Para 9.279 personas que utilizan dispositivos de seguimiento de actividad física, el signo físico más claro de depresión no fue cuántas horas de sueño lograban conseguir. Fue la pura y caótica aleatoriedad del momento en que realmente apoyaban la cabeza en la almohada.
Un sistema de inteligencia artificial denominado CoDaS extrajo este patrón de una montaña de registros desordenados de sensores de relojes inteligentes. Pero lo que hace que el hallazgo sea significativo no es solo lo que encontró la IA, sino cómo llegó allí. En lugar de limitarse a lanzar conjeturas algorítmicas a los científicos humanos, este software fue diseñado para discutir agresivamente consigo mismo hasta que pudiera probar su propio razonamiento.
Un escéptico integrado
La mayoría de las herramientas de aprendizaje automático están ansiosas por complacer, encontrando patrones donde no existen solo para arrojar un resultado. CoDaS opera de manera diferente, empleando lo que sus desarrolladores llaman un Agente Adversario. Puede pensarse en él como un panel de revisión por pares digital atrapado dentro de un servidor.
Cuando el sistema principal detecta un posible vínculo entre una peculiaridad fisiológica y una enfermedad, el agente adversario interviene para desempeñar el papel de abogado del diablo. Imita el escepticismo implacable de un revisor humano, intentando deliberadamente romper la hipótesis al obligar al sistema a validar exactamente el mismo hallazgo en grupos de personas completamente independientes. Si el patrón no se sostiene con los nuevos datos, se descarta.
Durante su última ejecución con más de 9.000 observaciones de participantes, esta fricción interna sacó a la luz 41 posibles marcadores para trastornos de salud mental y 25 para enfermedades metabólicas. Cada punto de datos superviviente tuvo que estar fundamentado en la literatura médica existente.
La señal de alarma circadiana
La señal más llamativa que sobrevivió a esta prueba de fuego algorítmica fue la "inestabilidad circadiana". Mientras que las aplicaciones de salud para el consumidor se obsesionan con lograr ocho horas sólidas de sueño, la IA marcó las horas de acostarse y despertarse altamente inconsistentes como un marcador principal de depresión.
El sistema no solo detectó esto como una anomalía aislada. Al forzar a su protocolo adversario a verificar los cálculos, CoDaS confirmó una fuerte correlación entre los horarios erráticos y las altas puntuaciones de depresión en dos cohortes de estudio totalmente separadas.
Filtrar el ruido
A pesar de haber convertido con éxito los dispositivos de pulsera comerciales en un laboratorio médico improvisado, el equipo detrás de CoDaS trata el software como una capa de detección en lugar de un médico robótico. Está diseñado para examinar millones de puntos de datos y entregar a los investigadores humanos una lista corta de firmas digitales altamente probables de enfermedades.
Este enfoque de "humano en el circuito" significa que la lógica de la IA debe permanecer rastreable. Antes de que cualquiera de estos hallazgos algorítmicos se acerque al plan de tratamiento real de un paciente, un humano aún debe verificar el razonamiento.
No tenemos la capacidad para auditar manualmente los datos fisiológicos que brotan de los dispositivos portátiles modernos. Pero tener un sistema automatizado y escéptico que realice el trabajo pesado podría convertir discretamente al reloj inteligente de un costoso podómetro en una verdadera infraestructura médica.
Comments
No comments yet. Be the first!