La inteligencia artificial puede ser una gran aliada
Categoría
🗞
NoticiasTranscripción
00:00Miguel Luengo Oroz es ingeniero, es experto en inteligencia artificial y en el uso de la tecnología para la salud.
00:06Ha fundado la compañía Spotlab, que es una fábrica de algoritmos, según parece.
00:11¿Cómo estás Miguel? Buenos días.
00:12Hola, buenas, ¿qué tal? Muy bien.
00:13Según parece, porque no sé lo que es una fábrica de algoritmos.
00:16Una fábrica de algoritmos, pues por un lado metes datos y por el otro sacas modelos de inteligencia artificial
00:23que pueden automatizar el análisis, en nuestro caso por ejemplo, de imágenes médicas.
00:28El análisis, nunca mejor dicho, nos preguntamos a menudo si la IA terminará diagnosticando enfermedades mejor que un médico.
00:35Lo hemos planteado en esta mesa muchas veces.
00:37Tú trabajas precisamente para que eso ocurra con la leucemia y en tus palabras,
00:42tu trabajo consiste en que el algoritmo sea mejor que el mejor hematólogo, mejor que el mejor análisis.
00:49Claro, por un lado tiene que ser tan bueno como el mejor hematólogo.
00:52Es decir, tenemos que entrenamos a la inteligencia artificial para que de hecho mire las células que hay en aspirados de médula ósea,
00:59en una prueba médica que se hace a todos los pacientes con cáncer de la sangre,
01:02entrenamos a la inteligencia artificial para contar cuántas células hay de cada tipo celular,
01:07de cada tipo del árbol hematopoyético, cómo se va diferenciando la célula.
01:12Y esa tarea que normalmente lo hace un humano mirando por el microscopio contando 500 células,
01:19nosotros a la inteligencia artificial le enseñamos a que reconozca todas las células y entonces puede contar 500, 1000, 5000, 100.000.
01:27Y lo que ocurre es que en función de cuántas células cuentes vas a dar un diagnóstico de uno de estos cánceres hematológicos.
01:34¿Cuántas más cuentas, más posibilidades hay de que el diagnóstico sea fiable, digamos?
01:39Bueno, cuantas más cuentas eres más preciso, ¿vale?
01:41Porque tú imagínate, bajas aquí a la calle, cuentas pasar 500 coches y dices, casi todos son rojos.
01:47Pero claro, si cuento pasar 50.000, entonces tendré, seré más fino de si son rojos o son azules.
01:53Por la misma razón por la que ChatGPT mejora cuantos más datos se trague, ¿no?
01:58Que es la tendencia que hemos estado viendo en este par de años.
02:00Claro, entonces aquí la idea es que le hemos metido muchos datos, le hemos dado muchos ejemplos de tipos celulares
02:06que han revisado varios hematólogos y entonces pues la máquina ha aprendido.
02:10Pero bueno, de hecho, lo interesante ya no solo es que sea capaz de replicar lo que ve el ojo humano,
02:16lo que ve los hematólogos, pero estamos ahora mirando, intentando inferir cosas que el humano no ve en los datos.
02:22¿Cómo por ejemplo?
02:24Entonces, por ejemplo, estamos cruzando todas las imágenes de microscopía de la médula
02:29con las mutaciones genéticas que tienen los pacientes, ¿vale?
02:32Porque tú cuando tienes un cáncer de la sangre, también muchas veces en función de lo que se ve en las células,
02:38es decir, la epigenética, la morfología de la muestra y en función de tu perfil genético,
02:44de las mutaciones que tenga las células, tienes un diagnóstico.
02:48Entonces, nosotros estamos viendo si podemos predecir qué pasa en la genética solo con lo que se ve en las células, ¿vale?
02:57Y luego un poco combinarlo, combinar lo que se ve y lo que se ve.
03:00¿Y al contrario? ¿Predecir solo con la genética lo que pasa?
03:02Pues resulta que hay un... nosotros no lo hemos hecho, pero un artículo publicado hace unos meses en Stanford
03:08predecía la pinta que tendrían los tumores en la morfología, en una biopsia, solo basado en la secuencia genética.
03:20Un poco lo que está pasando aquí, yo creo que a donde vamos, es igual que CharGPT,
03:25tiene las palabras, que son el texto, y las imágenes, que en realidad si te crea una imagen,
03:31lo que nosotros estamos trabajando, y esta gente está trabajando, es un modelo de inteligencia artificial
03:36donde las palabras sean la genética y las imágenes sean las imágenes de las células, claro.
03:42La forma de los tumores.
03:43Claro, esa es la idea.
03:44Sí, es que bonito porque normalmente cuando escuchas esto siempre es gente de fuera
03:48que ha hecho esos software de inteligencia artificial para detectar,
03:51y vosotros que os definís como end-to-end, es decir, que empezáis desde el principio
03:56y termináis el producto al final, o sea, decías que lo importante son los datos, ¿no?
04:03Y que os especializáis en enfermedades que están poco digitalizadas.
04:08Lo primero entiendo que es conseguir esa información de partida para después hacer el algoritmo, ¿no?
04:15Sí, sí, empezamos a trabajar en el año 2018, fundamos Spotlab,
04:20de hecho como una spin-off de la Universidad Politécnica de Madrid,
04:23y ahí lo que decidimos es que íbamos, para tener una ventaja competitiva
04:27y realmente para ayudar a eso que queríamos, y es que la salud llegue a todos,
04:31íbamos a buscar enfermedades que no están digitalizadas.
04:34Y unas de ellas eran los cánceres de la sangre,
04:36otras también son enfermedades infecciosas, como enfermedades de parásitos.
04:40Entonces, como lo primero son los datos,
04:41lo primero que hicimos fue cómo digitalizamos cosas que no están digitalizadas.
04:45Microscopios que la gente está mirando y son analógicos.
04:47Y entonces pusimos un teléfono móvil, la cámara de un teléfono móvil,
04:52alineada con el cular de un microscopio, para tomar fotos a las muestras.
04:57Y así metimos en el mundo digital, pues, enfermedades y muestras
05:02que nunca antes se habían digitalizado.
05:05Hablamos de leucemia, pero esto puede aplicarse a muchas enfermedades desatendidas,
05:09como lo llaman los científicos, en países con menor desarrollo.
05:14Tú explicas que en algunos casos son enfermedades que ni siquiera están en el mundo digital.
05:18Son enfermedades de las que no hay datos con los que trabajar, ¿no?
05:20Claro, claro. Entonces, un poco, como os comentaba,
05:23cuando empezamos a trabajar, empezamos a trabajar en oncología.
05:25Estamos trabajando en hospitales aquí en España,
05:27pero también dijimos, oye, hay mil millones de personas
05:30que sufren de lo que se llaman las enfermedades desatendidas,
05:33que son enfermedades que se transmiten casi todas por parásitos
05:37y son enfermedades que se diagnostican con microscopios, ¿vale?
05:40Entonces, si son enfermedades como la malaria, son enfermedades como la lishmaniasis,
05:44son enfermedades como enfermedades de chagas...
05:46Pero tropicales, ¿no? Olvidadas, enfermedades olvidadas,
05:49porque no afectan mucho en los países occidentales.
05:52Pero son enfermedades que causan miles y miles de muertos
05:55y tienen un impacto muy importante en la economía de los países.
05:58Y crecientes.
05:59Y aquí es cuando vuestra aproximación tiene más valor todavía,
06:02porque dices, aquí en un hospital de España, pues hematólogos buenos hay,
06:06pero en países en desarrollo tú no solo necesitas el microscopio,
06:10necesitas un profesional que vea esa imagen y la sepa diagnosticar.
06:15Y en el medio de África quizás no lo hay,
06:17y con ese aparatito que tenéis se conecta a esa inteligencia artificial
06:22o a esos expertos y le dan un diagnóstico.
06:25Claro, un poco la visión, y ojo que esto vale,
06:28estamos hablando que en Europa no hay, igual hay dos hospitales
06:32que están digitalizados en este área, por ejemplo, de las médulas óseas.
06:35Pero vamos, en nuestra visión para el mundo,
06:37esto podéis imaginaros una app de Instagram que te pone un filtro
06:40y te pone orejas de gato, por ejemplo.
06:42Pues aquí lo que nosotros creemos es que cuando pones el móvil en un microscopio
06:46tienes una app que es mejor que el mejor microscopista del mundo.
06:50Básicamente es un filtro que cuando coge una muestra
06:53encuentra todas las enfermedades que pueda tener esa muestra.
06:56Estamos transformando microscopios analógicos de todo el mundo
07:00en microscopios inteligentes.
07:02Para esto, de hecho, hemos tenido el apoyo de la fundación de Bill Gates.
07:07Ah, sí.
07:07¿Implica el diseño de un nuevo tipo de microscopio para poder obtener todos esos datos?
07:13No.
07:14La idea es que cogemos lo que hay y luego acoplamos el teléfono móvil al microscopio
07:19y entonces toda la inteligencia está en el microscopio.
07:22Lo que pasa es que tenemos que crear los algoritmos,
07:27hay que desplegarlos en el móvil y realmente eso es un chat GPT
07:32que permite el diagnóstico universal de todo lo que se ve en el microscopio.
07:36Y esto son todas las biopsias de los cánceres
07:38o todas las enfermedades transmisibles de parásitos, por ejemplo.
07:42Claro.
07:43¿Habrá microscopistas que se quedarán sin trabajo?
07:45No, esto les da, si están ahí todo el día al revés,
07:49les liberará para pensar qué otras cosas pueden hacer
07:53y tareas de más altura científica y también estar con...
07:58Lo importante es la detección, por supuesto, cuanto mejor sea mejor.
08:02¿Cuánto dinero ha puesto Bill Gates?
08:03Casi dos millones.
08:05Dos millones de dólares.
08:06Qué barbaridad, pues es un montón de dinero.
08:08Bueno.
08:08Lo que pasa es que tendréis que funcionar con Windows, entonces.
08:10Pues aquí tenemos un poco de batiburrillo,
08:13pero como hablábamos antes,
08:14los proyectos grandes necesitan financiación grande.
08:17Sí, con dos millones no vamos tampoco muy lejos.
08:21¿Cuál es el horizonte?
08:23¿Cuándo existiría esa aplicación?
08:25Entonces, aquí te voy a hablar de dos horizontes.
08:28Hay un horizonte que es el despliegue,
08:30porque esa aplicación, como decíamos,
08:31ya no hace falta que sea con el teléfono móvil,
08:33pero es un despliegue en la nube
08:35para cánceres hematológicos en España,
08:38esperamos en hospitales españoles,
08:40estamos ahora mismo empezando el despliegue,
08:42estamos presentes ya sobre el 12 de octubre,
08:45Valdebrón, Hospital Clínico San Carlos y muchos otros,
08:48y estamos ya desplegando.
08:49Para la aplicación que valga para países
08:52que tengan enfermedades desentendidas,
08:54sobre todo África y Latinoamérica,
08:57estamos en la última etapa del proceso
08:59que se llama la performance evaluation.
09:02Esto es como los fármacos.
09:03Cuando haces una medicina,
09:04ahí haces un ensayo clínico,
09:05y la última etapa del ensayo clínico la valida.
09:08Pues nosotros estamos haciendo la última etapa del ensayo clínico
09:11para poder certificar esa aplicación
09:15y luego poder comercializarla.
09:17Eso en el ámbito de parásitos,
09:19y esto pasará durante los próximos dos o tres años.
09:23¿Dos o tres años?
09:24¿Os afecta de alguna manera
09:25este desmantelamiento de la sanidad pública americana?
09:28De la americana no.
09:30Lo que pasa es que la inestabilidad geopolítica,
09:32cuando trabajas en países que están vinculados,
09:34pues estamos en Estados Unidos,
09:36o a Rusia, o a China, o a África.
09:37El programa USA completamente destruido por Donald Trump.
09:42Claro, entonces de hecho lo que está pasando
09:44es que ahora se está reconfigurando, digamos,
09:46todo el aspecto de apoyo a salud global,
09:48a nivel global.
09:50Bueno, a nosotros realmente también estamos
09:51apoyados también por la Unión Europea.
09:54Entonces, bueno, también es una oportunidad
09:56para que tecnología de vanguardia,
09:59made in Spain,
10:00es esporte por el mundo.
10:01La verdad es bonito porque yo estuve el martes
10:04en la startup de Miguel
10:05porque nos conocimos hace tiempo en un evento
10:08y me dijo,
10:09ay, pues tienes que venir a verlo.
10:10Y es como las startups, de verdad.
10:12O sea, con mesa de brillar, con futbolín.
10:14No, no les cabe.
10:16Es un espacio.
10:18Y no les cabe por un motivo interesante.
10:19Es decir, es como unos bajos
10:21donde hay un montón de tipos con ordenador
10:24y entonces tienen incluso impresoras 3D
10:26para hacer estos enganches del móvil
10:30con los microscopios y...
10:32No van a comprarlos al chino.
10:36Y les digo, no, no, es end to end.
10:38Yo creo que es muy valioso eso, ¿no?
10:40Y les dije, pronto tendréis que cambiar de lugar.
10:42Dicen, mira, aquí tenemos un problema
10:43que es como un almacén
10:45donde hacen estos utensilios
10:47está aprobado para poder hacerlos.
10:52Entonces, si nos movemos a otro sitio
10:54tendremos que empezar todo otro proceso burocrático
10:57para autorizar que este almacén con estos aparatos
11:02pueda hacer estos aparatos médicos.
11:06Pero si es verdad que es ese ambiente de gente joven
11:09con mucha ilusión, liderados por Miguel
11:12y 22 o 23 erais, ¿no?
11:15O sea, que creciendo,
11:16pero que el espacio se les queda pequeño ya.
11:19Oye, Miguel, el tema de las startups
11:21en relación con esto,
11:24¿está funcionando bien?
11:26¿Se puede mejorar?
11:28¿Funcionan con capital riesgo
11:29como está funcionando en California?
11:32Bueno, en California está funcionando bien.
11:35Aquí es donde debería de funcionar mejor.
11:36Es otro punto, ¿qué si está funcionando bien aquí?
11:39Yo creo que aquí está empezando a haber,
11:43vamos, Borotes Verdes está empezando a invertir,
11:45pero todavía mi percepción
11:47es que se buscan cosas muy claras.
11:51Hay poco inversión en cosas que de verdad tienen riesgo.
11:55Es capital que con reaversión al riesgo realmente.
11:57El riesgo a muy corto plazo, digamos.
12:00Claro, y todos se buscan negocios muy claros.
12:04Oye, por supuesto, me cuesta tres y lo vendo a cuatro,
12:06pero no cambios sistémicos ni cambios ambiciosos.
12:10Entonces yo...
12:10Capital con aversión al riesgo,
12:12me gusta esa definición.
12:14Capital riesgo con aversión al riesgo.
12:16Además, pudiendo invertir en pisos, ¿sabes?
12:18¿Para qué me metí en el riesgo?
12:19Claro, claro.
12:20Es decir, además, esto se tarda mucho tiempo.
12:22Nosotros, para llegar a este punto,
12:23llevamos trabajando siete años.
12:26Estos estudios en los que estamos hablando
12:27son estudios de validación que tardan dos, tres años.
12:30Sacar la licencia de fabricantes de dispositivos médicos,
12:33que esto es lo que nos ha otorgado
12:34a la Agencia del Medicamento para poder fabricar
12:37esos algoritmos.
12:38Aquí el story es que si no eres un fabricante
12:39certificado por la Agencia del Medicamento,
12:41no puedes fabricar algoritmos.
12:43Tardado tres o cuatro años
12:45de todos los procesos de calidad, de regulación.
12:47Entonces estos son apuestas a largo.
12:50Y en España, pensar a largo,
12:53pensar en grande y pensar en ciencia,
12:55bueno, vamos aprendiendo,
12:56pero nos está costando.
12:57También me cuesta menos pedirle dinero a Bill Gates
13:00y que me lo dé.
13:01Que la ministra es de ciencia, ¿no?
13:04También nos están ayudando.
13:07Y luego, claro, tendréis que establecer un precio
13:09para lo que habéis creado.
13:11Claro, claro.
13:12Entonces tienes que hacer un precio
13:14y, bueno, porque realmente la ciencia es la primera parte.
13:17Luego tienes el Health Economics.
13:18Tienes que medir el valor,
13:21pues, por ejemplo, de dar ese diagnóstico
13:23más automatizado,
13:27de hacerlo más rápido,
13:28de hacerlo más preciso.
13:29Aquí también entra la industria farmacéutica en juego,
13:32porque cuando tú das un diagnóstico muy preciso,
13:34ese diagnóstico puede tener
13:35un tratamiento dirigido, ¿vale?
13:39Que realmente va a curar al paciente.
13:40Ahora, lo que nos interesa a nosotros también
13:42es que no solo va del precio,
13:45va de que los pacientes oncológicos
13:47que estén en el occidente asturiano,
13:48en Extremadura, en Cádiz o en Canarias,
13:51puedan tener acceso a la mejor tecnología,
13:54al mejor diagnóstico,
13:55el mismo que puedan tener
13:56en los mejores hospitales de Madrid o de Barcelona
13:58y lo mismo en el mundo.
13:59Y todo eso, además,
14:00siempre pensando que puede ser una tecnología cara,
14:03pero puede ahorrar mucho dinero
14:04a la sanidad pública y a la sanidad privada.
14:06Claro, y lo que...
14:06Cualquier tecnología eficaz en sanidad
14:08es un ahorro a medio o largo plazo.
14:11Pensar más allá de una legislatura es un...
14:14Es cara hacerla,
14:16pero luego desplegarla no es tan cara.
14:17O sea, aquí la clave es que es cara hacerla,
14:18pero necesitamos capital inicial
14:20para luego poder desplegar la escala.
14:22Bueno, pues si quieres poner pasta,
14:24ahora dejas tu Instagram, si quieres, ¿no?
14:26Ahí está.
14:26Dale.
14:27Miguel Luengo Oroz,
14:29que es ingeniero,
14:30experto en inteligencia artificial,
14:31aplicada a la salud,
14:32fundador de este Spotlab.
14:34Gracias por venir y contarlo, Miguel.
14:35Cuídate.
14:36Muchas gracias.
14:36Hasta luego.
14:37Oye, una matización.
14:39Antes hablábamos del herpes zóster.
14:42Yo preguntaba si la seguridad social vacuna.
14:44vacuna en España.
14:46La seguridad social sí que vacuna
14:47contra el herpes zóster.
14:49Hay dos vacunas autorizadas.
14:51Se recomienda la vacunación
14:52para todos los mayores de 65 años
14:54y para los adultos jóvenes
14:56que sean de riesgo
14:57como trasplantados
14:58o pacientes oncológicos.
15:00Ahí me van a tener a mí
15:01en cuanto cumpla 65.
15:03No hay ni que hacer cola.
15:05Porque va muy bien
15:06la vacunación en la sanidad pública.
15:08Esperas tu piñaja a ver San Pedro.
15:10Un abrazo.
15:10Hasta luego.
15:34Para no perderte ningún episodio
15:59síguenos en la aplicación
16:00o la web de la SER
16:01Podium Podcast
16:02o tu plataforma de audio favorita.
16:04Gracias.
16:05Gracias.
16:06Gracias.
16:07Gracias.