DxGPT: Un servicio basado en OpenAI o1 para ayudar a diagnosticar enfermedades raras

Hoy quería hablaros del servicio que ha empujado y puesto en producción un amigo mío, Julián Isla, que además de trabajar en Microsoft, tiene un hijo con una enfermedad de esas llamadas "raras", es decir, esas enfermedades que afectan a menos de 5 personas por cada 10.000, lo que hace que pasen siempre de refilón en la inversión en investigación que a ellas se dedica, pero que además, por poco frecuentes, se hacen difícil de diagnosticar.

Figura 1: DxGPT - Un servicio basado en OpenAI GPT4-o1

para ayudar a diagnosticar enfermedades raras

Aprovechando la llegada de los modelos de Inteligencia Artificial que hoy en día tenemos, el gran Julián Isla decidió crear un servicio, llamado DxGPT, con todos los informes sobre síntomas de estas enfermedades raras para ayudar a los médicos a pensar en ellas y enfocar las pruebas que confirmen o descarten dicha enfermedad. 

Figura 2: Contactar con Julián Isla

El servicio está basado en OpenAI o1 y ha sido creada por la Fundación 29 para, dados unos determinados síntomas de una enfermedad que el equipo médico no es capaz de descubrir, puedan tener una lista de posibles enfermedades raras para evaluar y descartar, sugeridas por DxGPT.

Figura 3: DxGPT app

El objetivo, como es diagnosticar en firme ninguna enfermedad, sino dar una lista de esas enfermedades raras que podrían coincidir con esos síntomas, para luego poder confirmar o descartar, pero por lo menos tener cerca, a tiro de Prompt, una lista de posibles enfermedades que ayude a reducir el tiempo de diagnóstico de dichas enfermedades.

Figura 4: Posibles enfermedades raras asociadas a unos síntomas dados

En el siguiente vídeo tenéis un ejemplo completo de cómo es funcionamiento, y de cómo en unos segundos puedes tener una lista de posibles enfermedades a descartar o confirmar ante unos determinados síntomas no asociados a ninguna enfermedad diagnosticada al paciente.

Figura 5: Demostración de uso de DxGPT

El servicio está ya desplegado en los Servicios de Atención Primaria de la Comunidad de Madrid, donde se ha formado a los equipos para que puedan hacer uso de ella, pero lo más impresionante es que, gracias a la tecnología de IA que tenemos hoy en día, sólo han necesitado un desarrollador y tres días de programación para conseguir tener este servicio.

Figura 6: Vídeo de presentación de DxGPT

A mí me parece un caso de uso muy útil para resolver un problema muy concreto, y quiero felicitar a Julián Isla, - como ha hecho el propio Satya Nadela - que siempre está buscando proyectos en los que poder impactar al bienestar de las personas por medio de la tecnología.

¡Saludos Malignos!

Autor: Chema Alonso (Contactar con Chema Alonso)  

Neko Health: Medicina Personalizada con Datos e Inteligencia Artificial

En los últimos años, la Inteligencia Artificial (IA) ha transformado innumerables industrias, pero pocos sectores han experimentado un impacto tan significativo como el de la salud. Desde el diagnóstico temprano de enfermedades hasta la optimización de tratamientos y la personalización de la atención médica, la IA está revolucionando la manera en que médicos, investigadores y hospitales operan.

Figura 1: Neko Health - Medicina Personalizada con Datos e Inteligencia Artificial

Gracias a su capacidad para analizar grandes volúmenes de datos con precisión, rapidez y bajo coste, esta tecnología no solo mejora la eficiencia de los sistemas de salud, sino que también salva vidas al permitir diagnósticos más certeros y tratamientos más efectivos. La pandemia de COVID-19 aceleró la adopción de IA en la detección de enfermedades, análisis de imágenes médicas y desarrollo de vacunas. De estos temas, podéis leer algunos artículos de hace tiempo que cuentan algunas historias de estos avances.

• Inteligencia artificial para la detección prematura y el tratamiento del Alzheimer
• Deep Learning para detectar COVID-19 en imágenes médicas
• Idoven: La startup que vigila la salud de tu corazón con Inteligencia Artificial
• Las limitaciones para la aplicación de Inteligencia Artificial en la salud de la FDA americana
• Inteligencia Artificial para frenar una pandemia: Análisis genómico y evaluación de fármacos

Debido a esta urgencia de necesidad, el desarrollo de la tecnología y el gran incremento en la disponibilidad de datos médicos masivos (Big Data en salud), así como la recopilación de infinitas muestras a tiempo real gracias al Internet de las Cosas Médicas (IoMT), los últimos años están siendo momentos de auge para el desarrollo sanitario movilizado por la Inteligencia Artificial. 

Figura 2: Iker Casillas y su inversión en IDOVEN

Algunas empresas en España, como es Idoven, la startup del Doctor Manuel Marina  han demostrado que la Inteligencia Artificial es fundamental para detección temprana de enfermedades cardiovasculares, y algunos inversores como es el caso de Iker Casillas o Wayra, han puesto su dinero para acelerar el crecimiento de estas compañías.

El impacto de la IA hoy en día en Salud

En la última década estamos observando que los avances en la IA han motorizado el progreso de diferentes aplicaciones sanitarias. El boom de las CNNs (Convolutional Neural Networks) y el Computer Vision ha sido clave para el avance de la radiología y el análisis de imágenes médicas, como los rayos X y las resonancias magnéticas. Google Deepmind, por ejemplo, ofrece modelos que detectan con alta precisión el cáncer de mama, enfermedades oculares y más en base a imágenes.

Por otra parte, modelos generativos como las GANs (Redes Generativas Antagónicas) y latentes como los VAEs (Variational Autoencoders) aceleran la identificación de compuestos químicos con potencial terapéutico. AlphaFold de DeepMind es un caso de éxito, prediciendo la estructura de proteínas y revolucionando la investigación farmacéutica.

Figura 4: Alpha Fold 3 por Google Deepmind

Contrario a la creencia popular, algoritmos más tradicionales de Machine Learning, como los Random Forest, se utilizan muy popularmente en diferentes aplicaciones debido a su alta interpretabilidad. Un ejemplo llamativo es IBM Watson for Genomics, que analiza el contenido genómico de los pacientes y su influencia en el desarrollo de cáncer o enfermedades neurológicas.

Pero la influencia de la IA en el sector sanitario no se queda en el análisis de datos de pacientes solamente, sino que está mejorando la optimización del sector. La disponibilidad de GPUs y TPUs más potentes y asequibles ha facilitado la implementación de modelos más complejos y su velocidad ha hecho posible la prueba de miles de conceptos antes de realizar ensayos clínicos, minimizando los costes y acelerando su desarrollo.

Algunos ejemplos de optimización de recursos implementados son el uso de Redes Bayesianas para la asignación de habitaciones en hospitales, o el uso de chats médicos basados en LLMs que dirigen la asistencia sanitaria.

Neko Health: Medicina personalizada

Neko Health, la empresa cofundada por el CEO de Spotify Daniel Ek, promete detectar fases tempranas y prevenir enfermedades mediante la fusión de software y hardware avanzado.

Figura 5: Fundadores de Neko Health, CEO Hjalmar Nilsonne y Daniel Ek

Sus instalaciones en Estocolmo y Londres te permiten viajar al futuro. Con 70 sensores que te realizan un escaneo full-body, son capaces de extraer millones de datos acerca de tu salud cardiovascular, niveles de glucosa y colesterol y el estado de piel de manera no invasiva. Obtienes un análisis profundo sobre el estado de tu salud y su proyección a futuro en base a tus hábitos en menos de una hora.

El objetivo de Neko es enfocar la salud desde el punto de vista preventivo, monitorear los datos del paciente para poder hacer seguimientos exhaustivos durante los años de la evolución de su salud y ofrecer recomendaciones médicas inmediatas, evitando los largos periodos de espera para conocer los resultados. Aunque su objetivo es ofrecer los datos médicos a un coste virtualmente bajo y en un tiempo ínfimo, actualmente se acercan bastante a esta proyección. En 15 minutos, capturan 15 GB de datos de salud a un coste relativamente bajo.

Figura 6: Escaneo de microcirculación por Neko Health

¿Pero cómo pretenden prevenir enfermedades antes de que se desarrollen? Neko investiga métodos y tecnologías basadas en la detección de la alteración o pérdida de funciones biológicas, en contraste a la detección de sintomatología desarrollada por causa de la enfermedad ya existente. Esto permitirá a los pacientes ir un paso por delante de su salud y parar el desarrollo de enfermedad antes de que el daño comience a ocurrir. Su análisis se basa en diferentes pasos. 

Fases del escaneo

La primera fase consiste en la recolección de datos haciendo un escaneo de toda tu piel. Toman imágenes de alta resolución y a partir de estas modelan una imagen digital de tu cuerpo con marcadores sobre su forma, la piel y la distribución de temperatura usando métodos de Computer Vision.

La segunda fase del escaneo mide tu salud cardiovascular usando aparatología médica en 7 puntos diferentes de cuerpo, analizando tu pulso y cómo se mueve la sangre por el sistema arterial, lo cual les permite conocer la distribución de tu sistema sanguíneo. También analizan la microcirculación, que ocurre en los vasos sanguíneos más pequeños del cuerpo y está altamente relacionada con el desarrollo de problemas de salud. Finalmente, toman una muestra de sangre de la cual pueden extraer más perspectivas.

Figura 7: Modelo Virtual extraído en las instalaciones de Neko

Todos los datos recopilados son analizados en base a múltiples diferentes metodologías, ofreciendo resultados precisos, valiosos y visuales al personal médico que posteriormente evaluará el estado de tu salud contigo.

La importancia de los datos

El enfoque de Neko Health pretende ser individual y específico al paciente y el momento en el que se le está examinando. No proponen comparar métricas y valores generales como se ha estado haciendo tradicionalmente, sino en analizar la salud del individuo en base a sus propias estadísticas.

Como Neko Health, podemos encontrar múltiples empresas que se dedican a reforzar la medicina en base a los datos personales de cada paciente y proyectar su bienestar. Que tengamos la fortuna de estar viviendo en la Era de los datos y de la Inteligencia Artificial nos permitirá seguir viendo cómo soluciones innovadoras similares a esta continúan evolucionando y potenciando el desarrollo sanitario, junto con la longevidad y calidad de vida de nuestra sociedad.

Saludos,

Autor: Afina Nurorva, Investigadora Telefónica Innovación Digital

Contactar con Afina Nurova

12 Maratones a favor de la Asociación CTNNB1 #12MaratonesPorCTNNB1

¡Hola! Mi nombre es Yeray González, un apasionado del deporte y, en especial, del running. Tengo 36 años y soy Ingeniero Informático de formación. Actualmente, dedico mi tiempo a la enseñanza en la escuela pública vasca, tanto en educación secundaria como en formación profesional. Una vez hecha mi presentación, os voy a contar el proyecto en el que estoy inmerso desde hace unos meses. Y digo esto, porque se lleva preparando desde marzo para poder comenzarlo en octubre. El reto que voy a realizar, es un Reto Solidario para Recaudar Fondos para la Asociación CTNNB1 y consiste en realizar 12 maratones en 12 meses recorriendo toda España.

Figura 1: 12 Maratones a favor de la Asociación CTNNB1

#12MaratonesPorCTNNB1

La idea surgió a raíz de conocer el caso de una niña de 6 años llamada Paula, de la que mi mujer ha sido su profesora los últimos dos años. El día a día de esta niña y su familia, no es nada fácil, ya que necesitan mucho dinero para mejorar su calidad de vida. Lo dialogué con mi mujer y le propuse el reto a Estibaliz Martín, madre de Paula y presidenta de la asociación. Y ahí comenzamos a trabajar juntos en este proyecto que es tan bonito, cómo exigente.

Figura 2: Síndrome CTNNB1

Paula sufre el Síndrome CTNNB1, una enfermedad que fue descubierta en 2012 y es una enfermedad genética, de las denominadas raras, que afecta a 1 de cada 50.000 niños. Esta se asocia con la discapacidad en el desarrollo intelectual, motor y del habla, microcefalia, problemas de vista y alteraciones en el sueño, entre otros.

Figura 3: Realiza una donación en la plataforma iHelp!

Lo que se está viendo con esta enfermedad es que los niños tienen sobre todo problemas de movilidad por su bajo tono muscular. Actualmente nos consta que hay diagnosticados unos 430 casos en todo el mundo y 35 son niñas y niños españoles. Por desgracia, esta enfermedad a día de hoy no tiene cura, ni tratamiento específico. Por lo tanto, es muy importante la visibilidad para favorecer su diagnóstico, ya que al estar relacionado con el autismo y la parálisis cerebral, se suele hacer un diagnóstico erróneo de la enfermedad.

12 Maratones en 12 Meses

Como toda enfermedad rara, lo que se necesita para poder tener acceso a terapias experimentales es dinero y es por eso que se me ha ocurrido hacer este reto solidario de 12 maratones en 12 meses para dar visibilidad y recaudar fondos. Para este reto, se ha desarrollado una página web para que todo el mundo pueda conocer la enfermedad y ver cómo va progresando cada una de las maratones.

Figura 4: Reto 12 Maratones en 12 Meses

La página web es la siguiente: www.12maratonesporasociacionctnnb1.org y desde la plataforma de crowdfunding iHelp, se ha creado mi reto para que todo aquel que quiera pueda aportar su granito de arena haciendo una pequeña donación.

Figura 5: Reto 12 Maratones en 12 Meses

Tu donación ayudará a financiar investigaciones cruciales en terapia génica, apoyar programas de terapia y asistencia para las familias, y difundir conciencia sobre el Síndrome CTNNB1. Con tu ayuda, podemos dar a estos niños la oportunidad de tener una vida mejor.

Figura 6: Reto 12 Maratones en 12 Meses

Así que desde aquí quiero dar las gracias de antemano a todas aquellas personas que quieran colaborar aportando una cantidad económica o dando visibilidad en medios de comunicación y redes sociales. Acompáñame en este viaje solidario y únete a nuestro vuelo. Juntos, podemos marcar la diferencia.

#12MaratonesPorCTNNB1

Autor: Yeray González Gutiérrez a.k.a. "Jerry The Runner"

Contactar con Yeray González Gutiérrez

Wayra & SportBoost: Call For Startups "Sport-Tech"

Ayer fue el día que elegimos para anunciar la Call for Startups Sport-Tech que hemos preparado como parte de la colaboración que hemos firmado entre Wayra y SportBoost. Tiempo atrás Iker Casillas había invertido en Idoven, la startup liderada por el Doctor Manuel Marina centrada en crear un cardiólogo en la nube utilizando Inteligencia Artificial, y al mismo tiempo esta startup había llegado a Wayra para que liderásemos una ronda de financiación de 2M€ en la que participamos junto a ENISA.

Figura 1: Wayra & SportBoost: Call For Startups "Sport-Tech"

La colaboración funcionó bien, y al mismo tiempo, Iker Casillas y su equipo - Sergio Cutropia y David Hernando - me invitaron a ir al ESIC a ver el lanzamiento de su nuevo proyecto SportBoost, una acelerador de startups especializada en Sport-Tech. Y allí me planté para ver qué estaban haciendo.

Ver esta publicación en Instagram

Una publicación compartida de Chema Alonso (@chemaalonso)

En el lanzamiento anunciaron la inversión no solo en Idoven, sino también en dos empresas más, como son Kognia y Fly-Fut de las que luego le pregunté en la entrevista que le hice a Iker, centradas en Sport-Tech y me gustó mucho. Así que hicimos un café, un "What if...?" y los equipos de Wayra - liderados por nuestra Directora de Innovación Abierta en Telefónica Irene Gómez - y SportBootst se pusieron a trabajar para hacer realidad la colaboración que ayer contamos, y cuyo punto fundamental es una Call for Startups en el área de deporte y tecnológica, donde podremos invertir conjuntamente hasta 700.000 €.

Figura 3: Presentación de la Call for Startups Sport-Tech

Y en el día de ayer - que quisimos dejar pasar el Mobile World Congress para que no se nos juntara con todos los anuncios que hicimos ya en ese evento - presentamos esa colaboración Iker Casillas y yo, entrevistados por Irene Gómez. Así que, si te gusta lo que oyes, presenta tu empresa a la Call for Startups Sport-Tech de Wayra & SportBoost. 

Figura 4: Mesa de debate Sport-Tech

Además, nos acompañaron los medios de comunicación, y tuvimos una mesa de debate sobre innovación den el mundo Sport-Tech, donde participaron Andrés Saborido director de Wayra, Minerva Santana, directora de innovación y desarrollo de negocio de La Liga, el doctor Manuel Marina, CEO de Idoven y David Hernando de SportBoost, entrevistados por nuestra compañera Paloma Castellano de Wayra.

¡Saludos Malignos!

Autor: Chema Alonso (Contactar con Chema Alonso)  

Cómo la app “SaludAndalucía” generó y subsanó un problema de niveles de seguridad de acceso a datos

Adaptar la usabilidad y la universalidad de las apps que usan la mayoría de los ciudadanos es siempre un reto para la seguridad. Incrementar los mecanismos de seguridad implica aumentar la barrera de entrada y dejar atrás a los menos digitalizados, y al contrario, primar la facilidad de uso y el acceso universal, algunas veces puede llevar a tomar decisiones que, haciendo más fácil su uso y dando más acceso, generan problemas de seguridad.

Figura 1: Cómo la app “SaludAndalucía”  generó y subsanó un problema

de niveles de seguridad de acceso a datos

En este artículo os voy a contar cómo la app de "Salud Andalucía" tenía un problema de privacidad al permitir escalar desde el acceso a los datos de primer nivel a los datos de segundo nivel, y cómo lo han subsanado. 

Figura 2: Acceso a SaludAndalucia

Para poder acceder a la app, después de descargarla y abrirla en nuestro terminal, necesitamos autenticarnos haciendo clic en el botón de ClicSalud+ que está en el medio de la pantalla con forma de engranaje.

Figura 3: Acceso por Datos personales sin tarjeta sanitaria de Analucía

En esta segunda parte es donde viene la "usabilidad" frente a la "seguridad", ya que se ofrecen cuatro niveles de seguridad diferentes, y el último de ellos es simplemente "Datos Personales sin tarjeta de sanitaria de Andalucía", que es el que vamos a elegir para la prueba.

Figura 4: Acceso con Datos Personales

Los datos que se solicitan son DNI y Fecha de Nacimiento, información que por desgracia no es difícil de localizar en la red haciendo un poco de OSINT. Muchos de estos datos se encuentran directamente en el Boletín Oficial de la Junta de Andalucía, y la Fecha de Nacimiento en redes sociales con las felicitaciones de amigos y conocidos, en la propia Wikipedia, etcétera. Vamos, que no parecen datos difíciles de conseguir para muchas personas.

Figura 5: Accediendo con DNI y Fecha de Nacimiento

Para hacer esta prueba he usado datos personales míos, porque no necesitamos usar los de nadie para probar esta primera fase. Lo relevante es que este nivel de seguridad, con los datos que hay en la red, no es ninguna barrera para proteger la información y los datos de las personas, pero lo importante viene ahora, ya que si pulsamos en ClicSalud+ nos salen las opciones de seguridad avanzadas para acceder a datos más sensibles.

Figura 6: Para acceder a las citas nos piden aumentar el nivel de seguridad

Ahora, como vemos en la siguiente pantalla nos piden tres datos, que son el DNI y la Fecha de Nacimiento - que ya nos habían pedido antes - más el Número de la tarjeta sanitaria, que como vamos a ver, la propia app nos lo va a dar.

Figura 7: El único dato extra es el Número de Tarjeta Sanitaria

Como ya hemos entrado en la app, pulsando sobre el icono superior derecho, accedemos desde el mismo nivel en el que estamos a los datos del usuario, y como podemos ver, en ellos está el Número de la Tarjeta Sanitaria, así que resuelto la elevación de seguridad, lo que nos permite, con solo tener el número de DNI y la Fecha de Nacimiento llegar a información sensible.

Figura 8: En la información de usuario está el Nº de la tarjeta Sanitaria

Como el fallo parecía bastante sensible, decidí reportarlo y lo hice vía la Guardia Civil, y ahora la app de SaludAndalucía ha subsanado este fallo de seguridad. ¿Cómo lo ha hecho? Pues muy sencillo. El acceso de menor seguridad es para personas que "de verdad" no tienen tarjeta sanitaria. Así pues, si alguien que tiene tarjeta sanitaria de Andalucía utiliza este acceso con solo DNI y Fecha de Nacimiento recibe el siguiente mensaje.

Figura 9: Se deshabilita el nivel de acceso de

menor seguridad si tienes tarjeta sanitaria

Este es un ejemplo donde querer dar universalidad de acceso rebajando el nivel de requisitos de seguridad, si no se hace correctamente, puede generar un problema de privacidad. Ahora se ha aplicado una corrección que fortifica la seguridad y sigue permitiendo la universalidad de acceso, lo que demuestra que no siempre hay que sacrificar seguridad para conseguir usabilidad o universalidad.

Saludos,

Autor: Vicente de la Varga (Contactar con Vicente de la Varga - Ch3nt3)  

Figura 10: Contactar con Vicente de la Varga (Ch3nt3)

Modelos impresos en 3D para enseñar a hacer pruebas PCR de COVID-19

Desde hace ya varios años el Additive Manufacturing o Fabricación por Adición, junto con la Inteligencia Artificial, se ha convertido en uno de los mejores aliados de la medicina. Desde el desarrollo de prótesis cada vez más eficientes, como las que dedica la ONG Ayúdame 3D de Guillermo M. Gauna-Vivas, hasta la elaboración de modelos 3D para ayudar a los médicos en formación con replicas exactas del cuerpo humano.  Hoy os hablaremos de cómo el desarrollo de modelos 3D de la anatomía humana a sido de utilidad para formar a los especialistas a la hora de realizar pruebas PCR durante esta pandemia.

Figura 1: Modelos impresos en 3D para enseñar a hacer pruebas PCR de COVID-19

Hace unos días el Q&M Dental Group fue galardonado con el premio Presidents Volunteerism & Philanthropy Award por su labor de formación durante la pandemia. Desde el comienzo de esta pandemia la realización de pruebas PCR se ha convertido en un procedimiento habitual para comprobar si hemos sido infectados con coronavirus. Con la llegada de las nuevas vacunas y el fin del estado de alarma en nuestro país, al menos temporalmente, y en muchos otros cada vez es más común que se solicite un certificado de vacunación o un test negativo para poder viajar o para realizar algunas actividades habituales antes de la pandemia.

Figura 2: ONG Ayúdame 3D

Sin ir mas lejos, en España se esta planteando la posibilidad de solicitar la pauta de vacunación completa o los resultados de una prueba PCR negativa para poder viajar al extranjero, acceder a algunos negocios como en el caso de la hostelería o incluso utilizar el transporte público. También es común utilizar las PCR para realizar cribados masivos y así contener algunos brotes surgidos tras la declaración del fin del estado de alarma.

Pruebas PCR con modelos impresos en 3D  

El problema de la realización de pruebas PCR es que deben ser realizadas por personal cualificado ya que de lo contrario los resultados obtenidos podrían no ser tan fiables o se podría causar daños al paciente. Precisamente con esta idea, el Grupo Dental Q&M decidió colaborar con una empresa con sede en Singapur llamada Creatz3D para desarrollar modelos 3D exactos de las cavidades bucales y nasales humanas para entrenar así al personal sanitario que nunca haya realizado este tipo de procedimiento.

Figura 3: Realización de prueba PCR durante un cribado masivo.

Esta no es la primera vez que se utilizan ejemplos en 3D para formar al personal sanitario, de hecho, es más común de lo que creemos. Sin ir más lejos, lo normal es que cuando acudimos a nuestro dentista este tenga una réplica de la dentadura humana en su consulta. En muchas ocasiones utilizan esos modelos tridimensionales para explicar a los pacientes que problemas pueden causarles no tener los dientes en la posición que deberían.

En el caso de las PCR poder contar con una sección lateral de las fosas nasales es de gran ayuda para enseñar a voluntarios y miembros del personal sanitario que referencias tomar a la hora de realizar las pruebas correctamente y sin causar mas incomodidad de la necesaria al paciente.

Figura 4: Modelo 3d desarrollado por Q&M Dental Group.

Tras realizar los entrenamientos con estos modelos los voluntarios comprendían que barreras y puntos de resistencia anatómicos podían encontrarse a la hora de realizar las pruebas y cómo debían realizar la toma de muestras correctamente. Este entrenamiento se llevó a cabo de la mano de expertos médicos del propio grupo Q&M que pusieron su amplia experiencia a disposición de los voluntarios que participaron en este pequeño curso.

A su vez Creatz3D quiso señalar que existen varios modelos anatómicos en el mercado que no son replicas tan exactas de la anatomía humana y que de utilizarse para realizar tareas de formación podrían hacer que la realización de pruebas PCR se realizase de forma incorrecta.

Figura 5: Realización de prueba PCR a un modelo anatómico de Creatz3D.

La realización de estas réplicas anatómicas a través de impresión 3D no solo es la mejor opción para reproducir piezas con exactitud, también es una alternativa mas económica y ofrece la posibilidad de escoger distintos materiales en función del uso o niveles de estrés a los que vaya a estar sometida cada pieza.

Otra de las ventajas que ofrecen los modelos 3D de la empresa de Singapur es que el desarrollo de sus productos, incluyendo diseño, impresión y tareas de post-procesado se lleva a cabo en tan solo cinco días laborables frente a los meses de trabajo que puede llevar desarrollar un modelo convencional utilizando otro tipo de procesos de fabricación.

Figura 6: Contactar con Guillermo M. Gauna-Vivas

Sin duda este uso de la impresión 3D en el campo académico y de la medicina dará mucho de lo que hablar durante los próximos años ya que en ocasiones resulta difícil para las universidades encontrar cuerpos donados para el uso científico y estas réplicas podrían cubrir dicha demanda en algunos casos. Si este mundo te apasiona, puedes contactar con Guillermo M. Gauna-Vivas para colaborar con la ONG Ayudame3D e incluso, si eres perfil público de MyPublicInbox puedes donar tus Tempos a esta ONG.

       

Saludos,
 

Autor: Sergio Sancho, Security Researcher en Ideas Locas.

Contactar con Sergio Sancho en MyPublicInbox

Las limitaciones para la aplicación de Inteligencia Artificial en la salud de la FDA americana

No es la primera vez que os hablamos de Inteligencia Artificial aplicada al mundo de la medicina. Hace unas semanas os hablamos de como la Inteligencia Artificial podía utilizarse para investigar que fármacos ya existentes podrían resultar efectivos para luchar contra la Covid-19 y de cómo sería posible descubrir de forma prematura si una persona esta predispuesta a desarrollar Alzheimer. El día de hoy volveremos a abordar el tema de la Inteligencia Artificial en el campo de la medicina, pero desde otra perspectiva bastante diferente, os explicaremos que limitaciones pone la FDA (Food & Drug Administration) para regular el uso de la Inteligencia Artificial en el mundo de la medicina.

Figura 1: Las limitaciones para la aplicación de Inteligencia Artificial

en la salud de la FDA americana

Desde hace unos años las organizaciones sanitarias cuentan con la ayuda de la Inteligencia Artificial y las técnicas de  Machine Learning para ayudarse a la hora de investigar nuevos fármacos, descubrir de manera prematura indicios de posibles enfermedades, realizar el seguimiento del estado de pacientes y de tratar distintas afecciones de la manera mas efectiva. A pesar de ser uno de los grandes aliados de la FDA la IA también plantea una serie de retos para el ámbito médico, en algunas ocasiones las decisiones o recomendaciones obtenidas por la inteligencia artificial pueden resultar en recomendaciones de tratamientos poco precisos e incluso peligrosos para el paciente.

Figura 2: Libro de Machine Learning aplicado a Ciberseguridad de
Carmen Torrano, Fran Ramírez, Paloma Recuero, José Torres y Santiago Hernández

En la mayoría de los casos estos errores son causados por pequeñas variaciones en la información recibida, por dar más importancia de la debida a alguno de los datos analizados por la herramienta u otros fallos a la hora de construir o entrenar el sistema. Aunque no sea lo más común esto puede suceder y al haber vidas humanas en juego es importante que existan regulaciones y expertos que analicen los resultados ofrecidos por la IA para garantizar que los pacientes reciben el mejor tratamiento posible.

Por el momento el marco regulatorio que rige el uso de este tipo de herramientas es bastante complejo, de hecho, la FDA regula varios de los productos que utilizan Inteligencia Artificial en el ámbito de la salud, pero no todos. A pesar de que la agencia desempeña un papel fundamental para garantizar la seguridad y eficacia de los sistemas sanitarios que trabajan bajo su jurisdicción está barajando la posibilidad de adaptar su proceso de revisión para el uso de este tipo de tecnologías y dispositivos médicos ya que son capaces de trabajar con grandes cantidades de datos en periodos muy cortos de tiempo y en algunas ocasiones pueden llevar a resultados incorrectos difíciles de prever.

Figura 3: Algunas excepciones de software médico no sujetas a la regulación de la FDA.

Actualmente el principal uso de la inteligencia artificial en el campo de la medicina consiste en la realización de tareas automatizadas y en la identificación de patrones en grandes volúmenes de datos. En algunos campos como en el de la radiología o la oncología se utilizan estas tecnologías para el análisis de imágenes, por otro lado, en algunos sectores como es en el caso de la oftalmología se utilizan sensores para recolectar información del paciente y determinar si este corre riesgo de desarrollar alguna afección y es recomendable realizarle un seguimiento mas exhaustivo.

Figura 4: Análisis de anomalías en radiografías utilizando IA.

Para funcionar correctamente los algoritmos utilizados deben entrenarse de manera muy precisa, para esto es necesario utilizar diversas bases de datos que contengan información de todo tipo de poblaciones. A veces conseguir esta información resulta más complicado de lo que parece debido a cómo está estructurado el propio sistema sanitario en cada región. En ocasiones se utilizan distintos sistemas o herramientas para almacenar la información lo que hace que sea todavía más difícil contrastarla. El año pasado se analizó el resultado de diversos estudios realizados en USA utilizando registros sanitarios para entrenar sistemas de IA capaces de elaborar diagnósticos a través del análisis de imágenes.

Los resultados obtenidos revelaron que en el 70% de los casos la información utilizada en estos estudios solo era representativa para 3 de los 52 estados que conforman el país, de hecho, había 34 estados que no se encontraban representados en absoluto en estos estudios. Aunque estos estudios pueden resultar de gran ayuda para ciertas poblaciones hay que tener en cuenta que hay otros factores muy importantes que influyen en el desarrollo de distintas patologías como pueden ser la diversidad geográfica, la edad promedio de la población o incluso la situación socioeconómica.

Figura 5: Analizando los datos de algunos de los primeros pacientes de Farmingham Heart study.

Este tipo de problemas a la hora de recopilar datos contribuyen al sesgo en los programas de IA dedicados al sector sanitario, sin ir mas lejos, en uno de los artículos publicados en el blog hace unas semanas mencionamos el Framingham Heart Study, un estudio que se realizó utilizando datos de distintos grupos generacionales para prevenir posibles problemas cardiovasculares. En este caso los datos utilizados en el estudio correspondían a la población de una pequeña ciudad de Massachusetts en la que la mayoría de participantes eran de raza blanca haciendo que no fuese representativo para otras poblaciones en las que hay mayor presencia de otros grupos raciales o étnicos.

Para garantizar la seguridad y la eficacia de los nuevos productos y herramientas médicas impulsadas por Inteligencia Artificial la FDA se ha propuesto regular el uso de este tipo de software en función del uso que esté previsto para el mismo y del nivel de riesgo que puede suponer para los pacientes en el caso de un diagnóstico inexacto.

Figura 6: Ejemplo de algunos productos con IA aprobados por la FDA.

Según la FDA existen dos grupos para clasificar las herramientas basadas en IA o ML. Estos grupos son el de los programas informáticos, donde se encuentra el software encargado de que algunas máquinas de última generación funcionen correctamente (como en escáneres o máquinas de rayos x) y el grupo del equipamiento médico, en el que se encuentran la mayoría de las herramientas desarrolladas para analizar datos y diagnosticar posibles patologías, como el ejemplo que hicimos nosotros con las imágenes de rayos X y la COVID-19.

Figura 7: PoC detectar COVID-19 en placas Rayos X con Deep Learning

Al igual que el resto de equipamiento médico el software está sujeto a la revisión de la FDA y se clasifica en función de su riesgo. Clase 1 para poco riesgo (como realizar una lectura de un monitor de glucosa), Clase 2 para un riesgo moderado o alto (como a análisis de imágenes en ecografías donde se pueden pasar por alto alguna anomalía) y Clase 3 para riesgo muy elevado (como los respiradores y otras máquinas de soporte vital).

Tras haber clasificado el producto la FDA determina si será necesaria pasar una revisión o inspección previa antes de que este se comercialice y pueda utilizarse en el mundo real. Estas revisiones también se llevarán a cabo cada vez que un producto aprobado por la FDA se actualice o realice algún cambio que afecte al rendimiento de este con la intención de poder seguir garantizando su seguridad y eficacia.

Reflexión final   

En la medicina, al igual que en muchos otros campos, la Inteligencia Artificial se encuentra cada vez más presente lo que habitualmente lleva a la generación de nuevas regulaciones para establecer una serie de limites legales y éticos. En este caso en particular establecer ciertos límites y llevar un control estricto de estas nuevas tecnologías resulta algo de vital importancia ya que hay muchas vidas humanas en juego. Es importante recordar que la Inteligencia artificial en el mundo de la medicina debe ser en todo caso una ayuda o un aliado a la hora de tratar pacientes y encontrar diagnósticos, la última palabra siempre la debe de tener un experto humano.

 

Saludos,
 

Autor: Sergio Sancho, Security Researcher en Ideas Locas.

Contactar con Sergio Sancho en MyPublicInbox

Idoven: La startup que vigila la salud de tu corazón con Inteligencia Artificial

La Inteligencia Artificial y en concreto el Machine Learning están revolucionando nuestra sociedad a un ritmo sin precedentes. Desde sectores industriales hasta incluso el mundo de la ciberseguridad (no os perdáis esta charla de Chema Alonso donde habla del problema de las DeepFakes). Pero hay un campo donde la Inteligencia Artificial está cada vez dando resultados realmente positivos, pero además, esta vez estamos hablando de algo que realmente nos afecta personalmente, en concreto nos referimos al mundo de la salud.

Figura 1: Idoven, la startup que vigila la salud de tu corazón con Inteligencia Artificial

El ecosistema de datos (datasets) generados dentro del mundo de la salud es muy variado y enorme, aunque todavía tenemos que luchar un poco más para intentar que los diferentes actores dentro del mundo de la salud a que publiquen más información (salvaguardando en todo momento la identidad y privacidad de los individuos). El diagnóstico de enfermedades ya sea a través del análisis de colecciones de datos hasta incluso imágenes (como contamos aquí en su día sobre cómo detectar posible Covid-19 en radiografías de pulmón) hasta otros procesos como por ejemplo crear bots para hablar con los pacientes por ejemplo.

Figura 2: Captura de un dataset real (heart.csv) con diferentes atributos relacionados con diferentes valores asociados a posibles enfermedades o sujetos sanos, totalmente anonimizada.

Kagle, la comunidad más popular de Machine Learning y Data Science, tiene competiciones y datasets orientados a la salud. Pero también existen soluciones comerciales y empresas que han creado negocio dentro del mundo del “healthcare” y la Inteligencia Artificial. Estas empresas ofrecen soluciones profesionales respaldadas siempre por médicos y otros profesionales del sector. Y una de estas empresas, enfocadas en concreto al estado del corazón es Idoven.


Figura 3: Deep Learning para detectar COVID-19 en imágenes médicas
Idoven es una empresa privada que busca aportar un servicio de detección temprana de posibles problemas cardíacos y de esta forma prevenir infartos de miocardio entre otras enfermedades del corazón. El producto que ofrecen está basado en la Inteligencia Artificial por un lado y los sensores por otro, en concreto los denominados “wereables”, es decir, que podemos llevar como un complemento de ropa en nuestro cuerpo (dispositivos no invasivos). 

Figura 4: Cómo funciona Idoven

Estos dispositivos registran toda la actividad la cual se refleja principalmente en los electrocardiogramas y estos de analizan a largo plazo (este es uno de los factores diferenciadores de Idoven respecto a otros) para detectar posibles actuales o futuras alteraciones de la actividad cardíaca y/o arritmias. Una de las personalidades que ha confiado en esta empresa es Iker Casillas (el cual sufrió recientemente un infarto) participando incluso como inversor y con la Fundación Iker Casillas (FIC). Ahora también Wayra ha entrado como inversor de esta compañía.


Figura 5: Así monitoriza Iker Casillas su corazón con IDOVEN
Una de las principales dificultades a la hora de presentar este tipo de servicios es que el usuario (o paciente) se sienta cómodo con el proceso y sobre todo, que no sea complejo de utilizar. En el caso de Idoven, cuando contratamos alguno de sus servicios (incluso ofrecen tarjetas regalo), envían un kit de monitorización a casa, el cual destacan que no tiene cables, se puede mojar y no es intrusivo. También es importante ofrecer diferentes modalidades de servicio. 

Por ejemplo, el servicio “Comprueba la salud de tu conrazón desde casa (24h)” (el cual cuesta 99€) registra durante ese tiempo (un día completo) todo tipo de actividad (desde física o incluso cuando dormimos), pasado el tiempo recogen de manera gratuita de nuevo el kit con los datos y el equipo de cardiólogos lo analizará utilizando Inteligencia Artificial. Finalmente recibiremos por e-mail los resultados en un completo informe indicando posibles anomalías (con instrucciones de pasos a realizar en caso de encontrarlas) y también recomendaciones de vida saludable personalizados al perfil del individuo.

Figura 6: Contactar con Manuel Marina Breysse, CEO de Idoven

Antes he comentado la importancia de publicar la información de los datos obtenidos en todos los procesos relacionados con la salud para poder ir mejorando la calidad y eficacia de los análisis realizados por la Inteligencia Artificial. Parece ser que Idoven tiene claro este objetivo y por eso trabaja en la campaña #DonaTusLatidos, para contribuir a la investigación y prevención de enfermedades cardíacas. Esto permite el intercambio responsable, seguro y privado de la información recogida de los clientes que así lo soliciten, aportando su granito de arena personal al mundo de la investigación de enfermedades del corazón.

Figura 7: Algunas de las personalidades que se han sumado donando

los registros obtenidos con Idoven a la comunidad científica.

Poco a poco iremos viendo como más empresas dedicadas al mundo de la salud como Idoven ofrecerán nuevos servicios relacionados con la salud con servicios personalizados y desde casa. Quiero insistir ante de terminar en la importancia de compartir nuestra información (insisto, siempre privada y segura) para ayudar al avance de la investigación médica.

Figura 8: Libro de Machine Learning aplicado a Ciberseguridad de
Carmen Torrano, Fran Ramírez, Paloma Recuero, José Torres y Santiago Hernández

Y aquí es donde está la verdadera revolución de nuestra generación. Esta es la primera vez en la historia de la humanidad donde cada uno de nosotros podemos participar de manera activa y colectiva en el avance de la medicina, simplemente compartiendo nuestros datos, que aunque nosotros apliquemos el Machine Learing principalmente a la Ciberseguridad, se va a meter en todas las facetas de nuestra vida de forma muy directa e importante.

Saludos,

Autor:

Fran Ramírez, (@cyberhadesblog) es investigador de seguridad y miembro del equipo de Ideas Locas en CDO en Telefónica, co-autor del libro "Microhistorias: Anécdotas y Curiosidades de la historia de la informática (y los hackers)", del libro "Docker: SecDevOps", también de "Machine Learning aplicado a la Ciberseguridad” además del blog CyberHades. Puedes contactar con Fran Ramirez en MyPublicInbox.

Contactar con Fran Ramírez en MyPublicInbox