Intel·ligència Artificial: suport a la decisió clínica per frenar la COVID-19

Els sistemes d’Intel·ligència Artificial (IA) d’ajuda a la presa de decisions clíniques poden ser de gran utilitat en la situació d’emergència sanitària actual, donat que un dels principals problemes de la crisi generada per l’arribada de la COVID-19 és la saturació del personal sanitari per la gran pressió a la qual estan sotmesos. Es tracta d’un tipus d’eina extremadament útil per dur a terme tasques rutinàries però que, alhora, requereixen un alt grau d’especialització (1).

Els algoritmes d’IA són entrenats prèviament amb el coneixement i l’experiència dels professionals i estan programats per aprendre i reproduir els resultats esperats de forma ràpida i fiable. Per tant, l’aplicació d’aquest tipus de solucions (2) en la situació actual permetria alliberar els professionals d’aquestes feines més mecàniques, que suposen una gran despesa de temps, per tal que es poguessin desenvolupar altres tasques més prioritàries.

Atenció sanitària

Segons el cardiòleg nordamericà Eric J. Topol, en el context actual, l’ús de la IA està promovent un impacte a tres nivells: per als metges, mitjançant una ràpida i acurada interpretació de la imatge; per als sistemes de salut, millorant els processos i la reducció d’errors mèdics; i pels pacients, facilitant processar les seves dades per promoure la salut (3).

A Catalunya, la gran i diversa quantitat de dades mèdiques existents (per exemple les històries clíniques dels ciutadans de Catalunya), la protocol·lització dels diagnòstics i tractaments, els avenços en la visió per computador i l’agilitat en l’ús d’interpretació i accés a gran quantitat d’informació, a més de les tendències actuals sobre medicina preventiva i personalitzada, fan que la intel·ligència artificial tingui en la salut un gran camp de recerca i aportació de valor. Per altra banda, avui en dia, el sector farmacèutic és un dels sectors que, per mitjà de la supercomputació i la simulació, ja es beneficia d’aquestes tècniques per a la creació i l’avaluació de nous fàrmacs (4) (5).

Avaluació d’iniciatives en IA

La Fundació TIC Salut Social, està duent a terme un esforç especial per donar resposta a la necessitat d’anàlisi de diferents solucions tecnològiques que estan sorgint en aquestes circumstàncies i que intenten donar resposta a la problemàtica actual. L’àrea d’Intel·ligència Artificial de la Fundació està analitzant les diverses iniciatives -plataformes de seguiment i monitorització, suport a les dones lactants, transport i distribució, eines predictives i altres productes- sorgides en el camp de la lluita contra la COVID-19, realitzant un procés d’avaluació de les diferents solucions detectades i donant suport als projectes de recerca.

Imatge mèdica i altres solucions

Un dels principals focus d’avenç de la IA en salut es concentra en l’anàlisi de la imatge mèdica (6). En tractar-se d’un entorn digital que utilitza informació altament estructurada, estandarditzada i especialitzada, es conforma com una de les àrees més prometedores per l’aplicació d’aquest tipus d’eina. En aquest àmbit, s’estan analitzant diferents propostes, ja siguin basades en Radiografia (RX) o Tomografia Computeritzada (TC) (7), ambdues en la seva modalitat de localització toràcica, per tal d’analitzar l’afectació pulmonar causada pel virus. Es tracta d’algoritmes que cerquen donar un diagnòstic de COVID-19 ràpid i fiable mitjançant exploracions radiològiques, o bé que fan prediccions de l’evolució d’un pacient, un cop detectada la malaltia (8).

Una altra línia d’investigació està centrada en l’anàlisi de les constants clíniques dels pacients amb COVID-19 per tal de preveure la seva evolució i possibles complicacions (9). També s’estan valorant altres solucions més incipients en l’àmbit del reconeixement de la veu, i la tos més concretament, per tal de detectar patrons que puguin ser atribuïts de forma inequívoca a la infecció per coronavirus.

A banda, per fer front al COVID-19, el Departament de Salut de la Generalitat de Catalunya ha activat una nova eina tecnològica, l’App STOP Covid19 Cat, que contribueix en la detecció dels símptomes de la malaltia i fer un seguiment dels pacients, veure com evoluciona la pandèmia a Catalunya i afavorir la millor presa de decisions a partir d’una enquesta al ciutadà (10).

Referències

1. McCall B. COVID-19 and artificial intelligence: protecting health-care workers and curbing the spread. Lancet Digit Heal [Internet]. 2020;2(4):e166–7. Available from: http://dx.doi.org/10.1016/S2589-7500(20)30054-6

2. Alimadadi A, Aryal S, Manandhar I, Munroe PB, Joe B, Cheng X. Artificial Intelligence and Machine Learning to Fight COVID-19. Physiol Genomics. 2020;52:200–2.

3. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med [Internet]. 2019;25(1):44–56. Available from: http://dx.doi.org/10.1038/s41591-018-0300-7

4. Departament de Polítiques Digitals i Administració_Pública. CATALONIA.AI, l’Estratègia d’Intel·ligència Artificial de Catalunya [Internet]. 2020 [cited 2020 Apr 7]. Available from: http://politiquesdigitals.gencat.cat/ca/tic/catalonia-ai

5. Autoritat Catalana de Protecció de Dades. Intel·ligència Artificial. Decisions Automatitzades a Catalunya [Internet]. Barcelona; 2020. Available from: https://apdcat.gencat.cat/web/.content/04-actualitat/noticies/documents/INFORME-INTELLIGENCIA-ARTIFICIAL-FINAL-WEB-OK.pdf

6. Esteva A, Robicquet A, Ramsundar B, Kuleshov V, DePristo M, Chou K, et al. A guide to deep learning in healthcare. Nat Med [Internet]. 2019;25(1):24–9. Available from: http://dx.doi.org/10.1038/s41591-018-0316-z

7. Li L, Qin L, Xu Z, Yin Y, Wang X, Kong B, et al. Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT. Radiology [Internet]. 2020 Mar19; Available from: http://pubs.rsna.org/doi/10.1148/radiol.2020200905

8. Huang Y, Cheng W, Zhao N, Qu H, Tian J. CT screening for early diagnosis of SARS-CoV-2 infection. Lancet Infect Dis [Internet]. 2020;51(20):30241. Available from: http://dx.doi.org/10.1016/S1473-3099(20)30241-3

9. McCullough PA, Eidt J, Rangaswami J, Lerma E, Tumlin J, Wheelan K, et al. Urgent need for individual mobile phone and institutional reporting of at home, hospitalized, and intensive care unit cases of SARS-CoV-2 (COVID-19) infection. Rev Cardiovasc Med [Internet]. 2020;21(1):1–7. Available from: http://www.ncbi.nlm.nih.gov/pubmed/32259899

10. Rao ASRS, Vazquez JA. Identification of COVID-19 Can be Quicker through Artificial Intelligence framework using a Mobile Phone-Based Survey in the Populations when Cities/Towns Are under Quarantine. Infect Control Hosp Epidemiol. 2020;1–18.