La IA pot avaluar el risc de mort en pacients amb càncer?

Un minut i mig i arribarem a un quart d'onze de la nit. El tema que posarem ara sobre la taula és, sens dubte, segurament, un dels més cridaners dels que tenim avui, i és el següent. Una fotografia de la cara i una eina d'intel·ligència artificial podrien ajudar els metges a avaluar el risc de mort en pacients amb càncer. Això ho diuen investigadors nord-americans. Que han treballat un estudi i els resultats preliminars d'aquest estudi, d'aquesta recerca, s'acaben de publicar a la revista mèdica britànica de l'Anset Digital Health. Londres, Quim Olivares, bona nit. Hola, bona nit. Quins detalls tenim d'aquesta investigació?

A veure, els investigadors han desenvolupat dues eines que analitzen trets facials, entrenades amb més de 40 milions de fotos de persones sanes i prop de 35.000 fotos també, però de pacients amb càncer. La primera eina calcula l'edat biològica, que pot coincidir amb la del naixement o no, I la segona estima l'esperança de vida de pacients oncològics, les dues analitzant les fotos de la cara. La segona eina se centra en l'anàlisi en concret de la fotografia, però de la zona de sota els ulls, de les cares, i la del voltant del pont del nas, que també toca els ulls. Aquestes dues parts són les claus per analitzar aquesta segona eina que comentava.

Entenc que aquí és on treuen la informació insensible, d'acord. Els investigadors han explicat si ja es pot fer servir en entorns hospitalaris?

Sí, ho han explicat i diuen que encara falta molt perquè es pugui fer servir als hospitals, però sí que tenen clar l'objectiu a llarg termini, que és ajudar els metges a recomanar els tractaments més adequats per als pacients. L'investigador principal de la recerca és l'oncòleg Raymond Mack, de Boston, als Estats Units. Ha explicat que els calen mètodes més eficaços per estimar la reserva física i la fragilitat abans de recomanar tractaments més o menys invasius contra el càncer i que en cap cas l'eina que estem parlant podria substituir el facultatiu que prendria la decisió final basant-se també en altres elements, no només en aquesta foto que comentava.

Esclar, de cop ens vénen moltes preguntes per resoldre. No sé si ja sabré respondre. No, no, ja ho sabem. Això s'assenyeix a la informació que publica The Lancet. Però, per exemple, si l'eina es basa en una fotografia de la cara, ¿dependrà de com es faci perquè sigui fiable?

A veure, els investigadors subratllen que l'eina és prou fiable malgrat les possibles variacions que comentaves. Clar, depèn de la postura, no? Jo puc estar, doncs, potser en un angle diferent que tu, quan et fas una foto. La il·luminació també, no és el mateix la il·luminació del dia que de la nit. L'expressió facial, també. O si, per exemple, algú porta maquillatge. Ells diuen que és prou fiable malgrat aquestes variants. Admeten que encara es troben en una fase de desenvolupament molt inicial i que els calen moltes més dades i especialment moltes més fotografies de rostres i especialment fotografies d'una gran varietat de grups ètnics. Malgrat haver fet fotos a 40 milions de persones, ells admeten que cal buscar ètnies diferents per trobar, doncs, finalment, aquesta varietat de fotografies per determinar l'eficàcia final d'aquesta eina d'intel·ligència artificial.

Ja hem dit al principi que estem parlant de resultats preliminars d'aquesta recerca, que són molt interessants, però que deixen en l'aire encara tots aquests interrogants. Gràcies, Quim Olivares, en directe des de Londres. Vinga, bona nit. A aquesta hora podem saludar Oriol Estrada, ell és metge internista i director d'estratègia assistencial i innovació de l'Hospital Germans Trias, a l'Hospital de Can Ruti, i a la vegada és president de la Comissió d'Intel·ligència Artificial del centre. Bona nit, Oriol Estrada. Bona nit i encantat de ser amb vosaltres. Gràcies. Què li sembla el resultat d'aquesta investigació que ara explicàvem?

Bé, doncs, com bé ha dit en Quim Olivares, és un avenç prometedor i és un pas més amb l'avenç cap a implantar una tecnologia que és imparable, però que, com també bé ha dit, queda lluny de poder-se aplicar a la clínica. És a dir, hem d'anar generant passes per millorar aquests models. I deixeu-me que faci una comparació per una mica manifestar on ens trobem. Una cosa és la competència tecnològica. Jo puc tenir una eina, un software, un algoritme que és eficient detectant una tasca, quins patrons trobo a la cara de determinades persones. L'altra és l'eficiència diagnòstica. Jo soc útil per diagnosticar una determinada edat o un determinat risc de mortalitat. I per últim hi ha una molt important, que és quin resultat es treu d'això. És a dir, quin benefici treu el malalt d'aquest diagnòstic o d'aquesta eina. En aquest cas ens trobem entre la primera i la segona etapa. Falten anys perquè això tingui una aplicació pràctica real, però és un pas indispensable endavant.

Una de les coses que ens ha sorprès o que ens ha cridat l'atenció és que l'estudi es fixa segurament en aquelles coses que també d'una persona ens criden l'atenció. Quan diem fa'm la cara, al voltant dels ulls, tota aquesta zona deia, al voltant dels ulls, al voltant del pont del nas que toca els ulls. Vostès en una consulta també es fixen en aquests detalls de la cara? És correcte.

De fet, per fer una petita broma, i em permetran els col·legues que exageraré una mica, però és cert, quan estudiem la carrera se'ns explica una cosa que es diu la facies hipocràtica, que vol dir la cara hipocràtica, amb característiques hipocràtiques, que és un patró d'agonia o de molt mal pronòstic a curt termini. És just la descripció, o molt semblant a nivell extrem de la descripció facial que fa d'article. Nas afilat, palidesa, esborrament o enfonsament de les galtes, dels malars, ulls enfonsats, llavis secs i també pàl·lids. Això ho va descriure Hipòcrates fa 2.400 anys. És a dir, parlar de patrons facials, evidentment que es fa servir. Una de les nostres eines més importants i que no hem de perdre, precisament els metges, a la pràctica clínica és la semiologia, saber observar i saber identificar aquests patrons. El que té de rellevant és que la intel·ligència artificial ens permet trobar associacions que són absolutament indetectables a la vista de l'ull humà.

Esclar, aquí també la qüestió serà com de determinant pot arribar a ser saber la supervivència o el risc que la cosa es compliqui en un tractament. És a dir, com els pot arribar a futur, estem parlant, però condicionar a l'hora de plantejar un tractament. No sé si els ajuda a prendre una decisió o una altra.

Segur, segur. De fet, hem de tenir en compte que la majoria d'equipaments complexes que es fan servir avui en els establiments sanitaris, el TAC, els electrocardiogrames, qualsevol màquina, una màquina de respiració, de ventilació assistida, totes aquestes màquines ja fan servir algoritmes d'aquest tipus que no ens identifiquen o no treballen per elles mateixes, però sí que ens donen suport per adaptar la resposta o els patrons que hem de funcionar. Per tant, torno a insistir en aquesta frase que us deia al principi, o en aquestes tres coses, el que hem d'aconseguir és que aquests algoritmes, quan els tinguem prou afiançats i prou consolidats, ens serveixin per millorar el diagnòstic, no per substituir la feina diagnòstica, sinó per millorar-la i tenir més rendiment i ser més fiables. Perquè, esclar, amb quines eines treballen, per exemple, ara ja? Doncs ara jo crec que hi ha tota una oclusió de models basats en intel·ligència artificial. Aquí a Catalunya crec que som particularment inquiets i productius i a més és bo que en els hospitals, en els centres de salut, en els centres d'investigació intentem generar aquesta detecció de patrons visuals, això es fa en machine learning, el que és també la intel·ligència artificial generativa, aquests models. Del Large Language Model, de l'LLM, que són el chat GPT, etcètera, etcètera, per entendre'ns, que ens serveixen precisament per interpretar text, per generar determinades respostes, per triar informació relevant, i altres, com podrien ser els bessons digitals, que també ens permeten simular en condicions, diguéssim, in silico, en un model matemàtic, condicions d'un organisme, en aquest cas no arribem als organismes humans, però sí que podem arribar a òrgans concrets, i poder simular si fem una determinada intervenció, si simulem un empitjorament en aquest òrgan, com respon. Això és un futur que està arribant, que està evolucionant més a més i que ens permet millorar molt aquesta resposta. Encara no hi és, però ho tenim a tocar. A tocar amb anys, però ho tenim a tocar.

Que interessant, perquè efectivament és molt esperançador. Ara, no sé, doctor, si és molt difícil després la gestió diària de batallar amb el doctor Chachipiti. El doctor Chachipiti que portem a vegades els pacients sota el braç.

Jo us diria una. És veritat, eh? I, a més, crec que tenim una col·lusió, com deia abans, tecnològica, hem d'aprendre a viure amb ella i hem d'aprendre a aprofitar-la per millorar les nostres condicions. En aquest cas, per millorar la qualitat d'atenció que donem als sanitaris, no pas per guanyar minuts i veure més malalts, sinó simplement perquè aquests malalts que veiem els veiem millor i mirant-los a la cara perquè els puguem assessorar en la informació que recullen i puguem compartir amb ells, ser una medicina més compartida, perquè sí que és veritat que hi ha el gran risc que aquest malalt que ve informat amb el doctor Google o ara és el doctor ChatGPT, doncs realment tenim el risc que no interpreti bé aquella informació, que la informació que ha utilitzat no sigui específica i creïble, i per tant hem d'arribar a aconseguir un grau de maduresa en el qual aquesta medicina compartida de decisions, cada malalt és un món i cada malalt té unes circumstàncies, pugui ser feta entre el sanitari i el malalt. No el malalt, per una banda, i el metge, que encara que no us ho penseu, també a vegades treballa d'amagat amb la seva pantalla d'ordinador, amb el doctor Gpt per ajudar-lo a contestar o contraatacar allò. Hem de fer que això sigui una sinergia i que tot serveixi per millorar la qualitat de l'atenció que donem, no pas per substituir-la. Ostres, que està clar de ser.

Ha d'anar d'aquesta manera. Agraïm moltíssim Oriol Estrada, metge internista, director d'estratègia assistencial i innovació de Can Ruti, president també de la Comissió d'Intel·ligència Artificial de l'Hospital. Moltíssimes gràcies per atendre'ns. Un plaer, gràcies a vosaltres.