El multimillonario CEO de Nvidia, Jensen Huang, ha hecho una fortuna suministrando el hardware para los algoritmos de inteligencia artificial (IA). Ahora, Huang cree que la IA está a punto de convertirse en una parte indispensable de la medicina.

A principios de la década de 1990, Huang se dio cuenta de que las limitaciones de los chips informáticos de uso general y la creciente popularidad de los videojuegos de ordenador iban a aumentar la demanda de procesadores gráficos especializados. Al final de la década de 1990 y durante la del 2000, la compañía que cofundó tuvo un gran éxito con sus chips gráficos de alta gama para los jugadores.

Hace poco, Huang y Nvidia se han subido a una ola tecnológica distinta. Se han centrado en suministrar el hardware que se utiliza para entrenar y ejecutar los algoritmos de aprendizaje profundo que han provocado el reciente renacimiento de la inteligencia artificial. El aprendizaje profundo requiere una gran cantidad de datos de entrenamiento y un potente hardware de ordenador, y los procesadores gráficos de Nvidia ofrecen el tipo justo de procesamiento paralelo capaz de hacer volar a estos algoritmos.

Ahora, Huang cree que los algoritmos de IA van a revolucionar la medicina y la atención médica. Su apuesta es que hospitales, médicos e investigadores de salud se convertirán en la próxima gran base de clientes de Nvidia. "La cantidad de datos que tiene la atención médica es enorme y es el ejemplo perfecto de datos no estructurados. Y, sin embargo, el uso computacional de esa información es bastante limitado. Un área perfecta para entrar en este sector es el diagnóstico por imagen", explica Huang a MIT Technology Review.

Cada vez más investigaciones demuestran que el aprendizaje profundo permitiría automatizar la identificación de enfermedades en imágenes médicas. Los investigadores de la Universidad de Stanford (EE. UU.) han demostrado que la técnica puede detectar el cáncer de piel en las fotos. Un equipo de Google descubrió que la tecnología también permite identificar anomalías en las radiografías de tórax. Nvidia afirma que más de la mitad de los trabajos presentados en la Conferencia Internacional sobre Computación de Imágenes Médicas e Intervención Asistida por Ordenador (el evento más importante en el campo de la imagen médica) incorporaban el aprendizaje profundo de alguna forma.

Foto: Esta visualización tridimensional de un ventrículo cardíaco se creó con el hardware de Nvidia. Crédito: Nvidia Corporation.

Nvidia ya trabaja con varias compañías que fabrican instrumentos de imágenes médicas. Huang dice que estas compañías quieren añadir más análisis computacional a sus sistemas. Y cree que debería ser posible conectar los equipos existentes a dicho sistema, de modo que las imágenes se analicen y los resultados se presenten a los técnicos y médicos.

"En el futuro, los superordenadores mejorarán estas máquinas, convirtiéndolas en instrumentos médicos modernos e increíbles, tal como lo hizo la computación en la nube con los teléfonos móviles", señala Huang.

El mes pasado, Nvidia anunció un producto que podría lograr algo parecido. Se trata de un conjunto de potentes chips de ordenador con funciones preprogramadas para realizar tareas como equipado con un software para realizar tareas como pulir imágenes por resonancia magnética y crear visualizaciones de datos de ultrasonidos. El sistema también podría dar soporte a técnicas de aprendizaje automático que permitan identificar señales de enfermedades en las imágenes.

El profesor de ciencias de la computación del Instituto Tecnológico de Massachusetts (EE. UU.) John Guttag también cree el aprendizaje automático, y en concreto el aprendizaje profundo, va a revolucionar el uso de las imágenes médicas. Sin embargo, Guttag dice que el impacto más inmediato de la IA sobre la medicina será en investigación. El experto afirma: "Habrá un cambio drástico en cómo investigamos y eso tendrá un efecto indirecto en la atención médica. Podremos analizar 20.000 escáneres de pacientes con alzhéimer y descubrir cosas que no podemos ver a simple vista".

Finalmente, considera que la tecnología terminará en hospitales y clínicas, pero cree las cosas están avanzando muy despacio. Puede ser difícil conseguir que los médicos y los pacientes acepten el diagnóstico de una IA si el sistema no ofrece recomendaciones o una buena explicación de cómo ha llegado a su conclusión, señala Guttag. Muchos modelos de aprendizaje automático, especialmente de aprendizaje profundo, son difíciles de interrogar (ver El secreto más oscuro de la inteligencia artificial: ¿por qué hace lo que hace?).

Pero a pesar de estos retos, cada vez más empresas están intentando convertir los avances de la investigación en herramientas clínicas. La Administración de Alimentos y Medicamentos de los EE. UU. ya aprobó algunas técnicas de IA para uso clínico, incluida una tecnología que identifica señales de retinopatía diabética en imágenes retinianas, un producto para reconocer signos de accidentes cerebrovasculares en tomografías computarizadas y una plataforma oncológica basada en la nube.

No obstante, no es realista imaginar que mucho de lo que hacen los médicos se pueda automatizar. Los algoritmos pueden ayudarles a analizar una cantidad de datos que de otro modo sería imposible abordar, y podrían mejorar algunas formas simples de diagnóstico. Pero el pronóstico de un paciente y las opciones de tratamiento pueden depender de una amplia gama de factores, incluido el historial médico único de cada persona. Hacer juicios bajo estas circunstancias es mucho más desafiante para una máquina.

Independientemente de los desafíos, las oportunidades para Nvidia son demasiado buenas para ignorarlas. El profesor de la Facultad de Medicina de la Universidad de California en San Francisco (UCSF, en EE. UU.) Atul Butte, experto en el uso de la tecnología en el cuidado de la salud, opina que es inevitable que los hospitales inviertan más en el hardware necesario para ejecutar algoritmos de aprendizaje profundo. Butte sentencia: "Hay profesores en la UCSF y en otros lugares que ya están usando placas y equipos de Nvidia para entrenar modelos de aprendizaje profundo en imágenes médicas, que incluyen mamografías, ultrasonidos y más".