La revolución de la inteligencia artificial (IA) ha comenzado en serio. Apenas pasa un día sin aprender nuevas formas de usar la IA, incluso en el cuidado de la salud. Los estudios demuestran que los chatbots de IA pueden pasar los exámenes de la junta de licencias médicas, proporcionar segundas opiniones y mostrar más compasión que los médicos. 1-3
¿Qué significa esto para los médicos?
Nadie sabe cómo la IA afectará en última instancia a la medicina, pero la teoría y la experiencia en otras industrias proporcionan alguna orientación.
Aquí hay 5 observaciones sobre los posibles efectos de la IA en la medicina.
En primer lugar, es probable que la IA sustituya las actividades rutinarias que los humanos realizan actualmente, como el trabajo rutinario de oficina: facturación, programación de citas y gestión de instalaciones. Actualmente, estas tareas son intensivas en personas; con la IA, se puede reducir la necesidad y el costo del personal de oficina. 4 Recientemente, mis colegas y yo estimamos que los ahorros de la IA en este dominio podrían oscilar entre $ 200 mil millones y $ 360 mil millones anuales, aproximadamente el 35% de los cuales serían ahorros administrativos. 4
Esta sustitución conducirá a una reducción en el empleo de atención médica, pero es probable que sea gradual a medida que el uso de la IA se expanda en todas las áreas (facturación, administración, programación, etc.). No piense en los robots que reemplazan a los trabajadores de las fábricas, sino en la disminución gradual del personal administrativo de oficina a lo largo del tiempo.
En segundo lugar, en la atención clínica, es más probable que la IA complemente a los médicos que los sustituya. 5 Aunque la atención clínica generalmente no se administra de la misma manera rutinaria que las tareas administrativas, hay algunas tareas en las que la IA puede ser útil, como escanear los resultados de laboratorio para detectar anomalías. Pero la atención clínica también implica aspectos más sutiles que la IA aún no puede imitar. ¿Es este un paciente que típicamente reporta una buena cantidad de dolor? ¿El paciente se ve más confundido de lo habitual? Los médicos aún necesitarán combinar datos estructurados y no estructurados, e incluso no registrados (por ejemplo, apariencia física, sonido de la voz, vacilación al hablar).
Aprender a integrar la toma de decisiones humanas con el software es extremadamente importante. Sería bastante frustrante para los médicos llegar a un diagnóstico y un plan de tratamiento solo para que la IA los volcara con una crítica y opciones alternativas. Al mismo tiempo, recibir resmas de resultados brutos de los programas de IA abrumará a los médicos, que ya sufren de «fatiga de clic». 6 Por lo tanto, es esencial diseñar sistemas efectivos para las interacciones entre humanos e IA.
En tercer lugar, es particularmente importante desarrollar aplicaciones de IA que mejoren la eficiencia al permitir el monitoreo, el diagnóstico y las necesidades de personal menos costosas. La atención médica más cara ocurre en instituciones: hospitales e instalaciones postagudas. Los pacientes a menudo reciben dicha atención porque necesitan un monitoreo continuo. Al facilitar el monitoreo remoto, la IA puede ayudar a trasladar parte de esta atención al hogar o a una unidad de observación reductora.
El costo de diagnosticar la enfermedad también puede ser más barato. Por ejemplo, la elegibilidad para ensayos clínicos de terapias para la enfermedad de Alzheimer a menudo requiere una tomografía por emisión de positrones de diagnóstico o un análisis del líquido cefalorraquídeo, los cuales son complejos y costosos. 7
El uso de la IA para analizar biomarcadores sanguíneos, tal vez en combinación con imágenes cerebrales menos costosas, podría reemplazar las modalidades más costosas en la investigación y la práctica clínica y conducir a reducciones en imágenes de alto costo y pruebas invasivas.
La inteligencia artificial también puede ayudar a sustituir a los médicos menos costosos por otros más caros. La anestesia es un buen ejemplo. La administración de anestesia solía ser lo suficientemente compleja como para requerir un alto nivel de capacitación para todas las aplicaciones. Sin embargo, la estandarización de los protocolos de administración ha significado que las enfermeras anestesistas pueden sustituir a los anestesiólogos en muchos casos de rutina. La inteligencia artificial puede ser la clave para tales sustituciones en otras áreas de la medicina (por ejemplo, guiando a los médicos de nivel medio a través de procesos apropiados).
En cuarto lugar, los algoritmos de IA no solo deben replicar los procesos de pensamiento humano, sino que deben apuntar a superarlos. Los seres humanos pueden tomar decisiones pobres o sesgadas, algunas de las cuales son aleatorias, mientras que otras decisiones afectan sistemáticamente a las personas con ingresos más bajos, niveles de educación más bajos y grupos minoritarios raciales y étnicos. 8 Crear código de software y algoritmos que reproduzcan errores y prejuicios humanos no es lo suficientemente bueno. 9 Se necesita un software que prediga la verdad básica, no la interpretación falible de un individuo de ella.
Un paso necesario para ello es aumentar la cantidad y la calidad de los datos disponibles. Uno de los usos clásicos del aprendizaje automático es el reconocimiento de patrones: ¿el objeto de la imagen es un gato o un perro? Fuera de la atención médica, los algoritmos de reconocimiento de patrones se basan en millones de imágenes. En el cuidado de la salud, existe una gran cantidad de imágenes y datos, pero están enterrados en registros médicos electrónicos específicos de la práctica. Por lo tanto, los médicos tienen acceso a datos limitados y carecen de experiencia en informática, mientras que los informáticos tienen habilidades técnicas pero no suficiente acceso a los datos. Una prioridad importante es reunir grandes muestras de datos que se basen en la verdad sobre el terreno en lugar de solo percepciones de la verdad.
En quinto lugar, es importante tener claro en qué no es buena la IA. El aprendizaje automático puede ser excelente para encontrar patrones en los datos. Puede escanear los resultados de los ensayos clínicos e identificar subgrupos con efectos de tratamiento mayores que el promedio. Sin embargo, esto es más parecido a la generación de hipótesis que a la prueba de diferencias porque siempre habrá algunos subgrupos con una respuesta mayor que el promedio en cualquier conjunto de datos. Hacer determinaciones causales aún requerirá pruebas de hipótesis clásicas, ya sea de ensayos clínicos o utilizando entornos cuasiexperimentales en el mundo real.
Históricamente, la nueva tecnología a menudo ha sido extremadamente beneficiosa para los pacientes y los médicos. Toda la empresa clínica se basa en la capacidad de los médicos para aprovechar los datos y dispositivos para mejorar la salud de los pacientes. Con suerte, esto también será cierto para la IA, con beneficios económicos para arrancar. Pero hacer que esto suceda requerirá un esfuerzo consciente y planificación; no se puede dejar al azar.
