Google democratiza el uso de su Medical Imaging Suite

El proceso que hay detrás de estas aparentemente sencillas utilidades, es tremendamente complejo. Supone, en primer lugar, adiestrar a los sistemas informáticos para que interpreten imágenes, que en su esencia más básica no dejan de ser un archivo compuesto por puntos de información. Para que un ordenador pueda “ver” la foto no por lo que es -bytes y píxeles- sino por lo que representa -objetos, paisajes, personas-, se necesita un tipo especial de adiestramiento, basado en redes neuronales, y desarrollado mediante millones de pruebas realizadas previamente con otras imágenes que son validadas de acuerdo con determinados criterios interpretativos. 

Este tipo de tecnologías, como hemos mencionado en varias ocasiones en esta sección, tiene muchísimas aplicaciones en medicina. Especialmente en las áreas de la radiología y la anatomía patológica, por su orientación hacia el diagnóstico por la imagen. La metodología no difiere de la que contienen las aplicaciones antes mencionadas: someter una imagen a un análisis algorítmico, y extraer información cualitativa sobre qué es lo que contiene. En el área sanitaria esto podría suponer detectar anormalidades y poderlas clasificar con criterios clínicos. Eso es justamente lo que representa el uso de la IA en el área de la imagen médica. 

En efecto, Google ha trabajado en este campo mediante esta aproximación metodológica, pero apoyado además en su capacidad de procesamiento en la nube (cloud). Realizar los análisis en grandes servidores permite aplicar mayor potencia de cálculo, escalar sus capacidades y, además, mantener vivo el adiestramiento para que nuevas imágenes constituyan la enseñanza del algoritmo. 

De ahí que este gigante tecnológico, por la confluencia de sus desarrollos en IA y en sistemas cloud, sea quien más ha podido avanzar en esta materia. A lo largo de los últimos años, varias filiales de Alphabet (la empresa matriz de Google), han presentado aproximaciones muy relevantes con casos de uso, por ejemplo, en oftalmología (para el diagnóstico de la retinopatía diabética), neumología (para interpretar posibles neoplasias de pulmón) o urología (en busca del adenoma de próstata), aportando sistemas de apoyo al diagnóstico que en ocasiones superan los estándares de fiabilidad del ojo humano.

Lo que ahora acaba de anunciar Google es que se dispone a poner a disposición de las organizaciones sanitarias y centros de investigación clínica su experiencia, herramientas y tecnologías de análisis de imágenes, en lo que ya es un paso claro desde los modelos experimentales hasta lo que a partir de ahora constituye un producto comercializable y escalable.

¿Qué recursos se ofrecen?

Medical Imaging Suite de Google Cloud es el nombre de la plataforma que acaban de crear para abrir su tecnología a un uso más amplio, democratizando su alcance en la idea de hacer que el diagnóstico de imagen basado en la IA sea más accesible.

El Medical Imaging es, en efecto, una suite, un conjunto de herramientas agrupadas. La principal de ellas se basa en el análisis de imágenes mediante IA, especializada en diagnóstico médico. Google ha contado que aproximadamente el 90% de todos los datos que se generan en un hospital tipo corresponden precisamente a pruebas de imagen, y que el problema que tienen los médicos es que su nivel de complejidad requiere de mucha experiencia para valorar si el paciente padece algún tipo de enfermedad. Hasta ahora, eso siempre se ha valorado mediante la experiencia humana. Como resultado, radiólogos y otros profesionales se enfrentan a una considerable carga de trabajo.

Lo que quiera hacer Medical Imaging Suite de Google Cloud es cambiar esto mediante la utilización de algoritmos de inteligencia artificial para escanear imágenes médicas y proporcionar impresiones diagnósticas más rápidas y precisas, que luego el profesional deberá verificar. De esta manera, se podría incrementar la capacidad asistencial sin incrementar las demoras y mejorando los tiempos de acceso y de obtención de resultados de los pacientes.

La oferta de esta tecnología está pensada para dar respuesta a esos cuellos de botella que a menudo impiden que las organizaciones dedicadas a la asistencia sanitaria, tanto en primaria como en especializada, hayan podido incorporar antes herramientas basadas en la IA. 

Junto con la fase de análisis, la suite añade determinadas herramientas de anotación basadas en listas inteligentes, que pueden aliviar las tareas manuales repetitivas, como etiquetar imágenes médicas. También hay otros servicios -como los llamados BigQuery y Looker, creados igualmente por Google-, que se pueden utilizar para buscar en librerías compuestas por petabytes de imágenes, para que el usuario puede ejecutar análisis comparativos avanzados, o incluso usarlos para crear conjuntos de datos de entrenamiento de nuevos modelos de IA.

Hay también un módulo llamado Imaging AI Pipelines que permite diseñar con relativa facilidad modelos de aprendizaje automático escalables, basados en IA pero con mínimos requerimientos de conocimientos de codificación o programación.

Según Google, Medical Imaging Suite es estricta en garantizar la privacidad y la seguridad de los datos de imágenes. La suite aprovecha la interfaz de programación de aplicaciones Cloud Healthcare de Google para proporcionar un intercambio seguro de datos sobre el estándar DICOMweb, específico para transferencias de imágenes. La API de Cloud Healthcare es, además, un entorno de desarrollo que ofrece compatibilidad automatizada con DICOM.

Toda la suite de imagen médica es una herramienta de pago, aunque no se conocen las tarifas o los esquemas de precios mediante los que se podrá acceder a ella. Google ofrece múltiples opciones de integración de su Medical Imaging Suite dentro de los sistemas hospitalarios, desde un uso en la nube, hasta la posibilidad de instalar emuladores de su tecnología en los propios servidores de los hospitales o centros de primaria. Esta flexibilidad facilita que sus posibles clientes puedan cumplir con sus propios requisitos de seguridad, privacidad y soberanía de datos.

El cambio que puede suponer para el funcionamiento sanitario la democratización de estos sistemas de análisis de imagen es muy considerable. En la actualidad, diversos planes de mejora se están basando en la oportunidad de dotar da más medios diagnósticos a la atención primaria y la extensión de los centros de alta resolución, lo que pasa por una mejor dotación tecnológica en el área de imagen, pero también podría requerir apoyos en sistemas de análisis automatizado como este. En el futuro, nuevos modelos de inteligencia artificial podrían constituirse como partes integrales del flujo de trabajo clínico, y su agregación en herramientas de gran alcance podría facilitar que se desarrollaran con todavía mayores niveles de calidad diagnóstica y fiabilidad operativa.