Revisamos un artículo de la revista The New England Journal of Medicine que plantea 4 usos de la inteligencia artificial y el aprendizaje automático en la medicina (1).
PUNTOS CLAVE
- El aprendizaje automático es la tecnología en la cual se basa la inteligencia artificial.
- Tiene dentro de sus particularidades el hecho de valerse de información de diversas fuentes (fotos, videos, chats, internet, dispositivos con toma de signos vitales, redes sociales, etc.) para generar un conocimiento nuevo (no proviene únicamente de libros de medicina, historias clínicas y del conocimiento médico).
- Los chatbots asistidos por inteligencia artificial serán una herramienta valiosa, pero, si no se usan correctamente, tienen el potencial de causar daño.
- Hace falta generar evidencia que sustente los avances en esta materia.
- Es fundamental que el personal de salud se involucre en los procesos de desarrollo de estas tecnologías, se capacite en la materia y supervise su uso.
Este artículo plantea 4 usos de la inteligencia artificial y el aprendizaje automático en la medicina:
1- Práctica clínica: plantea la posibilidad que la IA sea una aliada del personal de salud
2- Investigación clínica en IA: la comunidad médica exigirá que las aplicaciones de IA hayan pasado por un ensayo clínico que certifique su eficiencia y seguridad, de la misma manera que lo hacen para aprobar un nuevo fármaco y seguir los siguientes manifiestos:
a). Primero, la investigación debe estructurarse para responder a una pregunta clínicamente significativa de manera que pueda influir en el comportamiento del profesional de la salud y llevar a una mejora en los resultados para un paciente.
b). Segundo, la intervención debe ser definible, escalable y aplicable al problema en cuestión.
c). Tercero, cuando los resultados de la investigación se aplican de tal manera que influyen en la práctica, el resultado debe ser beneficioso para todos los pacientes considerados.
3- IA en la realización de estudios clínicos: potencial de mejorar y posiblemente simplificar y acelerar los ensayos clínicos a través de una selección más eficiente y el emparejamiento de participantes del estudio, así como un análisis más completo de los datos.
4- Chatbots: se convertirán en herramientas importantes en la práctica de la medicina. Como cualquier buena herramienta, pueden ayudarnos mejorar nuestro trabajo, pero, si no se usan correctamente, tienen el potencial de causar daño. Dado que estas herramientas son nuevas y difíciles de probar con los métodos tradicionales mencionados anteriormente, la comunidad médica estará aprendiendo cómo usarlas.
Historia
La computación y el concepto de inteligencia artificial (IA) fueron desarrollados casi simultáneamente en las décadas de 1940 y 1950. El campo de la medicina rápidamente percibió su relevancia y potencial beneficio.
Los siguientes eran algunos de los primeros conceptos e interpretaciones acerca del razonamiento médico y como el aprendizaje automático iba a reemplazarlo:
«La elaboración de interpretaciones diagnósticas correctas de los síntomas puede ser un proceso en todos los aspectos lógico y tan completamente definido que puede ser llevado a cabo por una máquina». K. Bordman 1959
«La ciencia informática probablemente ejercerá sus principales efectos al aumentar y, en algunos casos, reemplazar en gran medida las funciones intelectuales del médico». W. B. Schwartz 1970
A partir de entonces hubo sistemas diseñados para asistir en diagnósticos difíciles, principalmente; sistemas basados en reglas y sistemas de coincidencia o reconocimiento de patrones.
Los sistemas basados en reglas se construyeron bajo la hipótesis de que el conocimiento médico consiste en muchas reglas independientes y específicas de la situación, y que las computadoras pueden simular el razonamiento de un experto encadenando estas reglas.
Las estrategias de coincidencia intentaron emparejar las características clínicas de un paciente con un banco de «perfiles almacenados», de los hallazgos en una enfermedad determinada.
Se hizo evidente que las deficiencias claves en la mayoría de los programas anteriores provenían de su falta de conocimiento fisiopatológico.
En mi opinión, a la descripción de este primer fracaso, o falta de implementación masiva, le falta la interpretación que la sociedad médica en primera instancia y, general en segunda no estaba preparada para el apoyo en las computadoras para la toma de decisiones.
Mucho tiene que ver el acceso a estos centros de cómputos y la velocidad de procesamiento que tenían en ese momento, y por otro lado, el hecho de que la tecnología no estaba inserta en nuestra vida como lo está ahora.
Por ese motivo, considero que la predicción de Moore que reza que el número de transistores en un circuito integrado, y, por lo tanto, su potencial de poder computacional, se duplicaría cada 2 años, no es suficiente para entender el éxito de hoy en día.
Por sobre todas las cosas se debe considerar el nivel de adopción por parte de la sociedad en general de la tecnología, tal como se encuentra en la actualidad.
Como dice Malcolm Galdwell en su libro Outliers: “a veces el que llega primero no es el que tiene el éxito” (aprovecho para recomendar este libro).
Otra situación interesante que menciona el artículo es que ahora, la información de la cual nos vamos a valer para hacer un diagnóstico, no proviene únicamente de libros de medicina, historias clínicas y del conocimiento médico.
Esta nueva era, del aprendizaje automático, que pareciera estar teniendo adopción y usos concretos tiene dentro de sus particularidades el hecho de valerse de información de diversas fuentes (fotos, videos, chats, internet, dispositivos con toma de signos vitales, redes sociales, etc.) para generar un conocimiento nuevo.
Con esta capacidad de extraer datos de distintas fuentes, la frase: “Comparar peras con manzanas” como algo negativo quedó obsoleta porque ahora lo que se busca es comparar, peras con manzanas, caballos, clima húmedo y consumo de grasas.
Además, necesitamos que, de esta gran ensalada de información, salga información útil, disponible en cualquier momento y rápida
Tal es así que, las características que describe a la Big Data, están representadas en las 4
V´s
- Velocidad
- Variedad
- Volumen
- Veracidad
Avances en la capacidad de almacenamiento
Avances en la velocidad de almacenamiento. Ley de Moore.
Ahora somos capaces de utilizar datos no estructurados para identificar relaciones no conocidas hasta ahora entre elementos en los datos, permitiendo el uso de datos dinámicos y datos con múltiples contextos que, al ser abordados y analizados de manera no tradicional, proporcionan ideas accionables sobre el comportamiento humano.
Las primeras tareas que las computadoras pudieron hacer por el personal de salud fueron aquellas automatizables que, dicho sea de paso, son las más susceptibles al error humano.
Con el paso del tiempo fue ganando terreno y su adopción creció ayudando a identificar brotes de enfermedades infecciosas que puedan tener un impacto en la salud pública; combinando datos clínicos, genéticos y muchos otros resultados de laboratorio para identificar condiciones poco frecuentes que de otra manera podrían haber pasado desapercibidas; y ayudando en las operaciones comerciales de los hospitales.
NEJM lanzó una serie denominada “IA en medicina” la cual presentaremos acá, en la cual busca detallar el avance de esta disciplina en la medicina, tratando de responder las siguientes preguntas:
- ¿Cómo podemos inyectar valores humanos en los algoritmos de inteligencia artificial y aprendizaje automático para que los resultados obtenidos reflejen los problemas reales enfrentados por los profesionales de la salud?
- ¿Qué problemas deben abordar los reguladores para garantizar que las aplicaciones de inteligencia artificial y aprendizaje automático funcionen según lo anunciado en diferentes entornos de uso?
- ¿Cómo deberían modificarse, si es necesario, los enfoques clásicos en la inferencia estadística para intervenciones que dependen de la inteligencia artificial y el aprendizaje automático?
Conclusión
Los profesionales de la salud encontrarán la manera de trabajar con la inteligencia artificial y el aprendizaje automático a medida que crezcamos junto con la tecnología.
La inteligencia artificial y el aprendizaje automático no eliminarán a los profesionales de la salud; más bien, harán posible que realicen mejor su trabajo y dejen tiempo para las interacciones humanas que hacen que la medicina sea la profesión gratificante que todos valoramos.
Es fundamental que el personal de salud se involucre en los procesos de desarrollo de estas tecnologías, se capacite en la materia y supervise su uso.
Referencias
