Infodatnet: Cuando el doctor robot diagnostica mejor que el ser humano

La inteligencia artificial es mucho más que Go, ajedrez y damas. A día de hoy, ya hay cientos de algoritmos dedicados a modelar y configurar gran parte de nuestra vida diaria: algoritmos que manejan nuestras finanzas, organizan la industria, gestionan el transporte, deciden que vemos en televisión o campan a sus anchas por internet.

Y algoritmos que vigilan nuestra salud. Desde hace años existen programas que ayudan a interpretar imágenes médicas, a analizar los sonidos del corazón y a interpretar pruebas diagnósticas rápidamente. Pero hoy nos encontramos con algo inaudito, hay algoritmos que diagnostican mejor que los médicos humanos. ¿Es tiempo de cambiar la medicina?

La salud es un asunto casi demasiado complejo

En 1986 se publicó en Annals of Internal Medicine uno de los estudios clásicos en medicina informática. En él, se descubrió que 2 de cada 3 consultas generan preguntas que el médico no puede resolver. De ellas, sólo el 30% son capaces de resolverse llamando a un compañero. Pero, más curioso aún, se descubrió que si los médicos pudieran responder a esas preguntas, cambiarían de media una decisión clínica al día.

Dos de cada tres consultas generan dudas que el médico no puede resolver.

Según algunos investigadores como Arthur Elstein (1995) entre un 10 y un 15% de los diagnósticos podrían ser equivocados. Y aunque los estudios han bajado el porcentaje hasta un 5% en los últimos años, una media de 40.500 personas mueren al año fruto de un mal diagnóstico solo en las UCIs de Estados Unidos.

Esto, lejos de ser un desmérito para la profesión médica, pone en contexto la excelente trabajo que se realiza. Según la OMS, hay más de 10.000 enfermedades que afectan al ser humano y es virtualmente imposible que un médico (por muy Funes el memorioso que fuera) pueda conocer todas ellas, los fármacos que las tratan, sus interacciones y efectos cruzados. Estar al día de una especialidad ya es de por sí un trabajo muy duro, pero a eso hay que sumarle que trabajan en entornos de gran incertidumbre, con información parcial y limitaciones técnicas.

La ayuda de los algoritmos

En 2013, un estudio de la Universidad de Indiana propuso que el 'machine learning' podía mejorar drásticamente tanto la calidad como el costo del sistema sanitario (Bennett y Hauser, 2013). Compararon el trabajo de su framework propio con el trabajo habitual del hospital en 500 pacientes al azar. Llegaron a la conclusión de que podían reducir más de la mitad los costos (hasta 189 dólares de la IA frente a los 497 dólares habituales) y mejorar entre un 30-35% los resultados de los pacientes.

El uso de IAs y algoritmos podría reducir más de la mitad los costos y mejorar entre un 30-35% los resultados.

Hay muchas críticas (las hay incluso para el uso de robots quirúrgicos mucho más precisos y seguros que los cirujanos), pero la pregunta fundamental es: si esto es así, ¿Por qué no? Lo hemos visto en otros ámbitos de la medicina. En 2003, una jovencita Elizabeth Holmes de diecinueve años fundó Theranos. Estaba en segundo de carrera en la Universidad de Standford y tenía una idea: los análisis clínicos se podían hacer mejor y sin necesidad de usar molestas agujas.

Hace no tantos años, cualquier análisis de sangre requería un montón de gente y de tiempo, pero para 2004, Theranos ya ofrecían tests que permitían diagnosticar fácilmente más de 200 enfermedades con una simple gota de sangre. Thyrocare es una empresa india que utiliza un sistema experto para hacer informes de más de 100,000 tests diagnósticos cada día. Servicios como 23 and me te hacen el análisis por menos de cien euros y con informes lo suficientemente sencillos como para que cualquier persona lo pudiera entender sin tener grandes conocimientos. Si nuestras IAs puede hacer eso, ¿por qué no dar el siguiente paso?

¿En qué se está trabajando?

En realidad, ya hay muchísima gente que está dando ese paso. Babylon es una start-up británica que trabaja en un app de inteligencia artificial para asesorar en materia de salud. Tomando los síntomas de los pacientes y considerando su historia y antecedentes plantea un curso de acción. Babylon trata de integrar todo el proceso de la atención primaria, permitiendo hacer citas en el médico o encargar pruebas diagnósticas. De esta forma, son capaces de acumular grandes bases de datos médicos que les permitirán mejorar sus sistemas.

Cada día hay más grupos desarrollando aplicaciones de inteligencia artificial dedicadas a la salud y la medicina

En marzo de 2012, Watson, la famosa supercomputadora de IBM que ganó Jeopardy! (el 'Saber y ganar' norteamericano), comenzó a ser adiestrada por el Memorial Sloan Kettering Cancer Center en la identificación del cáncer de Pulmón. Durante estos años se han incluido más de 600.000 pruebas médicas, un millón y medio de casos clínicos y dos millones de páginas de textos médicos. En 2014, se inició el mismo proceso con los problemas cardiovasculares y hace unos meses con la evaluación de la personalidad.

SkinVision es una app autorizada por la Unión Europea que permite evaluar manchas en la piel para determinar si hay indicios de melanoma u otra enfermedad de la piel. Modernizing Medicine, por otro lado, es un inmenso repositorio de información médica con datos de hasta 14 millones de pacientes. Esta herramienta arma sus recomendaciones gracias a la integración de las decisiones de los casi 4.000 médicos que la usan.

¿Qué pasa si falla?

Como vimos hace un par de semanas, por muy inteligente que fuera, AlphaGo puede fallar. Estrepitosamente, además. Puede fallar de la misma manera que fallan los coches de Google o el 'descubrimiento semanal' de Spotify. Pero mientras encontrar una canción que no nos gusta es un problema trivial, un error en el proceso de diagnóstico puede ser fatal. ¿Qué pasaría entonces si falla uno de estos dispositivos médicos?

La tendencia mundial va hacia la deshospitalización y el tratamiento ambulatorio

No estamos en una fase en la que no necesitemos a un médico. De hecho, ni siquiera estamos en la fase en la que no queramos un médico. Lo que queremos es algo que asesore a nuestra doctora, que le facilite toda la información necesaria, que le muestre donde buscar y que le ayude a tratarnos mejor. A día de hoy ya tenemos buena parte de la información médica (antecedentes, pruebas, informes) en la historia clínica digital, tener sistemas que procesen esta información y la comparen con otros 40, 50 o 100 millones de casos clínicos no solo no es una tontería sino que puede ayudarnos a ser más eficaces y efectivos.

Indiscutiblemente, es pronto para para dispensar diagnósticos y tratamientos a distancia, aunque con la emergencia de weareables médicos (que permiten una monitorización a tiempo real), la tendencia mundial va hacia la deshospitalización y el tratamiento ambulatorio. En ello, y en la planificación sanitaria del futuro, la inteligencia artificial y el uso de grandes bases de datos pueden tener un papel clave.

Entonces, ¿Es esto una revolución en medicina?

Sí y no. Hablábamos al principio que los primeros trabajos reflexionando sobre la necesidad de la informática médica en 1986. En 1992 surgió UpToDate. UpToDate es un recurso de apoyo para la toma de decisiones clínicas. Hoy en día, más de 11 millones de médicos lo usan habitualmente, un 90% de los centros médicos en Estados Unidos lo tienen a disposición de su personal y países como Noruega lo han hecho accesible para cualquier persona en el país. Es decir, los médicos son muy sensibles a este problema y llevan tiempo tratando de usar la tecnologías de la información para mejorar la atención clínica.

Todo esto hace pensar que el principal problema no serán la resistencia, será cómo integrar las prácticas médicas. Los médicos del futuro necesitarán encontrar una forma de integrar el conocimiento humano y el conocimiento de la máquina de forma natural. Seguramente, la clave será (como en el ajedrez) en aprender a pensar clínicamente no frente a ellas, sino con ellas.

Imágenes | poppet with a camera, Andrew Malone, Washington State House Republicans, Paul Townsend, Jamie