Con apenas 27 años, la investigadora cordobesa María Pérez Ortiz es ya una reconocida experta en aprendizaje automático o machine learning (un campo de la inteligencia artificial), aplicado a la medicina. De hecho uno de sus proyectos, realizado junto a un grupo de investigadores del Hospital Reina Sofía de Córdoba, está a punto de revolucionar el sistema de trasplantes español.

Se trata de un modelo matemático basado en la inteligencia artificial que ayuda a predecir la compatibilidad entre donantes y receptores de órganos para el trasplante hepático con una precisión del 76% y que, a diferencia del modelo actual, 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.

Doctora en Informática y con 60 publicaciones en revistas nacionales e internacionales, María Pérez fue una de las galardonadas en los primeros premios de investigación de la Sociedad Científica Informática de España, otorgados por la Fundación BBVA.

Actualmente, la experta realiza una investigación postdoctoral en la Universidad de Cambridge (Reino Unido). Desde allí, Pérez Ortiz explica a SaluDigital el potencial que tiene el machine learning en el ámbito sanitario y repasa sus principales investigaciones hasta el momento.

¿Por qué vuestro 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, liderado durante más de siete años por Javier Briceño, jefe de sección de cirugía general del hospital Reina Sofía de Córdoba.

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.

 “El objetivo principal es crear un modelo matemático que prediga la supervivencia de un injerto a partir de una base de datos de trasplantes realizados con anterioridad, mediante el uso de la ciencia de datos o aprendizaje automático”
 

¿Sólo con los datos de los pacientes y vuestros 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.

¿Hasta dónde puede llegar la inteligencia artificial en el campo de las donaciones y los trasplantes? ¿Será posible detectar, por ejemplo, un donante compatible a nivel internacional?
 

El sistema de trasplantes es diferente en distintos países. Hemos comprobado, que en general, los datos de un país pueden servir para predecir la compatibilidad en un país con características similares (por supuesto haciendo un proceso de selección de variables para filtrar y seleccionar aquellas que se usan y son iguales en ambos sistemas).

En cuanto al transporte del órgano, una de las características más determinantes en la supervivencia del injerto, es el tiempo de isquemia fría, el tiempo que transcurre entre la perfusión del órgano y el trasplante, por lo que el transporte de un órgano a nivel internacional puede ser algo no factible en la actualidad.

“Hemos comprobado que, en general, los datos de trasplantes de un país pueden servir para predecir la compatibilidad de órganos en un país con características similares”

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.

“De momento las técnicas de visión artificial no están preparadas para que el trasplante robótico se ponga en práctica sin la supervisión total de un experto”

¿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.