¿Estamos evaluando adecuadamente la IA en medicina? Lecciones del pasado y retos de futuro

28/10/2024

Siempre hemos pensado que la medicina es la punta de lanza del progreso y del conocimiento científico. Desde las vacunas que han salvado millones de vidas hasta los avances en cirugía y tratamientos personalizados. La medicina ha estado históricamente a la vanguardia de la innovación. Por ello es sorprendente aceptar que cuando se trata de inteligencia artificial(IA), vamos rezagados. Sectores como la banca y el comercio han sido transformados radicalmente por la IA. Sin embargo, nuestros sistemas de salud siguen avanzando a paso lento.

Tomemos como ejemplo la banca. En los últimos años, grandes instituciones financieras han adoptado la IA a gran escala para optimizar procesos, reducir riesgos y mejorar la experiencia del cliente. Un informe de Deloitte revela que la IA ha permitido automatizar más del 70% de las actividades comerciales. Esto ha generado un impacto significativo en la eficiencia y reducción de costos. Accenture también destaca cómo la IA generativa está transformando áreas clave en el sector financiero, desde la atención al cliente hasta la gestión de riesgos​. Sin embargo, la medicina, a pesar de su gran potencial para integrar la IA en diagnósticos más precisos y tratamientos personalizados, parece resistirse a este cambio.

Al igual que estos sectores, la medicina también se enfrenta a sus propios desafíos a la hora de integrar la IA. Estos mayoritariamente son debidos a la naturaleza crítica de la atención al paciente y a las estrictas regulaciones existentes. Pero a pesar de ello me ronda una cuestión constante en la cabeza. ¿Estamos evaluando correctamente esta tecnología en medicina?

La IA, por su naturaleza disruptiva y en constante evolución, probablemente no puede ser medida con los métodos tradicionales como los ensayos clínicos. ¿Podemos aplicar un estándar rígido a una herramienta que aprende y se adapta constantemente? La experiencia en otros sectores, las lecciones del pasado y la reclusión en pequeños nichos de conocimiento quizás nos puedan ayudar en este análisis.

La IA y los métodos tradicionales: ¿una pareja incompatible?

Al hablar de IA en medicina, es tentador suponer que podemos evaluarla igual que un nuevo fármaco o dispositivo. Sin embargo, la IA no es un “producto” estático que se pueda medir en una sola instancia. Esta se va ajustando a nuevos datos y circunstancias constantemente. Entonces, ¿cómo evaluar algo que cambia casi en tiempo real?

Un reciente estudio publicado en The Lancet Digital Health mostró que la mayoría de los ensayos clínicos sobre IA se llevan a cabo en entornos controlados y a menudo en un solo centro. Aunque la mayoría de estos estudios arrojan resultados positivos, son insuficientes para reflejar la complejidad del mundo real. Es como evaluar el funcionamiento de un coche autónomo en una pista sin tráfico: claro que funciona, pero ¿qué pasa cuando ese coche se enfrenta al caos del tráfico cotidiano?

Pequeños grupos, grandes ideas… pero una brecha creciente

Hoy en día, gran parte de la investigación clínica en IA está en manos de pequeños grupos de médicos y científicos que desarrollan herramientas específicas para sus entornos locales. Estas soluciones suelen ser extremadamente útiles pero la falta de estandarización y validación a gran escala impide que muchas de ellas trasciendan a otros contextos.

Recientemente, hemos visto varios ejemplos en las Jornadas de casos de uso de IA generativa en ciencias de la salud organizadas por la Universidad de Barcelona. En este evento, varios clínicos presentaron herramientas basadas en modelos de lenguaje que resultaron ser muy útiles y de un alto nivel técnico. Esto demuestra cómo es posible aplicar la innovación a nivel micro sin necesidad de tener grandes conocimientos de programación. En mi caso, he desarrollado varias herramientas que me ayudan en la toma de decisiones en los campos asistencial, formativo y de gestión. Aun así, entiendo que el verdadero reto radica en lograr una adopción más amplia y estandarizada.

Este fenómeno puede estar generando una creciente brecha de conocimiento entre aquellos médicos que dominan estas tecnologías y los que no tienen los recursos o tiempo para integrarlas en su práctica diaria. Según un informe de Becker’s Hospital Review, los empleos sanitarios son los que menos demandan conocimientos de IA. Esto refleja la falta de integración de estas herramientas en los programas de formación médica y en la infraestructura hospitalaria, lo que contrasta con otros sectores donde la IA está mucho más consolidada.

Lecciones del pasado: cuando la medicina cambió para siempre

La historia de la medicina se repite y está llena de avances disruptivos que al principio generaron escepticismo. Si echamos la vista atrás, podemos aprender de cómo otros cambios tecnológicos lograron abrirse paso:

Antibióticos: En la década de 1940, la penicilina revolucionó el tratamiento de infecciones bacterianas, pero al principio su producción en masa y validación fue un reto. Como con la IA, el éxito no fue solo cuestión de eficacia clínica, sino de cómo escalar su uso y estandarizar su producción.

Radiología: Wilhelm Röntgen descubrió los rayos X en 1895, y aunque al principio muchos médicos lo consideraban una curiosidad, la radiografía se adoptó rápidamente una vez que se demostraron sus aplicaciones clínicas. Sin embargo, su adopción también requirió un tiempo considerable para que se desarrollaran las competencias y protocolos de seguridad necesarios, un reto similar al que enfrenta la IA en la actualidad.

Laparoscopia: En los años 80, muchos cirujanos se resistieron a la laparoscopia, argumentando que era innecesaria. Con el tiempo, la reducción de complicaciones y tiempos de recuperación hizo que esta técnica se convirtiera en la norma. La clave de su éxito fue la formación continua y la validación a largo plazo. Si la laparoscopia lo logró, ¿por qué no la IA?

Y en otras profesiones, ¿cómo se ha gestionado el cambio disruptivo?

Automatización en la industria: La introducción de robots y sistemas de automatización en el sector industrial generó inicialmente temores sobre la pérdida de empleo. Estudios recientes muestran que, en lugar de eliminar puestos de trabajo, la automatización ha transformado el tipo de habilidades necesarias. Según McKinsey, alrededor del 64% de las horas de trabajo en manufactura tienen el potencial de ser automatizadas. Esto también abre oportunidades para que los trabajadores se centren en tareas de mayor valor, como la resolución de problemas y la toma de decisiones más complejas​.

Vehículos autónomos: La llegada de los coches sin conductor ha generado entusiasmo y escepticismo a partes iguales. Los accidentes con coches autónomos han dejado claro que esta tecnología necesita más pruebas y regulación. Del mismo modo, la IA en medicina debe ser monitorizada y ajustada constantemente.

Big Data en comercio: Amazon y otras grandes empresas han transformado el comercio mediante el análisis de grandes volúmenes de datos. Según McKinsey, la adopción de la IA generativa en las cadenas de valor ha transformado la producción. La IA en medicina necesitará algo similar, equipos multidisciplinares que trabajen en el análisis de datos.

Cuando observamos como la IA ha revolucionado otros sectores profesionales no podemos seguir esperando que el tiempo sea el que encaje esta tecnología en el sector salud. Puede que, sino nos movemos rápido, los beneficios que esta puede ofrecer se pierdan. Si no actuamos pronto, corremos el riesgo de que los beneficios que la IA puede ofrecer se diluyan entre las barreras regulatorias y la falta de adopción. Es responsabilidad de todos los actores del sistema sanitario acelerar este proceso.

El futuro de la IA necesita evaluación, pero también adaptación. En un momento en el que los sistemas sanitarios se enfrentan a escasez de personal y a una creciente sobrecarga administrativa debemos explorar nuevas formas de trabajar. Es prioritario facilitar a los profesionales instrumentos que pueden analizar volúmenes ingentes de información por segundo buscando las mejores evidencias para el diagnóstico y el tratamiento de los pacientes. La lógica nos dice que esto puede mejorar la eficacia clínica, la experiencia del paciente y disminuir los errores médicos. Todo ello permitirá a los profesionales de la salud dedicarles más tiempo a los pacientes y hacer un sistema de salud más humano y sostenible.

La inteligencia artificial no viene a reemplazar al profesional sanitario, sino a amplificar su capacidad de cuidar y tratar al paciente. Al igual que el descubrimiento de la imprenta no disminuyó la creación literaria, sino que la multiplicó. En los 45 años posteriores a su invención en 1454, se imprimieron un millón más de libros que los que se habían copiado en los mil años anteriores. Hoy, la IA tiene el potencial de hacer lo mismo por la medicina. Dependerá de nosotros, los profesionales de la salud, allanar ese camino e integrar la tecnología de manera ética y efectiva en nuestra práctica diaria. Debemos estar preparados para liderar ese futuro con el paciente como nuestro principal foco.

Comparte: