EL EXPERTO 112 NUTRICIÓN POR DR. AUGUSTO ANGUITA-RUIZ, MIEMBRO DE LA SOCIEDAD ESPAÑOLA DE NUTRICIÓN (SEÑ) - BARCELONA INSTITUTE FOR GLOBAL HEALTH (ISGLOBAL), Y POR DRA. CONCEPCIÓN M AGUILERA, MIEMBRO DE LA SOCIEDAD ESPAÑOLA DE NUTRICIÓN (SEÑ) - UNIVERSIDAD DE GRANADA Inteligencia artificial explicable para una medicina de precisión ACCEDE AL ARTÍCULO COMPLETO En los últimos años, la revolución digital y los avances en biotecnología han permitido recopilar una gran cantidad de información a través de la realización análisis moleculares de alto rendimiento (i.e., análisis pan-ómicos), análisis bioquímicos y antropométricos, así como haciendo uso de información en redes sociales y dispositivos portátiles, que proporcionan información valiosa sobre los hábitos de vida de los pacientes. La integración de toda esta información, y en especial la de los datos ómicos, es esencial para revelar patrones de interés como son los perfiles genéticos, epigenéticos, de microbiota, metabólicos, psicológicos, etc., responsables de la predisposición a diversas enfermedades o de la respuesta individual de cada paciente frente a una pauta farmacológica. Esto es la base de la conocida como ‘medicina personalizada o de precisión’, en la que distintas fuentes de información del paciente se procesan y analizan para brindar una atención médica ajustada a sus necesidades. Sin embargo, la cantidad de datos generada ha llegado a ser tan heterogénea, compleja y de tales dimensiones, que no es posible analizarla con métodos informáticos y estadísticos clásicos. Esto ha provocado que, en la actualidad, la aplicación de las técnicas de la inteligencia artificial (IA) y, en particular, del aprendizaje automático, haya experimentado un notable impulso en diversas áreas de la salud debido a su capacidad para obtener de forma automática conocimiento útil, realizar predicciones de elevada precisión y ayudar a la toma de decisiones. En algunos casos, debido a que la cantidad de información adquiere dimensiones exacerbadas, conformando lo que se conoce como big data, es incluso necesaria la utilización de técnicas especiales que permitan tratar con esa cantidad ingente de datos. Hasta la fecha, algunas técnicas de IA han demostrado ser especialmente útiles para tareas de prevención y mejora de la salud gracias a su capacidad para generar ‘predicciones clínicas’ a largo plazo con una precisión y tasa de acierto extraordinarias que antes parecían impensables1. Tal es su potencial que cada vez son más las iniciativas que proponen incorporar estas herramientas a la práctica clínica diaria a través de lo que se conoce como Sistemas de Apoyo a la Decisión Clínica (o CDSSs-Clinical Decission Support Systems, por sus siglas en inglés), que sirven como software de apoyo a la toma de decisiones en el ámbito sanitario por parte del personal médico. Ahora bien, ¿estamos realmente preparados para dar el salto hacia una aplicación médica de la IA y desplegar CDSSs en nuestros sistemas sanitarios? Entre las técnicas de IA y aprendizaje automático más prometedoras y con una mayor capacidad predictiva destacan las conocidas como ‘redes neuronales’. Estas técnicas emulan la estructura neuronal del cerebro humano y elevan su potencial al máximo exponente al construirse sobre entornos computacionales de alto rendimiento. De alguna forma, estas
RkJQdWJsaXNoZXIy NTI5ODA=