Cómo la Inteligencia artificial puede ser útil en el diagnóstico de pacientes psiquiátricos, es una de las preguntas que desde hace tiempo explora el computador Diego Fernández Slezak, director del Laboratorio de Inteligencia Artificial Aplicada (LIAA), que pertenece al Departamento de Computación de la Facultad de Ciencias Exactas y Naturales de la UBA y al Instituto de Investigación en Ciencias de la Computación, CONICET-UBA. “Imaginá una inteligencia artificial que le diga al psiquiatra que le tome al paciente tres exámenes, una entrevista abierta en donde hable mucho, que lea algunas frases para tratar de ver el timbre de la voz y la prosodia, y que haga un dibujo. Y que luego le dé al médico un índice cuantitativo que sugiera un diagnóstico. Es un soporte diagnóstico”, detalla Fernández Slezak, a quien siempre le gusto la interdisciplina.
Hace unos años, en 2014, detectó, junto a investigadoras e investigadores, que a través de algoritmos de inteligencia artificial se pueden encontrar diferencias en la coherencia y en la organización del discurso de pacientes con brotes psicóticos en relación a quienes no sufren esas patologías. La investigación se realizó con pacientes internados en el Hospital de Columbia, Estados Unidos, con un brote psicótico por esquizofrenia o bipolaridad. “Nosotros tratamos de ver si esos pacientes tenían alguna modificación en su forma de hablar, en la forma en la que redactaban su habla”, cuenta Fernández Slezak. El insumo de esta investigación fueron transcripciones en Word de entrevistas que los psiquiatras les hicieron a sus pacientes.
¿Cómo lo hicieron? El primer paso fue establecer un diálogo profundo con los psiquiatras para entender qué es lo que los médicos detectan en las conversaciones con sus pacientes para poder determinar si posee o no alguna patología psiquiátrica. “Logramos un diálogo común entre gente que hace computación y gente que hace psiquiatría, eso es el valor más importante que tiene este trabajo”, resalta el especialista en procesamiento de lenguaje natural.
Luego tuvieron que desarrollar parámetros generales para medir la coherencia del discurso, que es uno de los puntos que tienen en cuenta en psiquiatría a la hora de distinguir este tipo de afecciones. Para eso utilizaron Word embedding, una técnica de aprendizaje de procesamiento del lenguaje natural de los años 90, en la que las palabras se representan como vectores de números. “Si te digo, tengo el 1 a la izquierda y el 10 a la derecha, vos trazas una línea recta entre el 1 y el 10 y podes ubicar donde está el 2, el 5 o el 7, porque tenés una representación espacial de los números. Pero si hago lo mismo con las palabras no lo vas a saber hacer”, ejemplifica Fernández Slezak y agrega: “Usamos las versiones modernas de esa idea de los 90 para poder ubicar las palabras en un espacio en dónde yo pueda medir si está cerca o no de otra palabra. Nos permite salir del mundo de las palabras para pasar al mundo de los vectores, al mundo matemático cuantitativo. Entonces todo lo que sé hacer con números, ahora lo puedo hacer con palabras”.
Con esta base intentaron replicar, aún sin éxito, los resultados en la Argentina y desarrollaron una aplicación no comercial de seguimiento de pacientes psiquiátricos, que podría ser útil a los médicos como una especie de historia clínica digital y a la vez sería una fuente de insumos para la investigación.
- Hay diferencias entre el lenguaje hablado y el escrito. ¿Qué pasa con esa transcripción que se hace a partir de una charla? ¿Cómo se tienen en cuenta los puntos, las comas, las pausas?
- Esas son las limitaciones del algoritmo. Si querés que esto se aplique a la psiquiatría independientemente de un grupo de investigación, hay que atacar el problema desde distintos ángulos, algunos tendrán en cuenta los puntos y las comas y otros ángulos no. En el caso de coherencia del discurso, los puntos y las comas casi que se ignoran, porque uno puede tomar ventanas de 10 palabras y ver los vectores, las palabras hacia a donde apuntan sin tener en cuenta la estructura de la frase.
Pero su objetivo es mejorar los modelos, así que comenzaron a trabajar en nuevas líneas de investigación. “La clave es cómo hacer para tener una visión más integral, en el sentido de la inteligencia artificial. No me quedo sólo con el texto, miremos también el audio, la imagen, el video, ir sumando atributos”, relata Fernández Slezak, que también dicta clases. Una de esas nuevas líneas es el estudio de los dibujos. “Hay algunos test psicológicos, como cuando se hace un psicotécnico, que te hacen dibujar una casa y todo el mundo dibuja la misma casa, con la chimenea, el humito, el arbolito en la puerta. Eso está bastante bien descrito, entonces porque no podría analizar eso una computadora”, dice Fernández Slezak, que comenzó a aplicar sus conocimientos de computación al campo de la salud durante su posdoctorado con el físico Mariano Sigman.
“Vos querés dar un índice diagnóstico cuantitativo objetivo, la computadora no se cansa, no sabe quién sos, no se levantó con un mal día, te da un índice cuantitativo y objetivo de aquello que puede medir”, sostiene el especialista y compara los datos que pueden ofrecer las herramientas cuantitativas de la inteligencia artificial con los resultados de una análisis de sangre. “El colesterol alto no es un diagnóstico sino que es el resultado de un laboratorio. El médico te va decir ‘tu situación es sedentarismo’, ese es el diagnóstico. Yo estoy tratando de hacer es eso mismo, un laboratorio de la mente. Tu coherencia está afectada, tu desorganización del pensamiento esta afecta, tu conceptualización moral está afectada, son medidas objetivas y cuantitativas”, explica y enfatiza que “el médico tiene la última palabra”.
Fernández Slezak también trabaja en este momento en otra línea de investigación relacionada a las imágenes médicas: resonancias magnéticas, tomografías, radiografías de tórax. “En resonancias estamos siendo capaces de medir cosas que el ojo humano antes no veía”, detalla y agrega que la inteligencia artificial está abriendo nuevas puertas y que ahora el desafío es que “la medicina en conjunto con la inteligencia artificial tiene que empezar a ver cómo se usa esa información que es cuantitativa, objetiva y barata”.
- Siempre hay alguien que entrena a la máquina, que le da ciertos parámetros, ciertas pautas. ¿cómo se trabaja el sesgo en la inteligencia artificial?
- Es el tema central que está estudiando la inteligencia artificial en todos los rubros. Si vos entrenas con muchos hombres cuando incluís algo que viene del lado de las mujeres lo va a analizar mal. Hay todo un tema género muy presente en la comunidad. Cuando haces una base de datos para entrenar audios, imágenes, textos, hay que tratar de incluir la misma cantidad de hombres y mujeres porque muchas veces aparecen sesgos de género.
MB
Esta nota fue actualizada el lunes 12 de septiembre a las 21.57 para cambiar el cargo de Diego Fernández Slezak que estaba mal consignado en la publicación original.