Con la "IA enjambre" contra el COVID y otras enfermedades

La medicina y la investigación producen cada vez más datos, lo que hace que las enfermedades y los procesos subyacentes se capten cada vez con mayor detalle. En el laberinto de esta información, la esperanza es encontrar claves para nuevas terapias personalizadas que puedan adaptarse mejor a cada paciente que los tratamientos convencionales. Se trata de un reto en más de un sentido. "Analizar grandes cantidades de datos requiere métodos informáticos sofisticados, sobre todo de la caja de herramientas de la inteligencia artificial. Al mismo tiempo, no es tan fácil armonizar el tratamiento de datos biomédicos con cuestiones de ética y protección de datos. Esto se aplica, en particular, si los datos no están disponibles de forma centralizada. En tales circunstancias, es difícil acceder a ellos. Esto se debe a que la protección y la soberanía de los datos imponen límites estrictos al intercambio de datos biomédicos a través de ubicaciones o incluso fronteras nacionales", afirma el Prof. Joachim Schultze, ponente del consorcio de investigación y Director de Medicina de Sistemas del DZNE. "En nuestro proyecto, perseguimos una solución elegante utilizando Swarm Learning. Ya hemos probado con éxito esta tecnología en estudios piloto y ahora pretendemos ponerla en práctica. Hemos elegido las infecciones de vanguardia COVID como ejemplo de aplicación. En otras palabras, queremos entender por qué algunas personas enferman de coronavirus a pesar de estar vacunadas".

Una red en toda Alemania

En el proyecto participan expertos de Berlín, Bonn, Giessen, Hamburgo, Homburg, Colonia, Múnich y Saarbruecken. "En el transcurso de la pandemia de COVID-19, los miembros de nuestro consorcio han realizado importantes contribuciones a la comprensión de la respuesta inmunitaria al coronavirus. Ahora estamos aunando esta experiencia, conocimientos e infraestructura de investigación local", afirma el Prof. Leif Erik Sander, coponente del consorcio del proyecto y Director del Departamento de Enfermedades Infecciosas y Medicina Intensiva de la Charité - Universitätsmedizin Berlin. "La mayoría de las infecciones irruptivas por COVID-19 tienen un curso más bien leve. Sin embargo, recientemente hemos vuelto a tratar a un número creciente de pacientes con COVID-19 en la unidad de cuidados intensivos. Por lo tanto, nos gustaría averiguar por qué se produce de nuevo un curso grave de la enfermedad en determinados casos y si la respuesta inmunitaria difiere de la infección primaria. Y lo que es más importante, queremos investigar cómo se puede seguir mejorando el tratamiento". Para llegar al fondo de la cuestión, se examinará a unos 800 individuos vacunados contra COVID-19 que siguen enfermando en diversos centros. "Para poder inscribir rápidamente a un gran número de participantes en el estudio, trabajamos en colaboración. Tomamos muestras de sangre, muestras de la nasofaringe y los pulmones y las analizamos utilizando diversas técnicas de alta resolución. Sus capacidades se extienden hasta el nivel de las células y moléculas inmunitarias individuales. Esto proporciona una imagen detallada de la respuesta inmunitaria, que nos muestra cómo el organismo hace frente al virus en los distintos cursos de la enfermedad", explica Sander.

Aprendizaje en enjambre

El aprendizaje en enjambre entra en acción al evaluar la masa de datos resultante. La técnica fue desarrollada por DZNE en colaboración con la empresa de TI Hewlett Packard Enterprise (HPE) y se basa en una combinación de IA y tecnología blockchain. La gracia de Swarm Learning es que aprovecha grandes cantidades de datos distribuidos y potencialmente personales sin intercambiar los datos reales: Permanece local y confidencial en línea con la protección de datos. "Todos los socios que aportan sus conocimientos al enjambre pueden aprender unos de otros sin tener que transmitir información sensible. Esto se debe a que no se comparten datos auténticos, sino percepciones derivadas de estos datos. Esto simplifica las colaboraciones científicas y las hace más eficaces", afirma Joachim Schulze. En las pruebas realizadas, su equipo pudo demostrar la eficacia del método con datos procedentes de sangre e imágenes de rayos X de los pulmones. "Otra ventaja del aprendizaje en enjambre es que todos los miembros del enjambre tienen los mismos derechos y se benefician por igual. A diferencia de otras tecnologías que también procesan datos distribuidos, no hay una autoridad central que controle lo que ocurre y los resultados. Swarm Learning permite aprovechar el potencial de la inteligencia artificial y el big data de forma democrática."

Aspectos éticos

El uso de la IA en medicina es objeto de debate público. El proyecto de investigación aborda esta cuestión. "Nos pondremos en contacto con grupos de defensa de las personas afectadas por COVID e implicaremos a profesionales con conocimientos éticos desde el principio", afirma la profesora Alena Buyx, miembro del consorcio de investigación y catedrática de Ética en Medicina y Tecnologías Sanitarias de la Universidad Técnica de Múnich. "Con demasiada frecuencia, los aspectos éticos y sociales sólo se tienen en cuenta al final de las innovaciones técnicas. El equilibrio entre viabilidad técnica y beneficio social debería sopesarse de antemano. Nuestro consorcio de investigación aborda este debate".

Protocolos normalizados

Una de las primeras tareas de los miembros del consorcio es desarrollar protocolos de medición y métodos de procesamiento de datos estandarizados. "Todos los socios del proyecto deben generar y procesar los datos de la misma manera. Sólo así podrán compararse los resultados entre distintos lugares. Este es un requisito previo para introducirlos en el enjambre", afirma Joachim Schultze. "Por ejemplo, hay varios protocolos para procesar muestras de sangre y aislar de ellas células inmunitarias individuales. También hay numerosas opciones para procesar los datos brutos tal y como proceden directamente de los dispositivos de medición. Por lo tanto, desarrollaremos procedimientos estandarizados que sean realmente aplicables en el trabajo diario de laboratorio."

Perspectivas globales

Con vistas a futuros desarrollos, también son importantes un cierto grado de tolerancia a fallos y la definición de unos requisitos técnicos mínimos, afirma Schultze. "Vemos nuestro consorcio como un núcleo para redes más grandes que hagan uso del Swarm Learning. Sin embargo, nuestro consorcio es relativamente pequeño y queremos que esta tecnología esté más ampliamente disponible, lo que abriría un tesoro mundial de datos para la investigación y la medicina. Por tanto, tenemos que asegurarnos de que nuestros protocolos de medición y datos también sean practicables a mayor escala y en otros países, aunque la infraestructura técnica difiera de un lugar a otro". Por ello, está previsto que se unan al proyecto socios internacionales. Ya se han entablado conversaciones con expertos de otros países europeos, Estados Unidos, Japón y Australia. También participarán clínicas de países africanos. "Pretendemos probar si Swarm Learning puede constituir la columna vertebral de un sistema internacional de investigación y respuesta rápida. Si el concepto de COVID-19 tiene éxito, podríamos abordar otras enfermedades infecciosas. Sería una baza en la lucha contra las pandemias. Además, el uso del Swarm Learning también es concebible para otras enfermedades que se dan a nivel mundial. Como el Alzheimer o el Parkinson", afirma Joachim Schultze.

Miembros del consorcio de investigación

• Prof. Dra. Marylyn Addo, Centro Médico Universitario de Hamburgo-Eppendorf
• Prof. Dra. Alena Buyx, Universidad Técnica de Múnich
• Prof. Dra. Susanne Herold, Hospital Universitario de Giessen y Marburgo
• Prof. Dr. Florian Klein, Hospital Universitario de Colonia
• Prof. Dr. Percy Knolle, Universidad Técnica de Múnich
• Prof. Dr. Leif Erik Sander, Charité - Universitätsmedizin Berlin, coponente del consorcio
• Prof. Dra. Martina Sester, Hospital Universitario del Sarre
• Prof. Dr. Fabian Theis, Helmholtz Munich
• Prof. Dr. Birgit Sawitzki, Charité - Universitätsmedizin Berlin
• Prof. Dr. Joachim Schultze, Deutsches Zentrum für Neurodegenerative Erkrankungen (DZNE) y Universidad de Bonn, ponente del consorcio