En los últimos años, la irrupción de la Inteligencia Artificial (IA) ha revolucionado diversas industrias, marcando el inicio de una nueva era tecnológica. Este avance, que anteriormente era considerado parte de la ciencia ficción, hoy se ha convertido en una realidad palpable que impacta profundamente en múltiples aspectos de nuestra vida diaria. Desde la automatización de procesos en la manufactura hasta la personalización de servicios en el sector financiero, la IA está redefiniendo la manera en que operamos y nos relacionamos con el mundo.
Sin embargo, uno de los campos donde la Inteligencia Artificial muestra un potencial transformador sin precedentes es el ámbito clínico. Enfrentados a desafíos colosales como el envejecimiento poblacional, el aumento de enfermedades crónicas y la necesidad urgente de mejorar la eficiencia de los sistemas de salud, la IA emerge como una herramienta esencial. Su capacidad para analizar vastas cantidades de datos en tiempo récord, predecir resultados con alta precisión y ofrecer soluciones innovadoras, está comenzando a cambiar el panorama de la medicina moderna.
En este contexto, los profesores de la Universidad de Murcia (UMU) Manuel Campos y José Manuel Juárez han fundado recientemente el MedAI Lab, un laboratorio de investigación interdisciplinar con especialistas en IA y médicos del Servicio Murciano de Salud. Este surgió como un equipo enfocado específicamente en la Inteligencia Artificial Médica en la Región, y uno de los pocos existentes en España. La Inteligencia Artificial Médica, explican los miembros del laboratorio, tiene como objetivo elaborar programas asistidos por la IA para resolver cuestiones del día a día de la práctica clínica, es decir, la IA al servicio de los profesionales de la salud y sus pacientes.
Para ello, se combinan dos elementos clave: la informática médica y la inteligencia artificial. Por un lado, la informática médica, indican, «son los métodos informáticos para mejorar la gestión de los datos de los pacientes, el conocimiento clínico, los datos de la población y, en general, cualquier información relevante para la atención del paciente y la salud de la comunidad». Por otro lado, «la IA consiste en sistemas informáticos capaces de realizar tareas que se atribuyen exclusivamente al ser humano (diagnosticar, diseñar, planificar, etc.) y que, en principio, requieren de la inteligencia humana».
Resistencia a los antibióticos
Uno de los ejemplos de desafío clínico en los que trabaja MedAI Lab es la resistencia de las bacterias a los antibióticos. Los antibióticos, apuntan los expertos de la UMU, «pueden perder su efectividad debido a un fenómeno denominado resistencia antimicrobiana que se produce cuando mutan las bacterias tras un contacto prolongado con estos medicamentos y éstos dejan de tener efecto». Según los informes de la Organización Mundial de la Salud en 2023, es una de las principales amenazas mundiales para la salud pública, siendo de hecho la causa de aproximadamente 23.000 muertes anuales en España según el estudio reciente de la Sociedad de Enfermedades Infecciosas y Microbiología Clínica.
Los antibióticos, aseguran desde MedAI Lab, «son la herramienta fundamental para luchar contra las infecciones bacterianas en los hospitales, y desde hace unos pocos años, se están definiendo políticas que permiten optimizar su uso, paliando la generación de resistencias debidas a un consumo innecesario o un uso inadecuado».
Además, añaden, «hay que tener en cuenta que con la informatización de los hospitales, ahora se almacena un volumen ingente de datos que, a través de la Inteligencia Artificial, pueden ser clave para mejorar este consumo».
En este contexto, el equipo de MedAI Lab de la UMU intenta aplicar lo aprendido durante más de 10 años de investigación sobre los problemas de infecciones hospitalarias y la lucha contra la resistencia antibiótica usando Inteligencia Artificial. El equipo lo componen los investigadores y profesores de la Facultad de Informática Bernardo Cánovas, Antonio Morales, Javier Bermúdez, Antonio López Martínez-Carrasco, Denisse Kim, Lorena Pujante, Rubén Martínez, Alberto Barba, Francisco Mora Caselles y los médicos especialistas en Enfermedades Infecciosas Amaya Jimeno y Sergio Alemán.
Este grupo aspira a ser un referente en esta disciplina, tanto en los avances científicos como en su traslación a la sociedad, como así lo demuestra en este desafío con sus colaboraciones con la Agencia Española del Medicamento y Productos Sanitarios, el Servicio Murciano de Salud o el Servicio Vasco de Salud.
La Región, pionera
«Aunque suene sorprendente, la Región de Murcia es pionera y líder a nivel nacional en la implantación de sistemas basados en Inteligencia Artificial Médica para la lucha contra las resistencias a los antibióticos», destaca el profesor José Manuel Juárez.
«Desde hace años, y a nivel nacional», apunta, «es obligatorio que cada hospital del Servicio Nacional de Salud cuente con un equipo de profesionales en salud (infectólogos, farmacéuticos, microbiólogos, etc.) que supervise y vele por el buen uso de los antibióticos. Estos profesionales cooperan en lo que se denomina Programas de Optimización de Uso de Antimicrobianos (PROA)».
Según el estudio de prevalencia, «aproximadamente el 50% de los pacientes de un hospital tienen tratamiento antibiótico, y esto hace que esta labor de supervisión sea titánica», indica el docente de la UMU. Es aquí donde entra la IA Médica con el sistema WASPSS, implementado por los investigadores de la UMU. El sistema WASPSS, explica Juárez, «integra día a día las diferentes bases de datos que hay en cada hospital, para priorizar los pacientes de acuerdo a los objetivos establecidos por cada equipo PROA y hacer más eficiente su trabajo».
«Hoy todos los hospitales públicos de la Región de Murcia cuentan con esta herramienta que contribuye a la estrategia de seguridad del paciente. Siguiendo sus pasos, se encuentra actualmente el Servicio Vasco de Salud, que durante 2024 tendrá el sistema implantando en sus hospitales públicos», afirma el fundador del MedAI Lab.
Fenotipado clínico
«Existen numerosos aspectos en los que la colaboración interdisciplinar en Inteligencia Artificial Médica puede dar frutos en este desafío», según el profesor Juárez. «Un ejemplo clave es determinar qué tipo de pacientes hospitalarios responden mejor a un antibiótico específico. El fenotipado clínico se refiere a la identificación de características comunes entre los pacientes basándose en datos demográficos, medidas fisiológicas, síntomas o respuestas a tratamientos antibióticos. El Machine Learning, una rama de la IA, se encarga de aprender de estos datos para desarrollar un modelo computacional que ayude a resolver problemas específicos», explica Juárez.
Evitar y controlar futuros brotes
¿Podríamos evitar y controlar futuros brotes infecciosos en los hospitales adoptando un nuevo protocolo y determinar cuál fue la causa de un brote específico? Muy dentro de poco sí. Denisse Kim y Lorena Pujante, del laboratorio MedAI Lab, como parte de sus tesis doctorales, están investigando técnicas espaciotemporales para abordar este tema. Sus publicaciones recientes muestran que la IA puede combinar representaciones tridimensionales del hospital con modelos epidemiológicos. Han logrado simular de manera realista brotes de la bacteria Clostridioides difficile, visualizando el movimiento de los pacientes dentro del hospital, la evolución de sus enfermedades y los contactos que podrían llevar a transmisiones.
«Si bien hay una amplia cantidad de publicaciones científicas sobre el uso del Machine Learning en la salud, los estudios centrados en infecciones bacterianas en hospitales son escasos», según el docente de la UMU. En este contexto, Antonio López, investigador del MedAI Lab, ha desarrollado recientemente nuevos algoritmos para el descubrimiento de subgrupos. «Estos algoritmos, esencialmente programas complejos, analizan combinaciones de características para identificar patrones subyacentes que describan a conjuntos de pacientes con un perfil específico», indica.
Juárez añade que «el desafío de esta investigación es doble: los algoritmos deben ser extremadamente eficientes debido a la enorme cantidad de combinaciones posibles entre los datos, y deben ser confiables. Es decir, el procesamiento de datos y los resultados deben ser comprensibles para los profesionales sanitarios, ya que es difícil confiar en algo que no se entiende completamente». «Estas técnicas, en un futuro cercano, podrán ayudar a los médicos a personalizar los tratamientos para cada paciente, haciéndolos más efectivos», concluye el profesor.
