Intel·ligència artificial i la capacitat de prendre decisions en oncologia

Durant els últims mesos, hem vist als mitjans de comunicació com ha esclatat la intel·ligència artificial (IA) per a la interpretació de paraules i textos gràcies a programaris com ChatGPT d’OpenAI o Bard de Google. De fet, parts d’aquest article s’han escrit amb el suport de ChatGPT, tot i que posteriorment he revisat jo mateix el contingut creat per confirmar-ne la veracitat.

La capacitat d’interpretació d’aquests algoritmes ens ha mostrat finalment el poder de les noves tecnologies dins de la nostra vida. Tanmateix, la utilització que encara n’estem fent diàriament es troba en l'àmbit de la curiositat, com la generació de textos sense cap finalitat o per ajudar a escriure articles o qualsevol altre tipus de text. I malgrat que l’ús actual de la intel·ligència artificial no és encara un component essencial de la nostra vida, fa anys que la IA s’està utilitzant per a la interpretació dels big data en diversos camps de la medicina (la genòmica, la proteòmica, etc.). I, per descomptat, en l'oncologia, perquè l’ús de la IA per ajudar-nos amb el clinical decision making, és a dir, a prendre decisions clíniques, representa un pas endavant dins el món de l’oncologia.

Imatge generada amb el programari d’intel·ligència artificial DALL-E utilitzant les paraules següents: “artificial intelligence software selecting best treatment for oncological patient supporting human oncologists during medical meeting”

La presa de decisions clíniques és el procés d'utilitzar el pensament crític i el judici clínic per fer un diagnòstic, desenvolupar un pla de tractament i monitorar el progrés dels pacients, en el qual el professional de la salut també ha de tenir en compte les circumstàncies individuals del pacient, com ara la seva edat, el sexe, la història mèdica i les comorbiditats, així com les seves preferències i valors.

Durant les últimes dècades, s'han proposat diversos models de presa de decisions clíniques, entre els quals el tradicional model de raonament diagnòstic, el model de doble procés i el model de Bayes. Cada model té les seves fortaleses i debilitats, i el professional de la salut ha de triar el que millor s'adapti a la seva situació clínica. A més, la presa de decisions clíniques efectiva requereix un alt nivell de destresa, coneixement i experiència, així com la capacitat de reconèixer i gestionar la incertesa i l'ambigüitat. També és important per als professionals de la salut mantenir-se actualitzats amb les últimes investigacions i pràctiques basades en l'evidència per assegurar els millors resultats possibles per als seus pacients.

Tanmateix, el metge és una persona humana, i com tots els humans pot cometre errors en la seva professió, i existeixen molts tipus d’errors, des dels que estan relacionats amb la falta d’informació i de coneixement fins als de pensament clínic i de raonament. En aquest sentit, tinguem en consideració  la quantitat de noves dades i informacions que apareixen cada dia en oncologia. És difícil poder informar-se de manera contínua i estar al dia en aquest camp de la medicina, i ni els congressos són suficients per aprendre sobre els nous avenços. Per això, a vegades, els oncòlegs tenim la sensació que ens estem perdent alguna cosa que afavoriria els nostres pacients. Llavors, per què no utilitzar una màquina que ens pugui ajudar en tot això?

Actualment, la intel·ligència artificial s'està utilitzant cada vegada més en oncologia per ajudar els professionals mèdics a prendre decisions informades sobre el diagnòstic, el tractament i l’atenció dels pacients. N’explicaré algunes possibilitats i exemples:

• Anàlisi d'imatges: els algoritmes d'IA poden analitzar imatges mèdiques per detectar tumors, determinar-ne la mida i forma, i seguir-ne el creixement al llarg del temps. Per exemple, l'algoritme d'aprenentatge profund VGG-16 s'ha utilitzat per identificar amb precisió el càncer de pulmó en tomografies computades.
• Anàlisi genòmica: la IA també pot analitzar dades genòmiques per identificar mutacions o marcadors genètics que puguin indicar el risc d'un pacient de desenvolupar determinats tipus de càncer. Per exemple, la plataforma IBM Watson for Genomics utilitza la IA per analitzar dades de seqüenciació de DNA per identificar mutacions i suggerir possibles tractaments.
• Planificació del tractament: els algoritmes d'IA poden ajudar a desenvolupar plans de tractament personalitzats per als pacients amb càncer basats en les seves característiques individuals, com ara l'edat, l'historial mèdic i el tipus de tumor. Per exemple, la plataforma OncoKB utilitza la IA per ajudar els oncòlegs a identificar possibles objectius de fàrmacs per als pacients individuals basats en el seu perfil genòmic.
• Monitoratge del pacient: la IA també pot fer-se servir per monitorar l'estat de salut dels pacients i predir la progressió de la malaltia. Per exemple, la prova de sang CancerSEEK utilitza la IA per analitzar mostres de sang per a múltiples biomarcadors de càncer per detectar el càncer de forma precoç i monitorar la progressió de la malaltia.
• Suport a la presa de decisions clíniques: la IA pot ajudar els professionals mèdics a prendre decisions sobre el tractament mitjançant el suport a la presa de decisions clíniques en temps real. Per exemple, la plataforma IBM Watson for Oncology utilitza la IA per analitzar les dades del pacient i proporcionar recomanacions de tractament als professionals mèdics basades en l'evidència.

En conclusió, la IA s'està fent servir cada vegada més en oncologia per millorar la presa de decisions clíniques i l'atenció als pacients. Des de l'anàlisi d'imatges i l'anàlisi genòmica fins a la planificació del tractament i el monitoratge del pacient, la IA està ajudant els professionals mèdics a comprendre millor el càncer i a desenvolupar plans de tractament personalitzats per als seus pacients. Això no ho hem de veure en cap cas com l’anul·lació del metge humà. La IA s’ha de considerar com un instrument per millorar la pràctica clínica i reduir els errors humans. Com totes les tecnologies, l'ús que farem de la IA determinarà si finalment aportarà més beneficis que danys als humans.

BIBLIOGRAFIA:

Somashekhar SP, Sepulveda MJ, Puglielli S, Norden AD, Shortliffe EH, Rohit Kumar C. et al. "Watson for Oncology and breast cancer treatment recommendations: agreement with an expert multidisciplinary tumor board". Ann Oncol. 2018;29:418–23. [PubMed] [Google Scholar]

Trivedi H, Mesterhazy J, Laguna B, Vu T, Sohn JH. "Automatic Determination of the Need for Intravenous Contrast in Musculoskeletal MRI Examinations Using IBM Watson's Natural Language Processing Algorithm". J Digit Imaging. 2018;31:245–51. [PMC free article] [PubMed] [Google Scholar]

Liu C, Liu X, Wu F, Xie M, Feng Y, Hu C. "Using Artificial Intelligence (Watson for Oncology) for Treatment Recommendations Amongst Chinese Patients with Lung Cancer: Feasibility Study". J Med Internet Res. 2018;20:e11087. [PMC free article] [PubMed] [Google Scholar]