¿Te gustaría saber que dentro de dos años vas a tener cáncer de páncreas? ¿Crees que tu médico debería estar obligado a advertirte de que se está apoyando en software de Inteligencia Artificial para analizar tu TAC? ¿Te gustaría saber con precisión qué consecuencias va a tener un tratamiento oncológico en tu cuerpo y poder desecharlo si no te va a beneficiar? Éstas y otras muchas preguntas comienzan a irrumpir en el mundo de la medicina con los avances de la Inteligencia Artificial. Y la bioética puede ayudar a discernir cuál es la mejor opción para el bienestar del paciente.  

El curso de bioética y oncología de la Fundación Pablo VI cuenta por primer año con una asignatura centrada en la Inteligencia Artificial impartida por Ángel Alberrich.  Un curso dirigido tanto a sanitarios como a voluntarios que tengan contacto con pacientes oncológicos. La matrícula ya está abierta.

Ángel Alberrich-Bayarri es fundador y CEO de la empresa Quibim, especializada en herramientas de Inteligencia Artificial aplicadas a imágenes médicas (TAC, radiología...) para ayudar al diagnóstico temprano del cáncer y su tratamiento.   

 

¿Por qué es necesaria una asignatura sobre inteligencia artificial en un curso de bioética y oncología?  

Cuando hablamos de inteligencia artificial es inevitable tener que vincularlo a a la ética. Y en este caso a la bioética. Principalmente porque estamos ante una tecnología que algunos pueden pensar que es una más, pero en realidad ha habido pocas tecnologías a lo largo de la historia de la humanidad como ésta que puedan llegar a ser un arma. Tenemos como ejemplo la energía nuclear. En el caso de la Inteligencia Artificial, estamos también ante una tecnología que tiene un potencial que, llevado al extremo, puede acabar con la destrucción de la Humanidad. Entonces es imprescindible que la utilicemos para el desarrollo de soluciones buenas. Ahora se llama AI for good. Y en la parte oncológica, la utilización de inteligencia artificial nos permite que más pacientes tengan acceso a un mayor nivel de calidad en la asistencia. Por ejemplo, la inteligencia artificial habilita el acceso a a la Medicina de precisión.  Nos permite desarrollar técnicas que seleccionan mejor a los pacientes candidatos a un tratamiento adecuado para ellos. Antes había una medicina con grandes cajones de enfermedades donde se trataban a todos los pacientes por igual y ahora estamos yendo a subgrupos de pacientes y diferentes comportamientos. La inteligencia artificial beneficia a estos pacientes.  

¿En qué cuestiones concretas puede beneficiar la IA en la oncología? 

La Inteligencia Artificial aplicada a la imagen médica en oncología es la solución que nos permite democratizar o maximizar el acceso a la medicina de precisión en toda la Humanidad. A día de hoy existe un 64% de pacientes que, a pesar de ser candidatos a beneficiarse de la medicina de precisión, desafortunadamente no pueden recibir, por ejemplo, test genéticos avanzados. Ya sea porque sus tumores están en zonas que son difíciles de biopsiar o porque viven en una zona con difícil acceso a una sanidad de alto nivel. Con la Inteligencia Artificial, que al final es software en este caso, podemos crear modelos que trabajen sobre datos que ya se están generando hoy en día. No estamos hablando de crear un nuevo tipo de datos, sino aplicar tecnología a algo que ya hay. Hace que de repente todos estos pacientes que tenían problemas para acceder a ese mayor nivel de calidad asistencial ya pueden acceder. Entonces, sí que me atrevo a decir que la IA en oncología y especialmente en imagen médica, ayuda a democratizar y a maximizar el acceso de los pacientes a un alto nivel de calidad social. 

 

La Inteligencia Artificial aplicada a la imagen médica en oncología es la solución que nos permite democratizar o maximizar el acceso a la medicina de precisión en toda la Humanidad 

 

¿Cuáles son los tipos de cánceres que actualmente se pueden beneficiar más de la IA?  

Se ha trabajado mucho en cáncer de pulmón, mama y próstata. En Quibim, en concreto, hemos avanzado mucho en el cáncer de próstata, pero hay otras compañías que lo están haciendo muy bien. Por ejemplo, ScreenPoint Medical, también empresa europea, para cáncer de mamá. Ahora en Quibim estamos trabajando también un nuevo producto de cáncer de pulmón, no dirigido a la detección, sino para seleccionar bien a los pacientes candidatos a a la inmunoterapia. La inmunoterapia, hoy en día, es un tratamiento avanzado que aporta muchas ventajas en combinación o como complemento a la quimioterapia. Sin embargo, no sabemos muy bien qué pacientes son los adecuados para tratarlos con inmunoterapia. No existe un biomarcador o una técnica muy certera que prediga con exactitud a qué paciente le va a ir bien. Esto significa que tenemos pacientes a los que sometemos a inmunoterapia y no responden bien. Se necesita desarrollar herramientas diagnósticas que permitan seleccionar muy bien a los pacientes candidatos para inmunoterapia. Desde una perspectiva bioética hay que tener en cuenta que se ha invertido muchísimo dinero en crear estos tratamientos de inmunoterapia, estamos hablando de billones y billones de dólares, ya que se ha invertido tanto esfuerzo, es nuestro deber conseguir que estos tratamientos se usen de la manera más eficiente posible.  Y para esto hay que crear algoritmos que permitan seleccionar muy bien a los pacientes en dos tipos, cuales son buenos candidatos y a quienes les va a provocar un efecto adverso.  

Ángel Alberich-Bayarri con los alumnos de la V edición del programa
de Liderazgo Conexus de la Fundación Pablo VI
 

La IA que desarrolláis en Quibim detecta el cáncer a partir del análisis de imágenes como radiografías, TAC’s... ¿se han dado casos en los que la lectura del radiólogo, del médico, sea contraria a lo que dice la IA? ¿Cómo se resuelven estos casos?  

Nos encontramos con estas situaciones a diario. El motivo es que las herramientas de IA como las que hemos creado nosotros, para la detección y el diagnóstico del cáncer de próstata, detectan lesiones cancerígenas apenas visibles en una imagen. La próstata es una glándula compleja porque es pequeña, está en el centro de la pelvis, los tumores son muy diminutos y no es tan fácil detectarlos.  Existe la palpación, pero el tacto rectal no es una técnica sensible, ni mucho menos.  Entonces necesitamos ser muy certeros, ¿qué quiero decir con esto? Que la lectura radiológica, hoy en día, por ser una estructura tan compleja tampoco es muy certera. Es decir, los radiólogos tienen una sensibilidad y una especificidad limitada. Y más importante, cuando comparas las lecturas entre diferentes radiólogos, los resultados pueden ser muy diferentes a pesar de que se han creado unas guías para evaluar ese cáncer. Entonces, nosotros decidimos crear esta herramienta para ayudar a los radiólogos a detectar mejor el cáncer de próstata utilizando datos de biopsias. Los urólogos siempre hacen también una biopsia sistemática, es decir, un muestreo de toda la próstata porque puede haber zonas que han sido negativas para el ojo humano, pero que, en realidad, son positivas cuando tienes una muestra. Entonces, lo que hicimos fue entrenar la IA aprendiendo de estas biopsias sistemáticas y biopsias dirigidas. La IA ha aprendido a encontrar zonas en las imágenes que son positivas cuando se hace la biopsia y que son negativas a ojos del radiólogo.  

Cuando un radiólogo o una radióloga utiliza nuestra herramienta, puede pensar que una zona es negativa y que el informe de Quibim le destaque una lesión porque el algoritmo ha encontrado que hay un patrón similar en esa imagen con todo el aprendizaje previo que ha tenido. También puede pasar que el radiólogo puede pensar que hay una lesión y nosotros dar ese caso negativo. Entonces ahí se produce una discrepancia.  

 

La IA ha aprendido a encontrar zonas en las imágenes médicas que son positivas y que el radiólogo muchas veces no detecta sin ayuda de esta tecnología  

 

¿Qué ocurre en estas discrepancias?  

El radiólogo está muy formado para interpretar los resultados que le proporcionamos desde Quibim, es decir, nosotros no dejamos los radiólogos a solas con la inteligencia artificial, sino que esto requiere una formación. Entonces, cuando ellos ven que una imagen resultante de nuestro algoritmo sale limpia, sin lesiones, pueden tener ya una certeza muy alta de que este paciente casi seguro no tendrá ninguna lesión. ¿Por qué? Porque hemos conseguido en este algoritmo un valor predictivo negativo muy alto, de tal manera que cuando el caso es limpio, es muy probable que este caso no tenga lesión. Y al revés, cuando nosotros encontramos una lesión. Esta sensibilidad, que sin Inteligencia Artificial para los radiólogos es de un 79% cuando lo combinan con Quibim, llega al 90,6%.  

Tenemos casos de de discrepancia, tenemos casos de acuerdo, pero siempre el radiólogo es quien emite o decide el camino final para el paciente. Es verdad que la herramienta está en un punto en el que podríamos dejarla de manera autónoma para controlar los casos en los que el valor predictivo negativo es muy alto, y aquellos casos en los que detectemos una lesión, fueran casos para revisar por el radiólogo, pero esto es demasiado avanzado hoy en día y no se realiza. Lo que se hace es que el radiólogo es el que hace la lectura con el apoyo de la inteligencia artificial.  

¿Los médicos suelen informar a los pacientes de que el resultado está apoyado en IA o no lo consideran necesario? 

Hemos visto que hay dos comportamientos. Están los radiólogos que deciden educar al paciente y explicarles que estas imágenes (radiografías, TACs) pasan también por un algoritmo de IA. Le dicen al paciente, oiga, no se preocupe porque usted puede ver un informe de inteligencia artificial que está por ahí almacenado en la carpeta de las imágenes, pero el informe final, el diagnóstico final depende de mí, del médico. Y que sepan que estas herramientas también pueden cometer sus errores. Este sería el discurso educativo para el paciente. Es decir, ¿hay una IA? Sí, pero como hay otras muchas herramientas para diagnosticar y no se preocupe porque el informe final lo hago yo.  

Y luego hay otra escuela de médicos que nos pide que ocultemos los resultados de la inteligencia artificial para no confundir al paciente. También entiendo a estos médicos porque a a veces si hay una imagen en la que aparece lesión según la IA, pero el radiólogo tiene claro que no, que no es una lesión pues si yo quiero que prevalezca mi informe y no quiero confundir al paciente o que luego venga con preguntas, pues no se lo digo. Nos encontramos estas dos situaciones. En Quibim, nuestras herramientas son configurables y podemos hacer las dos opciones. 

 

Hay médicos que optan por educar a los pacientes en los beneficios de la IA y otros que prefieren ocultar los resultados de la Inteligencia Artificial para no confundirlo 

 

¿Y esta segunda opción no puede ser éticamente cuestionable?  

De primeras yo soy siempre más partidario de educar a los pacientes y a la población. Y si sabemos que se ha aplicado una IA pero que no es infalible al cien por cien, pues no pasa nada. Para ponerte un ejemplo similar, todos entendemos que los fármacos pueden tener efectos adversos, ¿no? Pues también tenemos que entender que la IA puede fallar.  

Como me has comentado al principio de la entrevista, hoy en día, la IA marca la diferencia a la hora de poner el tratamiento. Pero ¿puede seguir evolucionando y entrar en el terreno del pronóstico, de cómo va a evolucionar ese paciente? 

Ya tenemos la evidencia de que la IA funciona también para pronosticar cuál será la supervivencia estimada del paciente o si responderá al tratamiento o a la investigación. Por eso estamos invirtiendo en desarrollarlo, pero a nivel regulatorio todavía no hay certificaciones para modelos predictivos porque los estudios clínicos de validación que se tienen que hacer son tan costosos que hay muy poquitas empresas que están embarcadas en ello. 

En esa siguiente fase en la que se desarrollen algoritmos que sean capaces de pronosticar o predecir lo que va a ocurrir hay también varias cuestiones éticas ¿es recomendable decirle a una persona que va a tener cáncer dentro de dos años? ¿Y si supone un impacto mental imposible de superar para ella? 

Creo que este escenario no es completamente nuevo, es decir, tenemos ya test, por ejemplo, basados en diagnóstico in vitro, que te generan una puntuación de riesgo. También en el cáncer de mama hay test comerciales como el de mama print, por ejemplo, que es un indicador pronóstico de si la paciente puede evolucionar mal, si esa paciente puede tener recaídas, puede tener metástasis a largo plazo. Entonces le estás diciendo a la paciente ya no sólo que tiene un cáncer de mamá, sino que su mamá print le ha salido de riesgo alto. Es verdad que esto puede tener implicaciones, para ese bienestar mental de la paciente, pero es que esta información es mucho mejor tenerla ahora porque esto te permite adelantarte y corregir situaciones. Y de nuevo insisto en que si se forma a los pacientes y se les explica que este tipo de técnicas sirven para adelantarnos a lo malo y poder tomar medidas y encauzar la situación, todos los pacientes preferirán tener el conocimiento en todo momento de cuál es el último biomarcador para que pueda recibir el mejor tratamiento posible, a pesar de la angustia que esa información pueda generar. 

Creo que en el momento en el que estás gestionando la enfermedad necesitas utilizar todas las herramientas que tengas, cuanta más información, más éxito. Además, hay que hablar de la gran labor que los psicólogos hacen hoy en día en los centros sanitarios, son un gran apoyo para los pacientes. Es verdad que tenemos que conseguir que esa angustia se maneje de la manera más adecuada, pero lo que estamos intentando siempre es anticiparnos a a la enfermedad y poder encauzar mejor a los pacientes y que el porcentaje de curación sea el más alto posible. 

 

Creo que en el momento en el que estás gestionando la enfermedad necesitas utilizar todas las herramientas que tengas, cuanta más información, más éxito

 

La predicción no está en una fase tan futurista, ha habido alguna publicación, donde tienes páncreas que a ojo de radiólogo eran sanos y al cabo de 5 años han desarrollo cáncer. Y el modelo IA ha aprendido a identificar esos páncreas que acaban desarrollando una neoplasia, un tumor. Así detectamos la enfermedad en estadios muy iniciales. Eso es un gran avance porque hoy en día un 45% de cánceres más o menos se detecta en estadios 3, o 4. Si toda esa mitad de cánceres en estadios avanzados los puedes detectar en estadios 1, los cursos serían muy diferentes. Un cáncer de páncreas en estadio 1 probablemente lo operes sin mayor problema, pero si lo detectas tarde, la mortalidad es altísima. Ahí hay un escenario en el que la detección temprana salva vidas. 

Este es el primer año que da esta asignatura en el curso de bioética y oncología de la Fundación Pablo VI. ¡Bienvenido! 

Creo que es fundamental esta asignatura y me alegro mucho de que en este curso de bioética se dé. Estamos viviendo la intersección de la inteligencia artificial con la imagen médica y la oncología y son, sin duda, 3 ámbitos que están modificando la manera en la que detectamos la enfermedad. Diagnosticamos a esos pacientes y también la manera en la que se trata a los pacientes. Todo esto está acompañado de una importante carga bioética, a nivel del tratamiento que recibe cada uno. ¿Cómo los estratificados con esa medicina de precisión? ¿Qué rol juega el clínico en combinación con la inteligencia artificial? Las responsabilidades que esto conlleva: ese bienestar emocional del paciente al tener más información de la que estábamos acostumbrados hasta ahora... Así que me alegro mucho de que en este curso se incluya la inteligencia artificial en oncología y en concreto en mi campo, que es la imagen porque sin duda la imagen está en todos los pasos de ese viaje del paciente en la enfermedad oncológica, desde que se detecta la enfermedad, pasando por el diagnóstico y cada tratamiento. Estamos hablando de imágenes, de resonancia, de TAC, de PET, donde vas viendo cómo va la enfermedad. Sin duda son puntos críticos para esos pacientes que están ansiosos de saber si el tratamiento está funcionando o no. Y la inteligencia artificial lo que está ayudando ahora es a ser mucho más finos en esa detección, diagnóstico y seguimiento.  

• Siguiente