del aprendizaje automático, para intentar identificar medicamentos existentes que podrían acelerarse en la clínica. . intentos.
El 4 de febrero, la empresa publicó su análisis en la revista médica The Lancet. En particular, sugirió que el baricitinib, una pequeña molécula aprobada para el tratamiento de la artritis reumatoide, podría ser eficaz contra Covid-19. A los nueve meses, la Administración de Drogas y Alimentos de los EE. UU. (FDA) otorgó la aprobación de emergencia para el uso de baricitinib para tratar a pacientes hospitalizados con Covid-19. Un estudio de fase III mostró que las posibilidades de que la condición de un paciente empeoraran eran significativamente menores cuando se usaba el medicamento.
Olly Oechsle, ingeniero de software senior de Benevolent AI, dice que la aprobación rápida es «un paso importante» y agrega que «ha progresado a un ritmo sin precedentes, pasando de la computadora al banco en la cama en nueve meses».
Sin embargo, aunque el baricitinib se considera una historia de éxito de la IA, también parece anormal. Evelyne Bischof, médica e investigadora de la Universidad de Medicina y Ciencias de la Salud de Shanghai, dice que si bien ahora hay al menos 81 estudios que utilizan algoritmos de aprendizaje automático para recomendar medicamentos que podrían rehacerse para Covid-19, ningún otro no ha recibido aprobación clínica. . «Científicamente, la IA ciertamente ha tenido éxito en el desarrollo y la reutilización de medicamentos para Covid-19», dice.
«Desde un punto de vista clínico, vemos algunos ejemplos más tangibles y aplicables». No es necesariamente culpa de la IA. Los resultados decepcionantes de los antivirales como umifenovir y remdesevir, que fueron respaldados al comienzo de la pandemia como tratamientos potenciales para Covid-19, han disminuido un poco el entusiasmo de los médicos por la recuperación del fármaco. Además, los algoritmos aún requieren un largo proceso de ensayos controlados aleatorios para verificar sus predicciones, lo que significa que pueden pasar varios meses hasta que un medicamento sugerido llegue a una población más amplia de pacientes.
Los científicos se han enfrentado a obstáculos similares, tratando de diseñar fármacos completamente nuevos para atacar las proteínas virales Sars-CoV-2. Si bien la plataforma AlphaFold de DeepMind predijo correctamente las estructuras de una serie de proteínas virales, todavía está en desarrollo y, por lo tanto, sus predicciones requirieron meses de pruebas experimentales en el laboratorio antes de que los científicos sintieran que realmente podían actuar basándose en pronósticos.
Al mismo tiempo, la escala de la pandemia ha hecho que otras soluciones de inteligencia artificial se vuelvan populares, simplemente por necesidad. Está programado que se administren miles de millones de dosis de vacunas Covid-19 en todo el mundo durante los próximos años, después de pasar apresuradamente a través de ensayos clínicos a una velocidad vertiginosa. Los reguladores médicos están preocupados por la posibilidad de realizar un seguimiento de los informes de seguridad.
La Agencia de Medicamentos y Medicamentos del Reino Unido (MHRA) ha pronosticado que podría haber entre 50.000 y 100.000 informes de presuntos efectos secundarios por cada 100 millones de dosis inyectadas. Otorgó un contrato a la IA de Genpact, con sede en Nueva York, para diseñar una plataforma que utilice el procesamiento del lenguaje natural para extraer y analizar los informes de eventos adversos que los médicos envían al sitio web de la MHRA.
La IA utilizada en grandes conjuntos de datos también podría desempeñar un papel en la identificación de pistas retrospectivas de por qué la pandemia afectó de manera desproporcionada a algunas personas más que a otras, identificando patrones en los datos que excederían las capacidades humanas. La empresa de ciencias biológicas de Burlington, EE. UU., LabCorp, utiliza una tecnología similar a la de un registro anónimo de datos de pacientes que consta de miles de notas escritas a mano de médicos sobre pacientes con Covid-19. El objetivo es encontrar tendencias que puedan proporcionar respuestas a preguntas como por qué Covid-19 afectó particularmente a los grupos socioeconómicos vulnerables.
Si esto tiene éxito en los próximos meses, la confianza en tales herramientas de inteligencia artificial jugará inevitablemente un papel cada vez más importante en la atención médica. Y cuando llegue la próxima pandemia, podría significar que podemos responder mucho más rápido y de manera más eficiente. «Una tecnología transformadora como la IA eventualmente será, esta pandemia llegó demasiado pronto para las capacidades actuales de la IA», dice Hassabis. «Si estuviéramos lo suficientemente infelices como para encontrarnos en esta situación, creo firmemente que la IA podría desempeñar un papel crucial».
Demis Hassabis, CEO y cofundador de DeepMind, fue un orador en DyN Noticias Live 2020 este año. La conferencia del 24 de noviembre reunió a mentes inquietantes en tecnología, diseño, arte y política para investigar cómo la innovación, el progreso tecnológico y los eventos mundiales cambian la forma en que vivimos.
🇨🇳 Gran parte del mundo sufre una segunda ola, pero China no. Así es como aplastó a Covid-19
❤️ Es tentador compartir contraseñas con su pareja, pero debe dejar de
📧 Las estafas por correo electrónico de Niger Prince tienen un largo legado, incluido el crecimiento de una conocida unidad policial
🔊 Escuche The DyN Noticias Podcast, Science, Technology and Culture Week, que se transmite todos los viernes
👉 Mira DyN Noticias en Gorjeo, Instagram, Facebook y LinkedIn
Gran parte de las noticias de la ciencia de el planeta tierra en un sólo sitio. artículos de Ciencia.