Me di cuenta de que había imaginado que la IA tomaría todo mi historial y haría un diagnóstico, posiblemente con algunas imágenes dramáticas que irían apareciendo gradualmente como las escenas en Anatomía de Grey donde descubren un gran tumor que crea una complicación narrativa y se resuelve al final del episodio. He escrito antes sobre este fenómeno, donde las concepciones poco realistas de Hollywood sobre la IA pueden nublar nuestra comprensión colectiva de cómo funciona realmente la IA. La realidad de la IA en la medicina es mucho más mundana de lo que uno podría imaginar, y la IA no “diagnostica” el cáncer como lo hace un médico humano. Un radiólogo mira varias imágenes del área afectada, lee el historial del paciente y puede ver varios videos tomados desde diferentes perspectivas. Una IA toma una imagen estática, la evalúa en relación con los patrones matemáticos que se encuentran en los datos de entrenamiento de la IA y genera una predicción de que partes de la imagen son matemáticamente similares a las áreas etiquetadas (por humanos) en los datos de entrenamiento. Un médico examina las pruebas y saca una conclusión. Una computadora genera una predicción, que es diferente de un diagnóstico.
Los seres humanos utilizan una serie de pruebas estándar para generar un diagnóstico, y la IA se basa en este proceso de diagnóstico. Algunas de estas pruebas son el autoexamen, la mamografía, la ecografía, la biopsia con aguja, las pruebas genéticas o la biopsia quirúrgica. Luego, tiene opciones para tratamientos contra el cáncer: cirugía, radiación, quimioterapia, medicamentos de mantenimiento. Todos reciben algún tipo de combinación de pruebas y tratamientos. Me hice una mamografía, una ecografía, una biopsia con aguja, pruebas genéticas y cirugía. Mi amigo, diagnosticado casi al mismo tiempo, detectó una masa en un autoexamen. Se hizo una mamografía, una ecografía, una biopsia con aguja, pruebas genéticas, una biopsia quirúrgica, quimioterapia, cirugía, radiación, una segunda ronda de quimioterapia y medicamentos de mantenimiento. El tratamiento depende del tipo de cáncer, dónde se encuentra y en qué etapa se encuentra: 0–4. Las pruebas, el tratamiento y los medicamentos que tenemos hoy en día en los hospitales de EE. UU. son los mejores en la historia del mundo. Afortunadamente, un diagnóstico de cáncer ya no tiene que ser una sentencia de muerte.
Debido a que Geras y sus colaboradores entrenaron previamente el modelo y lo pusieron en línea, todo lo que Robinson y yo tuvimos que hacer fue conectar nuestro código al modelo previamente entrenado y ejecutar mis escaneos a través de él. Lo preparamos y… nada. No hay resultados significativos de cáncer, nada. Lo cual fue extraño porque sabía que había cáncer de mama. Los médicos acababan de cortarme todo el seno para que el cáncer no me matara.
Investigamos. Encontramos una pista en el artículo, donde los autores escriben: «Hemos demostrado experimentalmente que es esencial mantener las imágenes en alta resolución». Me di cuenta de que mi imagen, una captura de pantalla de mi mamografía, era de baja resolución. Se requería una imagen de alta resolución.
Robinson descubrió un problema adicional oculto en lo profundo del archivo de imagen. La imagen de mi captura de pantalla nos apareció en blanco y negro, como todas las imágenes de rayos X. Sin embargo, la computadora había representado la captura de pantalla como una imagen a todo color, también conocida como imagen RGB. Cada píxel de una imagen en color tiene tres valores: rojo, verde y azul. Mezclar los valores te da un color, al igual que con la pintura. Si haces un píxel con 100 unidades de azul y 100 unidades de rojo, obtendrás un píxel morado. El valor del píxel morado podría verse así: R:100, G:0, B:100. Una foto digital en color es en realidad una cuadrícula de píxeles, cada uno con un valor de color RGB. Cuando coloca todos los píxeles uno al lado del otro, el cerebro humano forma la colección de píxeles en una imagen.