Cansament permanent, problemes per dormir, malestar després de fer esforços o dificultats per concentrar-se. Aquests són alguns dels símptomes de la fatiga crònica, una malaltia que afecta entre 17 i 24 milions de persones al món i que és molt complicada de diagnosticar, ja que no hi ha proves ni biomarcadors que la defineixin. En l’actualitat, els diagnòstics es fan a través de diversos qüestionaris contestats pels pacients, una tècnica que, segons un estudi elaborat per l’investigador de la Universitat Oberta de Catalunya (UOC) Marcos Lacasa, es podria accelerar fent ús de la intel·ligència artificial.

L’article, publicat en obert a la revista Scientific Reports, planteja la possibilitat de crear una aplicació basada en aprenentatge automàtic que sigui capaç de simular l’estat d’un pacient en diferents àmbits en funció de les respostes que doni en un test inicial de 40 preguntes. “Això serviria d'alerta davant de símptomes que es poguessin associar a l'encefalomielitis miàlgica i facilitaria el fet d'enviar el pacient a la unitat especialitzada més propera. En definitiva, facilitaria un diagnòstic precoç”, assegura Lacasa. Com que el diagnòstic d’aquesta malaltia depèn en gran manera de l’historial i del facultatiu, poder accelerar-lo “pot tenir una gran influència en l'evolució de la malaltia”, d’acord amb l’investigador.

El principal obstacle per desplegar aquest projecte és, com en la majoria d’iniciatives basades en intel·ligència artificial, disposar de prou dades de qualitat per assegurar que les respostes que doni la màquina siguin precises i acurades. No només és que es necessitin respostes de molts pacients diferents, sinó que també es voldria comptar amb les seves respostes en diferents formularis, la qual cosa seria complicat d’aconseguir. En aquest sentit, l’estudi proposa fer ús de pacients sintètics: aprofitar les respostes reals d’un formulari concret per, a partir de mètodes estadístics, generar informació artificial d’altres formularis. “Podem desenvolupar estudis científics amb dades inventades, entre cometes, per la IA, però que mantenen les característiques estadístiques pròpies com si es tractés de pacients reals. L'avantatge principal és que aquestes dades sintètiques es poden compartir sense por de violar cap dada privada de cap mena”, justifica Lacasa.

Aquest mètode facilitaria el desenvolupament dels algoritmes necessaris per accelerar el diagnòstic, però també té el risc que la informació no sigui prou veraç. “Un mal ús de les dades sintètiques invalidaria les anàlisis. A més, comptar amb dades reals d'entrada, com ara les facilitades pel qüestionari SF-36, continua sent un requisit necessari”, deixa clar l’autor de l’estudi.