La IA de Google diagnosticaba con un 90% de precisión retinopatía diabética, hasta que fue puesta a prueba en un hospital real

Uno de los campos donde se está tratando de aplicar la inteligencia artificial es en el de la medicina. Ya hemos encontrado antibióticos gracias a la inteligencia artificial y Google ha puesto su IA a detectar cáncer de mama o enfermedades oculares por ejemplo. Pero precisamente en esto último quizás no sea tan buena como parecía, su efectividad en hospitales reales y no en las pruebas de laboratorio es bastante menor de la deseada.

Durante años Google ha estado trabajando en mejorar su inteligencia artificial para que sea capaz de detectar enfermedades oculares analizando fotografías de retinas. Mediante esto se puede agilizar el proceso de diagnóstico y de este modo facilitar el trabajo de los médicos sin tener que comprobar ellos uno a uno todos los posibles casos. En pruebas de laboratorio Google explica que habían conseguido una precisión de hasta el 90% a la hora de detectar retinopatía diabética. Por lo que quisieron empezar a probar en hospitales reales.

En un paper publicado por Google Health, explican cómo ha sido la experiencia de utilizar el sistema de aprendizaje automático para detectar retinopatía diabética en varios hospitales. No tan bien como esperaban y de hecho a menudo llegó incluso a ser un inconveniente.

De las condiciones idílicas del laboratorio a la cruda realidad

Para realizar sus pruebas Google se alió con el gobierno tailandés para implementar la IA en un total de 11 clínicas/hospitales de zonas rurales de Tailandia. El sistema estaba diseñado para detectar retinopatía diabética, una de las principales causas de pérdida de visión en todo el mundo. Generalmente el proceso sin intervención por parte de la IA dura varias semanas desde que se toman fotografías del ojo del paciente hasta que son analizadas y se devuelven los resultados por parte de los especialistas. La idea era agilizar esto a cuestión de minutos.

Según explican, la implementación fue más complicada de lo esperado. Cada clínica tenía unas condiciones diferentes y el proceso de trabajo de cada una de ellas era ligeramente distinto, esto dificultaba la recogida de datos por parte del sistema de Google. Si es que podía recogerlos, porque las malas conexiones a Internet también dificultaban la subida de datos.

Los datos recogidos por otra parte tampoco eran los ideales, Google había hecho pruebas en laboratorios con fotografías de alta resolución y tomadas en condiciones casi perfectas. En el caso de las clínicas las fotografías eran de peor calidad, a veces borrosas y con otras imperfecciones que hacían que la IA directamente las descartase y no dise un diagnóstico incluso habiendo claros indicios retinopatía diabética. Explican que el sistema "tiene directrices estrictas con respecto a las imágenes que evaluará... Si una imagen tiene un poco de desenfoque o un área oscura, por ejemplo, el sistema la rechazará, incluso si podría hacer una predicción fuerte".

Como resultado de todo esto el sistema llegó incluso a entorpecer el trabajo de los médicos y los pacientes en sí. Una de las enfermeras comentó que los pacientes no están tan preocupados por la precisión como por el tiempo que pierden por venir al hospital sin obtener una respuesta clara.

¿Es esto un fracaso de la IA de Google? No hay por qué verlo así. Poder agilizar el proceso de diagnóstico tanto es un paso gigantesco que puede ser de mucha ayuda en lugares donde los recursos médicos son escasos. Sin embargo sí que sirve para demostrarnos una vez más que las condiciones perfectas donde se diseña un producto no siempre se ajustan con la realidad. Y esto no es algo nuevo ni de ahora ni de Google.

Vía | Google Más información | ACM
Imagen | Liam Welch