Mientras el mundo debate acerca del impacto que la inteligencia artificial puede tener en la calidad de vida y los empleos de las personas, el médico neurólogo Mauricio Farez y el doctor en computación Diego Slezak desarrollaron un sistema que puede aprender en un día lo que a un médico le llevaría 10 años. Ellos crearon Ental Pic, un software que utiliza inteligencia artificial para la lectura de imágenes médicas y la optimización de consultas. Diseñaron un sistema que le permite al médico tener un diagnóstico con un nivel de precisión superior al 93%, solo con algunas preguntas que deberá responder el paciente antes de la consulta. En el caso de las imágenes, el sistema logra un informe médico un 90% más rápido que un especialista y reduce en un 15% el error de diagnóstico.

"El puntapié inicial de este proyecto, que comenzó en 2014, fue la convicción de que la calidad de atención y servicio en el ámbito de la salud podía ser mucho mejor. Hay que utilizar la inteligencia artificial para darles soporte a los médicos, que muchas veces no cuentan con el tiempo necesario para trabajar con un paciente", explica Farez, de 36 años. Él realizó una maestría en Harvard sobre salud pública en 2009 y actualmente es parte del equipo de investigadores del Fleni y el Conicet.

Junto con Slezak, de 39 años, que dirige el Departamento de Inteligencia Artificial Aplicada de la Universidad de Buenos Aires (UBA) desde 2012, desarrollaron algoritmos sofisticados y en 2017 fundaron la empresa Entelai. "Habíamos alcanzado un nivel de desarrollo avanzado y nadie estaba haciendo lo mismo que nosotros, entonces decidimos darle para adelante", cuenta Slezak.

Ambos científicos describen un conflicto entre el tiempo que necesita un médico para lograr un buen diagnóstico y el que en realidad tiene, además de la imposibilidad de lograr un seguimiento de la evolución del paciente.

"En un hospital, el médico está 15 minutos con cada paciente, y un médico privado 30 minutos, en promedio. La cefalea (dolor de cabeza), que es el principal problema neurológico en el mundo, tiene un impacto enorme en la calidad de vida y es imposible tratarla en una consulta tan corta. Aparte, le das una medicación al paciente, y si no vuelve, no sabés si le fue bien o mal. Eso me parece terrible", dice Farez.

Con el sistema de optimización de consultas, el paciente responde preguntas sobre sus dolencias, y el algoritmo, sobre la base de miles de historias clínicas cargadas en el sistema, evalúa cuál es el diagnóstico del paciente con la misma precisión que un neurólogo experimentado. A través de machine learning, la precisión va en aumento según el número de casos que vaya analizando, ya que los médicos luego nutren al sistema con su propia opinión. Así, el especialista tendrá una comprensión profunda del cuadro antes de encontrarse con el paciente.

"Si uno hace la analogía con el humano, yo aprendo a reconocer algo tanto con el ojo como con la repetición. Yo sé que las personas que consultan con un dolor en tal parte de la cabeza tienen migraña. Eso lo aprendo porque vi muchos casos parecidos y aprendí a decir cuándo tienen una cosa u otra. Esto es lo que hacen las computadoras, lo mismo que hacen las neuronas", explica Farez.

En cuanto a la lectura de imágenes médicas, hay afecciones que para el ojo humano son difíciles de detectar. "Las cefaleas muchas veces generan atrofia cerebral, y los reportes indican que solo uno de cada cinco médicos detecta este problema a tiempo", dice Farez.

Una resonancia cerebral puede arrojar más de 190 imágenes para lograr una visión en tres dimensiones del cerebro. "Entre esta cantidad de imágenes, muchas veces se complica encontrar una anormalidad en el tamaño o una potencial lesión", dice Slezak.-    El software mejora la detección de lesiones en un 40%, y mientras a un médico le lleva, en promedio, una hora y media analizar las imágenes, el sistema lo resuelve en cinco minutos. Es decir, disminuye el tiempo de diagnóstico en más del 90%. "Tener este soporte es fundamental para el médico. Muchas veces el paciente se pasa tres o cuatro años hasta que da con el diagnóstico. Con esto esperamos reducir significativamente estos plazos", afirma Farez.

"Todo el desarrollo que hicieron fue con la colaboración de los neurorradiólogos de Fleni. Para nosotros fue muy interesante. Estas son herramientas que, por un lado, optimizan el tiempo del especialista y, por el otro, nos permiten tener datos que antes no teníamos. Por ejemplo, calcular el porcentaje de atrofia cerebral. Nosotros la graduábamos visualmente, pero este software te da un dato duro, un porcentaje, y luego esto lo cotejamos con un médico", manifiesta Claudia Cejas, jefa del Departamento de Imágenes de Fleni.

El sistema ya se utiliza en Fleni y en otras clínicas del interior. Sobre la reacción de los médicos respecto del uso del software, Cejas explica que "depende del médico". Y agrega: "Siempre los más grandes son más reactivos, hasta que se acostumbran. Los más jóvenes se entusiasman con mayor rapidez. En general, es una herramienta poco criticada por el joven. El que tiene experiencia tiene muchas herramientas para diagnosticar; en cambio, para los jóvenes, es una gran ayuda. Dentro de nuestro servicio estamos muy acostumbrados a trabajar con software, y este fue bienvenido porque optimiza procesos y la entrega de datos".

Hoy, Entelai es la única empresa en América Latina que cuenta con la aprobación de sus procesos y algoritmos por entidades de evaluación de tecnologías, en este caso, la Administración Nacional de Medicamentos, Alimentos y Tecnología Médica (Anmat).

Actualmente, están desarrollando sistemas para la detección del cáncer de mama, tomografías de tórax y abdomen. También trabajan para el análisis del fondo de ojo, con el objetivo de lograr una detección temprana de las patologías que suelen causar la ceguera, como las cataratas o la retinopatía diabética. "En el futuro, la inteligencia artificial va a ser una herramienta ineludible para la medicina", concluye Slezak.

En la práctica: análisis diagnóstico por volumen de datos

El programa desarrollado por Mauricio Farez y Diego Slezak logró disminuir más del 90% el tiempo de diagnóstico, a la vez que mejoró la detección de lesiones en un 40%; los profesionales más jóvenes, con menos resistencia al uso de esta herramienta

(fuente lanacion.com.ar )