INTELIGENCIA ARTIFICIAL EN MEDICINA

Aunque la Inteligencia Artificial (IA) comenzó con Alan Turing (1950)el término se acuñó en EEUU en 1956 por J. Mc Carthy. Y de esto nos vino a hablar a la Universidad de Burgos (UBU)el catedrático del Departamento de Inteligencia Artificial de la UNED, el profesor burgalés Francisco Javier Díez Vegas. El pasado jueves 23 de mayo el orador trató de la "Inteligencia artificial en medicina: pasado, presente y futuro". El estudio presenta enfoques basados en la biología, como las redes neuronales o "deep learning" que procesa datos en cascada, en enfoques matemáticos como la estadistica bayesiana, o bien en enfoques pragmáticos.Las líneas de investigación han pasado de basarse en conocimiento de expertos a basarse en datos de calidad o "Machine learning", basada en algoritmos que predicen y construyen árboles de decisión.Y aunque la IA transformará la medicina más pronto de lo que algunos piensan y mas tarde de lo que algunos desearían, aún existen muchos retos éticos, de privacidad, de calidad de los datos... que hacen del médico algo insustituible pues éste razona (usa conceptos y lógica), reflexiona (es consciente de lo que sabe), dialoga y sigue aprendiendo; cuatro cualidades a las que aspira la Inteligencia Artificial. Resumen La inteligencia artificial (IA), que surgió en los años 1950, ha obtenido recientemente grandes éxitos en varias áreas, como la visión artificial, la traducción automática y juegos complejos (ajedrez, go…). Hoy en día todos la llevamos en nuestros teléfonos móviles. En los próximos años va a cambiar nuestra vida cotidiana (vehículos autónomos, robots asistenciales…) y a revolucionar el mercado de trabajo. También la medicina, uno de los principales campos de investigación de la IA desde sus orígenes, va a ser transformada radicalmente, más pronto de lo que piensan algunos y más tarde de lo que piensan otros. Este seminario intenta ofrecer una visión de conjunto de la IA, especialmente en su aplicación a la práctica clínica y a la economía de la salud, señalando los logros obtenidos y los que se esperan en los próximos años, pero analizando también de forma realista las limitaciones actuales y las dificultades que se van a encontrar en el camino, que incluyen problemas éticos y legales. Sobre el ponente Francisco Javier Díez Vegas es catedrático de IA en la UNED, en Madrid. Nació en Burgos en 1965. Siendo estudiante del I.B. Cardenal López de Mendoza obtuvo el tercer puesto en la Olimpiada Nacional de Matemáticas y formó parte del primer equipo español en una Olimpiada Internacional. Estudió física teórica en la Universidad Autónoma de Madrid. Su tesis doctoral, sobre IA aplicada a la medicina, obtuvo el Premio Fundesco de Tesis Doctorales de 1994, entregado por el Ministro de Educación y Ciencia. El grupo de investigación que coordina ha construido sistemas expertos de diagnóstico y ayuda a la decisión en varias áreas (cardiología, oncología, enfermedades hepáticas, ginecología, oftalmología, audiología...), ha participado en varios proyectos nacionales e internacionales sobre este tema y ha desarrollado un programa de software libre, OpenMarkov, utilizado en más de 30 países.

THE BLACK SWAN. EL AZAR Y LA FALACIA NARRATIVA

Somos ingenuos pavos inductivistas que necesitamos de narraciones, de categorías, de simplificaciones… y esto nos hace vulnerables. El hombre maneja mal el azar pues banaliza lo que es frecuente y enfatiza lo que es raro. Además piensa mas en la causalidad que en la casualidad (la serendipia; vamos, la chiripa). Y es por eso que inventamos historias “a posteriori” para que los hechos tengan una causa. Pero el mundo –complejo- está lleno de incertidumbres y está impregnado de azar. El azar en matemáticas, en estadística, es predecible; en física manejamos sucesos determinísticos y estocásticos, en biología se estudian mutaciones o también simples asociaciones estadísticas (que no son factores de riesgo o causales). Pero un suceso que no sea predecible –que no pertenezca a la curva normal "mediocristán" sino a “extremistán”, nos dice Nassim Nicholas Taleb-, que sea altamente improbable, es un “cisne negro”(cygnus atratus). Además estos sucesos producen graves consecuencias –por ello es mejor precaverse de ellos mediante el pensamiento contrafactual, es decir, pensando en sus consecuencias mas que en su probabilidad de ocurrencia. Por último, a estos sucesos siempre buscamos una narración explicativa (11S, 11 M, Internet, el incendio del Yuso o el de Campofrío…). Porque la narración (el mito) es mas antigua que la filosofia y, como cuando se nos rompe un calcetín, enhebramos hechos e historias para ordenar la realidad, para dar sentido a los acontecimientos retrospectivamente. Nuestro cerebro adquirió evolutivamente la capacidad de tomar decisiones rápidas con la mínima información. Información que cuesta adquirir, almacenar y procesar. Por eso el cerebro elige las historias, porque son mas fáciles de recordar y de vender. En fin, que todos los hombres somos filósofos, porque tratamos con ideas o conceptos, pero esta semana en un ataque de hipersensibilidad filosófica me enfrasqué en una discusión epistolar sobre filosofía de la ciencia con mi hija Lara. Una hora estuvimos argumentando por Whatsapp sobre los métodos en economía –la ciencia lúgubre, le llegué a decir en el acaloramiento de la batalla dialéctica. Sí, porque nos dice que no hay nada gratis-. Le recordé que Nassim Nicholas Taleb, el autor de “The black swan”, critica a historiadores, sociólogos y economistas porque pecan de verificacionistas, porque creen que pueden predecir, porque sufren de esa imperiosa necesidad de buscar una explicación, de encontrar un patrón lógico en los hechos que estudian. Pero con estudios observacionales no pueden aspirar a explicar, a encontrar causas. Así que mas humildad intelectual Socrática, más modestia –le dije a mi hija. Y este asunto duele a científicos sociales como Hayek quien critica como cientifismo a ese exceso de confianza en los métodos de las ciencias naturales. Vamos, que mi hija me llamó petulante así, de sopetón, y por extensión a todos los de ciencias. Pero son honrados otros métodos de conocimiento –le dije- como el arte o la religión. Y las ciencias sociales pueden y deben utilizar el método científico en el estudio de los fenómenos sociales. Pero para ser científico no basta con observar o contar. Hace falta ser objetivo y plantear hipótesis que puedan ser falsadas pues si esto no es posible ocurre como con la religión, que quedarían fuera del ámbito de la ciencia. En demasiadas ocasiones quienes estudian la condición humana (la ciencia se define por el método no por el objeto de estudio) buscan con frecuencia causas, narraciones –con el riesgo de caer en la falacia narrativa- para buscar la etiqueta de “científico”, lo que les confiere prestigio o respetabilidad. Pero no basta con que los sociólogos o antropólogos redescubran que es inmoral vivir sin casa o que la segregación es mala para la integración escolar. Para influir en las políticas públicas hace falta demostrar que se obtienen peores notas en pruebas estandarizadas. No vale con decir a un juez o a un político que lean a Dickens, o a Weber. Por todo ello me ha resultado extraño esta semana leer en un medio a una antropóloga que preconiza que las ciencias sociales deben “interpretar” a la luz del método científico (cuando lo que la ciencia trata es de explicar), o que “es preciso hacer preguntas e imaginar la realidad”. Pero esto es el arte –diría Unamuno.

EL AZAR EN EL TEATRO DEL MUNDO Y EL VEREDICTO DAUBERT

“Un Hombre de Suerte”. En realidad el pasado sábado 23 de junio fue una noche de suerte para todos los que vimos la representación teatral pues tuvimos el privilegio de contar con la presencia del autor de la obra: José Luis Alonso de Santos. Fue una magnífica representación a cargo de Luis Miguel Orcajo (El Duende de Lerma) en el corral de comedias Felipe-Segundo, ese original espacio escénico que ha construido mi hermano Félix en Quintanilla del Agua (foto recuerdo). Una tragicomedia que protagonizara Juan Luis Galiardo, a quien se rindió un sentido homenaje pues -coincidencias de la vida- había fallecido un día antes. El enigma de la vida, en este teatro del mundo, se escapa a la razón –nos venía a decir el autor.

Pero la obra me recordó la naturaleza irreductible probabilística de nuestras vidas. Ocurre que la gente da mucha importancia a las coincidencias y poca a las evidencias estadísticas – nos dice John Allen Paulus en “Un hombre anumérico”. ¿Saben ustedes que tan solo hacen falta 23 personas reunidas para que exista una probabilidad del 50% de que dos de ellas coincidan en la fecha de cumpleaños? (365*364…*342 / 365 elevado a 23= 0.5).

Y tras esta digresión hablaremos de evidencias y de buena ciencia pues son la incertidumbre y la variabilidad características inherentes a la clínica, a la epidemiología y a la ciencia en general. Por ello es absurda la exigencia del riesgo cero.

Pero… ¿Cómo evalúan los jueces las pruebas científicas? ¿Qué es buena ciencia para el derecho? ¿Qué es el veredicto o la doctrina Daubert?
Pues es un canon de buena ciencia establecido por el Tribunal Supremo Federal de los EEUU en 1993. Consiste en la consideración, por parte de los tribunales, de asociaciones causales a partir del riesgo relativo 2, es decir, de un incremento del 50% de la probabilidad de ocurrencia de un suceso. ¿De dónde sale este incremento del 50%? Pues si entendemos el riego nulo o neutro, de una “odds” por ejemplo o de un riesgo relativo como de valor 1, un incremento de una unidad en una “odds” significará un incremento del 50% ya que Odss = probabilidad / (1 – probabilidad) y, a su vez, Probabilidad = Odss / (Odss + 1); en este caso P= 1/(1+1)= 0.5.

OMNIPRESENTE VALOR "P"

¿Quién vive? Quien pesa y mide.
Con ésto, acudo presto al refranero castellano - a esa fuente de sabiduría popular o saber pragmático- con el ingenio del aforismo pero, más si cabe, con genio y ganas de dar una coz a la omnipresencia de la "p" en la literatura científica. Parece como si nos gratificara sobremanera aquel veredicto de lo "estadisticamente significativo", de hallar un valor "p < 0.05". La fascinación de la "p" es como estos espantapájaros de la Vega que ilustran el post, que nos proporciona una falsa impresión de objetividad.
Por otra parte, para inferir parámetros de una forma más descriptiva e informativa parece mejor solución recurrir a la "estimación por intervalo". Vámos, que es mejor medir (es lo que hacemos en la estimación por intervalo), que decidir (es lo que hacemos con el valor "p" en los test de hipótesis).

El valor "p" o significación estadística tiene que ver con la toma de una decisión: por ejemplo, rechazar la hipótesis nula (Ho) de no asociación o no diferencia entre los éxitos de un nuevo tratamiento frente a un tratamiento convencional.

Si la "p" o probabilidad de los datos obtenidos es alta (>5%) decidiremos no rechazar la conjetura de partida o hipótesis nula inicial -que decía que ambos tratamientos eran igualmente eficaces-. Consideraremos que habrá sido la variabilidad de los datos o el azar(a mayor número de muestra mas fácil es obtener valores significativos o valores de "p" pequeños) los responsables de las diferencias de éxito que hemos encontrado entre los dos tratamientos.

Por el contrario, si el valor "p" es <5%, concluiré en rechazar la hipótesis de partida por haber hallado resultados estadisticamente significativos; es decir, con una probabilidad pequeña de que la variabilidad de los datos o el azar del muestreo expliquen las diferencias en los éxitos de los dos tratamientos y, por lo tanto, aceptaremos que un tratamiento es más exitoso que el otro.

Pero no debemos olvidar dos riesgos de estas pruebas: que este criterio del 5% es convencional, pues significa que en 5 de cada 100 veces (error I o alfa) que repitiéramos el experimento, de haber actuado como hemos actuado, nos habríamos equivocado al rechazar la Ho cuando ésta realmente era verdadera. Pongamos un ejemplo: en los pasados mundiales de Sudáfrica el ya fallecido pulpo Paul -no sabemos si murió de éxito- acertó el resultado de 8 partidos del mundial seguidos. Como la probabilidad (binomial) de acertar 8 éxitos (quién ganaba entre dos equipos) de 8 eventos -lo mismo podía ser acertar cara o cruz en ocho lanzamientos- fue de 0.004, deberíamos rechazar la hipótesis nula -aquella en la que tan sólo acertaba en el 50% de las ocasiones- y aceptar una hipótesis alternativa (que algo había, o bien el pulpo era un adivino, o el dueño lo manipulaba, lo cual sería un sesgo en un estudio, o bien que fuera mera chiripa -error alfa-). De igual manmera que en Casablanca de Bogart siempre nos queda Paris, en ciencia siempre nos quedará la incertidumbre de una asociación.

Con los test de hipótesis o valor "p" o "significación estadística" también corremos otro riesgo: el error tipo II o falta de potencia del estudio. Consiste éste en no rechazar la Ho o conjetura inicial cuando en realidad fuera falsa.

Una cuestión primordial es no confundir lo "estadisticamente significativo" con lo clínicamente relevante, ya que esto último es definido a priori por el investigador.Así, mejor que decidir se propone medir un efecto, una tasa o razón de tasas presentando además del estimador puntual, que nos dice la magnitud de la asociación, un "intervalo de confianza" cuya amplitud dependerá de la variabilidad de los datos y del tamaño de la muestra y de la confianza o seguridad en ofrecer esa estimación (generalmente el 95%). Si repitiéramos indefinidamente el estudio, con una confianza del 95%, encontraremos el verdadero parámetro de la población que estamos estimando dentro del único intervalo de confianza que hemos calculado.

REGRESIÓN A LA MEDIA

Sir Francis Galton, médico -como su primo Charles Darwin-, denominó "regresión a la mediocridad" al fenómeno sobre la herencia de la altura en humanos, o tendencia de los valores extremos de una variable a resultar menos extremos en mediciones sucesivas.
En estudios de intervención puede ocurrir que atribuyamos un resultado -por ejemplo disminuir los niveles de colesterol mediante una dieta- a la eficacia de esa intervención, cuando en realidad se habrá producido un cambio de la variable estudiada enmascarado como real por el efecto de la denominada "regresión a la media". El fenómeno ocasionará una evaluación sesgada de la eficacia de la intervención en estudios del tipo "antes-después", que puede solaparse con el efecto placebo.
¿Qué es este fenómeno estadístico de la regresión a la media?
Que se produce cuando seleccionamos individuos con inusuales valores altos -o bajos- de una variable de riesgo. Ocurrirá que, si medimos una segunda vez los valores de esa variable en el grupo seleccionado, la media será mas baja -o alta- que la primera medida. Ésto ocurre cuando una variable fluctúa entre individuos (colesterol, glucosa, tensión arterial...) o por errores de medida aleatorios.
El fenómeno es debido a que, sobre cualquier punto de corte de una variable que utilicemos para seleccionar a la población -por ejemplo por encima de un determinado valor de colesterol o de glucosa- siempre habrá en esa selección mayor número de individuos con valores que tiendan hacia el lado izquierdo del corte, es decir hacia valores más próximos a la media de la población, que el número de individuos con valores que tiendan hacia valores más extremos. Por esta razón, sucesivas medidas tenderán hacia la media de la población.
La regresión a la media también provocará errores en estudios de asociación entre factores de exposición continuos y los efectos, pues se tiende a categorizar la exposición, lo que provocará errores de clasificación (afectan al factor de exposición) que atenuarán la medida del efecto (sesgo hacia el valor nulo).
Se ha sugerido que se minimizaría el efecto de la regresión a la media si se tomasen dos medidas antes de la intervención: la primera, serviría para seleccionar el grupo y, la segunda, como linea basal para medir el efecto de la intervención.