La Inteligencia Artificial y la medicina avanzan de la mano hacia una mejora en la atención al paciente, la seguridad en las intervenciones y en la toma de decisiones de los profesionales sanitarios. En este último ámbito, el grupo de investigación Minerva, perteneciente a la Escuela Técnica Superior de Ingeniería Informática de la Universidad de Sevilla (US), junto con las unidades de Cirugía de los hospitales universitarios Virgen Macarena y Virgen del Rocío, han diseñado un método que ayuda a mejorar los trasplantes hepáticos mediante la aplicación de IA.
Durante dos años los informáticos y cirujanos han trabajado mano a mano para elaborar una herramienta que apoye la toma de decisiones de los sanitarios. Jose Cristobal Riquelme Santos, investigador principal del proyecto explica a SaluDigital cómo este sistema va a cambiar el método de valoración de los órganos: “Actualmente la actuación se basa en hacer unos pequeños análisis y básicamente lo más importante es la pericia del cirujano en una acción visual sobre el órgano. Con esto se realiza la valoración sobre si este cumple los requisitos para ser trasplantado. Este proceso por supuesto cuenta con un margen de error”.
La herramienta aconseja al cirujano responsable de la donación hepática a la hora de aceptar o rechazar un injerto
Esta herramienta ayudará a los profesionales médicos a luchar contra el tiempo ya que “cuando a los cirujanos les avisan de que hay un posible órgano candidato a trasplante un cirujano se desplaza donde está el injerto y en ese momento no tienen mucho tiempo de hacer un análisis exhaustivo de todos los indicadores que podrían decirle hasta qué punto ese órgano está en buenas condiciones para ser trasplantado”, apunta el investigador.
La herramienta aconseja al cirujano responsable de la donación hepática a la hora de aceptar o rechazar un injerto, utilizando para esto una serie de variables iniciales disponibles: “Nuestro trabajo ha consistido en el análisis de una extensa base de datos de indicadores biológicos de los injertos así como de los resultados finales del trasplante, con la referencia de si había finalizado con éxito o no. A partir de estos datos, buscamos un patrón que ayudara al cirujano en la toma de decisión sobre las posibilidades de éxito de un órgano candidato a ser trasplantado”, explicó el investigador. Al tener también en cuenta datos de los pacientes “este sistema mejora el proceso de saber si el órgano va a ser compatible con el paciente al que se le predispone por un lado y por otro si el órgano tiene posibilidades de éxito por sí solo”, añade.
“El problema del análisis de datos en medicina encuentra la dificultad de tener un número suficiente de ejemplos”
El sistema desarrollado ha sido entrenado con los datos correspondientes a 350 trasplantes hepáticos mediante técnicas de IA, lo que ha permitido construir un modelo de predicción con la técnica de aprendizaje automático. Este sistema hace uso de un clasificador 'boosting', basado en árboles de decisión, capaz de ayudar a aceptar o rechazar un injerto hepático del donante.
“El problema del análisis de datos en medicina encuentra la dificultad de tener un número suficiente de ejemplos. Al trabajar con trasplantes de hígado, que no es una cuestión que se produzca de manera muy habitual, al no ser una enfermedad común, nuestra base de datos no era de miles de resultados como para usar técnicas de deepLearning”, explica el investigador.
“Hemos obtenido una precisión del 85%”
Este modelo, por lo general, proporciona una clasificación en relación a si el órgano es adecuado o no para el trasplante, junto con un índice de confianza de fiabilidad, lo que indique qué tan buena es dicha clasificación. “Hemos obtenido una precisión del 85%”, apunta Riquelme Santos, quién recuerda que esto sólo es el principio: “La idea es, lógicamente, que una vez tengamos el modelo, éste pueda seguir aprendiendo. Es importante no solamente haber conseguido este hito, sino la posibilidad de extender este estudio con nuevos datos provenientes de de nuevos injertos y el sistema siga aprendiendo”.
Sobre la forma en la que este sistema será usado por los profesionales sanitarios, se está trabajando en la adaptación a “una APP que los cirujanos pudieran llevar en una tablet o incluso en su móvil de forma que cuando se desplazan al lugar en el que realizan el análisis del órgano, pudieran introducir los parámetros de los análisis en ella y les aportara una recomendación que siempre junto a la experiencia del cirujano le haría a tomar la decisión definitiva”, indica el investigador.
“Las normativas de la Unión Europea obligan a que los sistemas de recomendación médica tenga explicabilidad”
“El siguiente paso y más complejo, pero imprescindible en medicina, es encontrar una explicabilidad al modelo. Es decir, que el sistema no solamente te diga si el injerto puede ser válido o no y con qué porcentaje de probabilidad sino que te explique las razones y parámetros que considera para ofrecer una determinadarecomendación”, algo importante no sólo para los sanitarios, como apunta Riquelme Santos, sino a nivel legal. “Las normativas de la Unión Europea obligan a que todos los sistemas de apoyo a la recomendación médica tenga explicabilidad, para que el médico pueda tomar una decisión de forma informada”.
El responsable de esta investigación señala que “el modelo llevado a cabo para elaborar esta herramienta, basado en trasplantes de hígados, podría valer para otros órganos pero evidentemente con otra formulación diferente sobre un nuevo conjunto de datos”.