Una cura transformadora: el potencial de la IA en atención sanitaria
El sector sanitario está inundado de datos —texto, imágenes, vídeos y más— tras la digitalización de las últimas décadas. Creemos que esta gran cantidad de datos permitirá que la inteligencia artificial (IA) transforme la atención sanitaria y las ciencias biológicas. La IA puede deducir información de los datos de formas que trascienden las capacidades humanas, proporcionando una comprensión potencialmente sin precedentes de la biología y la fisiología complejas. Tiene el potencial de acelerar el desarrollo de fármacos a un coste menor y mejorar la eficacia de los nuevos medicamentos.
Amit Sinha, Global Head of Life Sciences en Goldman Sachs, entrevistó recientemente a Anima Anandkumar, Bren Professor of Computing and Mathematical Sciences en el Instituto de Tecnología de California y Senior Director of AI Research en Nvidia, sobre lo que significa la IA para la innovación en ciencias biológicas.
Vuestra investigación se ha centrado en varios campos diferentes, desde la predicción meteorológica, pasando por el descubrimiento de fármacos, hasta la robótica. ¿Qué sectores podrían verse más afectados por la IA en la próxima década?
Estamos justo al comienzo de una revolución realmente emocionante que va a afectar a todo tipo de campos; todos hemos visto que la IA puede generar texto e imágenes nuevos, pero también tiene margen para generar nuevas proteínas, nuevos fármacos, nuevos diseños de coches, mejores instrumentos médicos, etc. Ahora todo parece posible.
Una de las áreas que la IA está transformando es la medicina de precisión: la idea es que se pueda utilizar para diseñar mejores fármacos y luego conseguir que dichos fármacos lleguen a los pacientes adecuados. ¿Puedes explicar cómo funciona esto?
Desde el siglo XVII, la gente se ha planteado: “voy a probar este experimento”, y ya sea en ratones o en humanos, requiere mucho tiempo. Si tienen éxito, es fantástico. Pero si fallan, es posible que ni siquiera sepan por qué y tienen que volver a empezar de cero.
Pero, ¿y si pudiéramos hacerlo mucho más sistemático y explorar, por ejemplo, el diseño de fármacos en mayor profundidad que antes? La IA puede, en última instancia, llevar todos esos experimentos físicos al mundo virtual. El mundo real es muy complejo. Pero si puedes hacer predicciones cada vez más precisas en simulaciones y acelerar la capacidad de simular, podemos responder preguntas sobre cómo se unen los fármacos a los receptores del cuerpo humano de forma más rápida y precisa.
La investigación se vuelve más rentable y mucho más rápida al hacerla más computacional y reducir nuestra dependencia de los experimentos físicos. En cualquier caso, todavía necesitamos los experimentos físicos para validar nuestros resultados.
El coste de la secuenciación genómica está cayendo, por lo que estamos viendo cómo mejora la especificidad de los fármacos. Una vez que podamos identificar las diferencias entre determinadas poblaciones a nivel genómico, será posible dirigir mejor los fármacos. Es vital que recopilemos datos a nivel de la población humana para poder introducirlos en nuestros modelos de IA. Se trata de tener en cuenta los detalles específicos de un fármaco, tomar un conjunto de datos sobre la población o la genética y luego establecer correspondencias entre ellos para ver quién es el más adecuado para beneficiarse de ese fármaco. Todo esto está en el ámbito del Big Data, y ahí es donde la IA brilla.
¿Qué supone la IA en la reutilización de fármacos existentes para nuevas aplicaciones?
Para mí, la reutilización de fármacos es excelente. Se trata de algo al alcance de la mano, puesto que ya tenemos una base de datos de información sobre los fármacos existentes, su perfil de seguridad y los objetivos a los que están dirigidos. Gran parte de la investigación ya se ha realizado. Puedes seleccionar un fármaco aprobado para una indicación y, a través de una investigación con IA, proponer otras indicaciones para ese fármaco y puede que descubras que tiene utilidad en otra enfermedad. Esto significa que es mucho más fácil y barato que pedir a la IA que genere una nueva molécula candidata desde cero.
¿Cómo puede la IA ayudar a mejorar la detección y diagnóstico tempranos de una enfermedad?
Todo el mundo sabe que es mejor prevenir que curar, pero hasta ahora eso no ha sido realmente factible, lo único que se ha conseguido es promover algunos cambios en el estilo de vida. Pero ahora todo esto puede basarse en datos. Apple Watch,1 por ejemplo, toma mediciones periódicas y puede usar esos datos para identificar anomalías cardíacas, lo que posiblemente ayude con la detección temprana de infartos.
Uno de mis compañeros trabaja con sensores de sudor, que pueden proporcionar información sobre la diabetes u otras afecciones solo con el sudor. Hay otros sensores que son baratos, ampliamente accesibles, de baja potencia y que pueden utilizar la IA para detectar anomalías y hacer recomendaciones o pedir ayuda si surgiera un acontecimiento adverso.
La IA también ayuda a detectar tumores de forma temprana y no invasiva. Por ejemplo, la IA hace que los escáneres de cuerpo entero sean mucho más rápidos y baratos, y ayuda a reconstruir imágenes de mayor resolución sin necesidad de horas de computación. El Big Data también desempeña un papel importante. Podemos observar los datos a nivel demográfico general y ver cómo surgen patrones que pueden ayudarnos a determinar cuáles son, por ejemplo, los primeros signos de advertencia asociados a una posible cardiopatía.
Desde el punto de vista tecnológico, ¿qué se necesita aún para impulsar la innovación? Es más, ¿tienen las empresas acceso a la potencia informática necesaria en términos de chips y la nube?
La IA es realmente una trinidad de datos, algoritmos e infraestructura informática. El acceso a la parte de los datos en algunos dominios ha sido fácil. Por ejemplo, el texto y las imágenes están disponibles de forma gratuita en Internet, y por eso se están produciendo innovaciones más rápidas en ese ámbito. Pero en otras áreas como las ciencias biológicas, es más lento porque los datos están fragmentados y no tienen la escala necesaria para que emerjan patrones.
La IA hace que sea miles de veces más rápido desarrollar sustitutos y mejores simulaciones. Pero esto es solo gracias a la pura potencia informática, aquí no hay datos. Pero a veces los datos son el factor limitante: ¿hay suficientes genomas para construir un modelo de lenguaje grande? Eso es exactamente lo que hicimos el año pasado. Tomamos todos los genomas de virus y bacterias conocidos y entrenamos un modelo de lenguaje. Pero, en lugar de usar texto, la IA está entrenada en nucleótidos, las sustancias químicas que conforman el código genético. Con esto, podemos predecir nuevas variantes preocupantes de coronavirus y otras enfermedades infecciosas incluso antes de que aparezcan.
A veces, cuando no tenemos suficientes datos, como con los ensayos en humanos de fármacos para los que solo hay una cantidad limitada, debemos intentar dar sentido a los datos que tenemos. En estos casos, necesitamos mejores técnicas algorítmicas.
Recientemente hemos visto colaboraciones entre empresas tecnológicas y empresas de biotecnología. ¿Es este el futuro de la innovación en las ciencias biológicas?
Es un avance realmente emocionante. Estas empresas tecnológicas tienen amplia experiencia en la creación de grandes clústeres informáticos y el desarrollo de software y marcos de IA que nos ayudan con el entrenamiento en Big Data. No podemos esperar que las empresas dedicadas a las ciencias biológicas vayan a contratar a todo el talento que necesitarían para replicar estas capacidades.
Ya no se trata de una persona sentada en un escritorio que utiliza un pequeño conjunto de datos y ejecuta algo de aprendizaje automático que está disponible en código abierto para idear algunas innovaciones. La vanguardia de las ciencias biológicas ahora implica Big Data, la creación de grandes modelos de lenguaje y una enorme potencia informática. Se requiere experiencia especializada para poder diseñar y construir estos modelos.
¿Qué recomiendas a las empresas dedicadas a las ciencias biológicas que desean incorporar la tecnología de IA y aprendizaje automático en sus procesos de innovación principales?
Les diría que no solo incluyan la IA en una presentación empresarial por el hecho de que es glamurosa en este momento. Eso podría entusiasmar a algunas personas, pero no a los inversores que realmente entienden lo que está pasando y lo que estás haciendo. Si una empresa utiliza IA, debe integrarse correctamente en sus procesos. Pero, de antemano, hay que plantearse incluso si la IA es lo que realmente necesita la empresa. En algunos casos, tal vez no lo sea.
1 Únicamente a efectos ilustrativos. Ninguna referencia a una empresa o valor específicos constituye una recomendación de compra, venta, mantenimiento o inversión directamente en la empresa o sus valores.
