Un sistema basado en inteligencia artificial, llamado “Machine Learning“ es capaz de predecir la compatibilidad entre donantes y receptores de órgano. Fue creado por María Pérez Ortiz, quien realiza actualmente una investigación postdoctoral en la Universidad de Cambridge (Reino Unido).

Tiene tan solo 27 años y ya es reconocida como una experta del aprendizaje automático. María Paz Ortiz, junto a un grupo de investigadores del Hospital Reina Sofía de Córdoba, España, estan desarrollando un modelo que podría revolucionar el sistema de trasplantes. Basado en inteligencia artificial, el modelo matemático sería capaz de predecir la compatibilidad entre donantes y recpetores de orgános para un trasplante hepático.

Con una precisión del 76%, se diferencia de otros modelos porque, además de tener en cuenta la gravedad de los receptores, incluye otras variables como el índice de masa corporal, el tiempo de refrigeración del órgano, si el injerto es completo o parcial o si el donante o el paciente padecen enfermedades como la diabetes o la hepatitis.

En la actualidad, María Paz se encuentra expandiendo sus conocimientos y realizando investigaciones en la Universidad de Cambridge, Reino Unido. Desde allí explica a SaluDigital el potencial que tiene el machine learning en el ámbito sanitario y repasa sus principales investigaciones hasta el momento.

¿Por qué su proyecto puede suponer un antes y un después en el modelo de trasplantes español? 

Se trata de un proyecto, como se puede observar, ambicioso, pero con resultados prometedores. La compatibilidad donante-receptor es un concepto complejo y difícil de generalizar. Si bien es cierto que todos los trasplantes que se consideran son compatibles en el estricto sentido médico, nosotros modelamos esta compatibilidad usando la supervivencia del injerto a distintos umbrales temporales, de forma que un trasplante que presente la mayor probabilidad de supervivencia del injerto es preferido por el sistema.

El objetivo principal de este proyecto es crear un modelo matemático que prediga dicha supervivencia a partir de una base de datos de trasplantes realizados con anterioridad, mediante el uso de la ciencia de datos o aprendizaje automático. Las variables de entrada incluyen características del donante, del receptor y de las condiciones en las que se realiza el trasplante.

¿Sólo con los datos de los pacientes y sus algoritmos ya es posible predecir la compatibilidad con una alta precisión?

Sí, este tipo de métodos aprenden de los datos, de ahí el nombre de aprendizaje automático. Siempre que las variables recogidas tengan relación con la variable que intentamos predecir, será posible, con una cierta precisión, crear un modelo de predicción para nuestro problema.

Para ello utilizarán una aplicación móvil, ¿qué aporta este elemento?

La app que se ha creado recoge los datos de los donantes y hace el emparejamiento con el receptor que, siendo de los más graves en la lista de espera, presenta la mejor compatibilidad con el órgano. La app conecta con un servidor donde se encuentra implementado el modelo predictivo de compatibilidad, que puede ir reentrenándose según llegan nuevos datos.

Ya hay trasplantes robóticos, ¿cree que este es otro de los apartados con más potencial desde el campo de la inteligencia artificial y el machine learning?

Es cierto que se está avanzando mucho en este tema, y estoy segura de que con el paso del tiempo se podrá llegar a una gran precisión, pero de momento las técnicas de visión artificial no están preparadas (ni lo estarán en un futuro relativamente cercano) para que este tipo de aplicación se ponga en práctica sin la supervisión total de un experto.

¿Qué valor tiene en estos proyectos la aportación de los médicos u otros profesionales sanitarios?

Es imprescindible, desde luego. El valor lo dan en la mayor medida dichos profesionales sanitarios. Nosotros no podemos hacer lo que hacemos sin la ayuda y el conocimiento del experto, de igual forma que el experto quizás carezca de los conocimientos necesarios para aplicar este tipo de técnicas más específicas. Nos necesitamos unos a otros.

¿Qué retos tiene de cara al futuro? ¿Seguirá ligada a la rama de la tecnología sanitaria?

Creo que para formarme bien como científica necesito trabajar en campos diferentes durante un cierto período de tiempo. Las aplicaciones de mi área de investigación son infinitas y todas muy motivadoras, por lo que dejaré que el futuro me sorprenda.

El objetivo del proyecto en el que estoy trabajando ahora mismo es el de entender un poco mejor la visión humana para crear un modelo capaz de capturar los mecanismos de adaptación del ojo y así representar mejor imágenes o video en cualquier tipo de monitor. Otros proyectos interesantes que he visto hace poco son: predicción de glucosa en sangre en personas con diabetes para crear un páncreas artificial, reconocimiento de patrones cerebrales para conseguir mover un brazo biónico para personas con movilidad reducida, reconocimiento de sentimientos en la expresión facial de animales, o la detección de somnolencia mediante el patrón de parpadeo en conductores.