Por: Desney Tan, vicepresidente y director general, Microsoft Health Futures.
La aparición de modelos de IA a gran escala cada vez más capaces, como el GPT-4 lanzado de manera reciente, es uno de los avances más significativos en informática en décadas. Estas innovaciones transforman con rapidez todos los aspectos del valor que obtenemos de la tecnología, como lo demuestra la integración de Microsoft de GPT-4 en Bing, Edge, Microsoft 365, Power Platform, GitHub y otras ofertas. De manera más reciente, Nuance ha anunciado DAX Express, que utiliza una combinación única de inteligencia artificial conversacional, ambiental y generativa para redactar en automático notas clínicas después de las visitas de los pacientes, lo que ayuda a reducir las cargas cognitivas de los proveedores de atención y aumenta la alegría de practicar la medicina (mientras libera tiempo para la atención).
Estamos en un punto de inflexión para el uso de la IA en el cuidado de la salud, uno de los sectores más críticos de la sociedad. La importancia de este momento se refleja en el artículo reciente de Peter Lee en el New England Journal of Medicine sobre las posibles aplicaciones clínicas futuras de GPT-4. En la organización Health Futures de Microsoft Research, el grupo multidisciplinario dedicado al descubrimiento en este espacio, vemos esto como la continuación de un recorrido y un hito importante en el largo proceso de innovación para ayudar a abordar los mayores desafíos en el cuidado de la salud.
En este blog, compartiremos parte del trabajo de nuestro equipo de investigación para hacer que la atención médica sea más basada en datos, predictiva y precisa; en última instancia, empoderar a todas las personas del planeta para vivir un futuro más saludable.
Habilitación de la medicina de precisión y la atención conectada
Hoy estamos en un momento único en la historia donde la medicina, la biología y la tecnología convergen a gran escala. Esto presenta inmensas posibilidades para revolucionar la atención médica y la práctica de la medicina con la ayuda de una IA confiable. Si bien aceptamos el potencial de la IA, entendemos que la práctica de la medicina es un intrincado equilibrio de «arte» y «ciencia». Reconocemos y honramos la duradera relación médico-paciente, que es fundamental y atemporal. Nuestro diverso equipo está compuesto por investigadores, científicos, ingenieros, biotecnólogos, diseñadores, científicos sociales, estrategas, expertos en atención médica y profesionales médicos que colaboran de manera global e inclusiva para reinventar y transformar las vidas de los pacientes y el público al que servimos.
Al considerar cómo las tecnologías han dado forma a la práctica de la medicina a lo largo de los siglos, desde el nivel individual hasta el del ecosistema, recordamos que ninguna tecnología existe en el vacío. Nuestra comprensión básica de los sistemas biológicos evoluciona con rapidez y, con ella, nuestra comprensión de qué tecnologías son relevantes y útiles. De manera simultánea, el uso de la tecnología en las industrias de la salud y las ciencias de la vida, y la forma en que se brinda la atención médica, también cambian con rapidez, lo que remodela nuestro modelo tradicional de prestación de atención médica de uno de diagnóstico y tratamiento, a uno que prioriza la prevención y la atención individualizada precisa.
Los avances recientes en el aprendizaje automático y la inteligencia artificial han impulsado las tecnologías computacionales que nos permiten agregar entradas complejas de múltiples fuentes de datos, con el potencial de obtener conocimientos valiosos que expanden con rapidez nuestra base de conocimientos e impulsan un descubrimiento más profundo y una innovación más rápida. Al mismo tiempo, se mantiene como una pregunta abierta el cómo usar y regular mejor estas tecnologías en entornos del mundo real y a escala en la atención médica y las ciencias de la vida. No obstante, creemos que estamos en camino de cumplir el objetivo de la medicina de precisión: un cambio en la práctica clínica que será posible gracias a los diagnósticos de precisión, la terapia de precisión y las tecnologías de atención conectada.
Para lograr este objetivo, buscamos colaborar con organizaciones de ciencias de la vida y de la salud con un apetito similar por la transformación, experiencia complementaria y un compromiso para impulsar el cambio requerido. También estamos comprometidos con la comunidad en general en la búsqueda del uso responsable y ético de la IA en el cuidado de la salud. Nuestro diverso equipo ha logrado cerrar la brecha entre los campos de la medicina, la biología y la química, por un lado, y la informática, por el otro. Actuamos como “traductores” entre estos campos y, a través de un proceso de colaboración y retroalimentación constante, hemos descubierto nuevos desafíos y soluciones innovadoras.
A continuación, se muestran algunos ejemplos de nuestro enfoque de investigación colaborativa:
Explorar herramientas de diagnóstico a partir de nuevas modalidades
Modelos básicos multimodales para la medicina: un ejemplo de la radiología
El campo de la biomedicina implica una gran cantidad de datos multimodales, como imágenes de radiología e informes basados en texto. La interpretación de estos datos a escala es esencial para mejorar la atención y acelerar la investigación. Los informes de radiología a menudo comparan imágenes actuales y anteriores para realizar un seguimiento de los cambios en los hallazgos a lo largo del tiempo. Esto es crucial para la toma de decisiones, pero la mayoría de los modelos de IA no tienen en cuenta esta estructura temporal. Exploramos un marco autosupervisado novedoso que entrena modelos de visión y lenguaje de manera previa, a través de pares de informes y secuencias de imágenes. Esto incluye el manejo de imágenes faltantes o desalineadas y la explotación de información temporal para aprender de manera más eficiente. Nuestro enfoque, llamado BioViL-T, logra resultados de última generación en varias tareas posteriores, como la generación de informes y la interpretación de la progresión de la enfermedad centrándose en regiones de imágenes relevantes a lo largo del tiempo. BioViL-T es parte de la colaboración continua con nuestros colegas de Nuance para desarrollar soluciones de inteligencia artificial escalables y flexibles para radiología que pueden empoderar a los proveedores de atención y aumentar los flujos de trabajo existentes.
Proyecto InnerEye: Democratización de la IA de imágenes médicas
Project InnerEye es un proyecto de investigación que explora formas en las que el aprendizaje automático tiene el potencial de ayudar a los médicos a planificar tratamientos de radioterapia para que puedan pasar más tiempo con sus pacientes. Project InnerEye ha trabajado en estrecha colaboración con la Universidad de Cambridge y el Fideicomiso de la Fundación NHS de los Hospitales de la Universidad de Cambridge para avanzar en este problema a través de una colaboración de investigación profunda. Para que nuestra investigación sea lo más accesible posible, lanzamos InnerEye Deep Learning Toolkit como software de código abierto. Cambridge University Hospitals NHS Foundation Trust y University Hospitals Birmingham NHS Trust lideraron un premio NHS AI in Health and Care para evaluar cómo esta tecnología podría, de manera potencial, ahorrar tiempo a los médicos, reducir el tiempo entre la exploración y el comienzo del tratamiento, y escalar esto a más NHS Trusts. Cualquier uso clínico de los modelos de aprendizaje automático de InnerEye sigue sujeto a la aprobación reglamentaria.
Inmunómica: decodificar el sistema inmunológico para diagnosticar enfermedades
El sistema inmunológico humano es un asombroso motor de diagnóstico, adaptándose de manera continua para detectar cualquier señal de enfermedad en el cuerpo. En esencia, el estado del sistema inmunológico cuenta una historia sobre casi todo lo que afecta la salud de una persona. ¿Y si pudiéramos “leer” esta historia? Nuestra comprensión científica de la salud humana sería bastante más avanzada. Más importante aún, esto proporcionaría una plataforma para una nueva generación de diagnósticos médicos precisos y opciones de tratamiento. Nos asociamos con Adaptive Biotechnologies para desarrollar las herramientas de aprendizaje automático y biotecnología que nos permitirán hacer realidad este sueño.
Avances fundamentales hacia nuevos medicamentos y terapéuticas
Ingeniería de proteínas
Varios grupos de investigación profundizan en el potencial del aprendizaje automático para mejorar nuestra comprensión de las proteínas y su papel fundamental en varios procesos biológicos. También utilizamos IA para diseñar nuevas proteínas para la industria y la terapéutica. Al aplicar el aprendizaje automático para extraer patrones de bases de datos de secuencias, estructuras y propiedades, Microsoft espera entrenar modelos que puedan hacer que la ingeniería de proteínas mediante evolución dirigida sea más eficiente y generar proteínas de manera directa, que realizarán las funciones deseadas. La capacidad de generar estructuras de proteínas distintas a nivel computacional, pero viables, es bastante prometedora para descubrir nuevos conocimientos biológicos y desarrollar terapias dirigidas para enfermedades intratables con anterioridad.
Investigación del microambiente del cáncer a través de la investigación ex vivo
Microsoft trabaja en formas de identificar características específicas de las células cancerosas y sus microambientes circundantes que podrían ser objeto de tratamiento. Al estudiar cómo las células cancerosas y su entorno interactúan entre sí, el equipo tiene como objetivo crear un enfoque más preciso para el tratamiento del cáncer que tenga en cuenta tanto los factores genéticos como los no genéticos.
Acelerar la investigación biomédica
Microsoft y Broad Institute, que combinan su experiencia en genómica, investigación de enfermedades, computación en la nube y análisis de datos, están en el proceso de desarrollo de una plataforma de código abierto para acelerar la investigación biomédica a través de herramientas analíticas escalables. La plataforma se basa en la plataforma Terra de Broad Institute y proporciona una interfaz fácil de usar para acceder y analizar datos genómicos. Al aprovechar los servicios de computación en la nube Azure de Microsoft, la plataforma permitirá el almacenamiento seguro y el análisis de grandes conjuntos de datos. Además, la plataforma incorporará aprendizaje automático y otras herramientas analíticas avanzadas para ayudar a los investigadores a obtener información sobre enfermedades complejas y desarrollar nuevos tratamientos.
Avances en la interpretación y exploración clínica a través de modelos de lenguaje multimodal
En la búsqueda de la medicina de precisión y la aceleración del descubrimiento biomédico, Microsoft está comprometido con el avance del procesamiento del lenguaje natural (Natural Language Processing – NLP, por sus siglas en inglés) biomédico. Un factor crucial en los sistemas de salud orientados al futuro y basados en datos es la accesibilidad y la interpretabilidad de la información de salud multimodal. Para satisfacer esta necesidad, Microsoft ha sentado una base sólida a través de múltiples modalidades en PNL biomédica, basándose en nuestros activos de investigación profunda en aprendizaje profundo y lectura automática biomédica.
Un logro significativo es nuestro desarrollo y aplicación de modelos de lenguaje extenso (Large Language Models – LLM, por sus siglas en inglés) en biomedicina. Microsoft fue uno de los primeros en crear y evaluar la aplicabilidad de LLM, como PubMedBERT y BioGPT, que son muy efectivos para estructurar datos biomédicos. Sin embargo, para abordar las limitaciones inherentes de los LLM, Microsoft ha comenzado a desarrollar métodos para enseñarles a verificar los hechos por sí mismos y proporcionar una procedencia detallada. Además, Microsoft explora formas de facilitar la verificación eficiente con humanos en el circuito.
Además del texto, otras modalidades, como imágenes de radiología, diapositivas de patología digital y genómica, contienen información valiosa sobre la salud. Microsoft desarrolla métodos de fusión y aprendizaje multimodal que incorporan estas modalidades. Estos métodos incluyen la predicción de la progresión de la enfermedad y la respuesta a los medicamentos, con el objetivo final de brindar atención médica segura y de alta calidad.
Los datos de observación en biomedicina a menudo están plagados de factores de confusión, lo que dificulta establecer relaciones causales. Para superar este obstáculo, Microsoft desarrolla métodos causales avanzados que corrigen los sesgos implícitos y escalan los descubrimientos biomédicos. Estos métodos permitirán a Microsoft aprovechar la evidencia del mundo real y contribuir a la creación de sistemas de prestación de atención médica más efectivos. Para nuestras aplicaciones biomédicas de un extremo a otro, hemos logrado avances emocionantes en colaboraciones profundas con socios de Microsoft como The Jackson Laboratory y Providence St. Joseph Health.
Impulsar a todos para vivir un futuro más saludable
Microsoft ha realizado investigaciones interdisciplinarias que permiten a las personas alcanzar el máximo potencial de su salud durante muchos años, pero nunca hemos estado más entusiasmados con las posibilidades que ahora. Los últimos desarrollos en IA nos han inspirado para acelerar nuestros esfuerzos en estos y muchos otros proyectos, y esperamos aún más innovación y colaboración en esta nueva era.