Google entrena máquinas para predecir cuándo morirá un paciente

Una mujer con cáncer de mama en etapa avanzada llegó al hospital de una ciudad. La examinaron dos médicos y le tomaron algunas radiografías. Los computadores del hospital leyeron sus signos vitales y calcularon un 9,3% de probabilidades de que muriera durante su estadía.

Luego le tocó a Google. Un nuevo tipo de algoritmo creado por la compañía estudió a la mujer –en total, 175.639 puntos de datos– y evaluó su riesgo de muerte: 19,9%. Ella falleció en cuestión de días.

El desgarrador relato de la muerte de la mujer no identificada fue publicado por Google en mayo, en una investigación que destaca el potencial para el cuidado de la salud de las redes neuronales, una forma de software de inteligencia artificial que es particularmente bueno usando datos para aprender y mejorar automáticamente.

Google había creado una herramienta que podría pronosticar una serie de resultados para los pacientes, como cuánto tiempo pueden permanecer las personas en los hospitales, sus probabilidades de volver a ingresar y las posibilidades de que mueran pronto.

Lo que más impresionó a los expertos médicos fue la capacidad de Google para examinar datos que antes estaban fuera de su alcance: notas enterradas en archivos PDF o garabateadas en gráficos antiguos. La red neuronal engulló toda esta información ingobernable y luego escupió predicciones. Y lo hizo mucho más rápido y con mayor precisión que las técnicas existentes. El sistema de Google incluso mostró qué registros lo llevaron a conclusiones.

Salvar vidas

Los hospitales, los médicos y otros proveedores de atención médica llevan años intentando utilizar mejor los registros de salud electrónicos y otros datos de pacientes. Más información compartida y resaltada en el momento correcto podría salvar vidas, y al menos ayudar a los trabajadores médicos a dedicar menos tiempo a llenar documentación y más a la atención del paciente. Pero los métodos actuales de extracción de datos de salud son costosos, engorrosos y lentos.

Hasta el 80% del tiempo pasado en los modelos predictivos actuales se dedica al ‘trabajo sucio’ de hacer que los datos sean presentables, dijo Nigam Shah, profesor asociado de la Universidad de Stanford, quien es coautor del trabajo de investigación de Google, publicado en la revista académica Nature.

El siguiente paso de Google es trasladar este sistema predictivo a las clínicas, dijo el jefe de inteligencia artificial, Jeff Dean, a Bloomberg News en mayo.