Sempre hem pensat que la medicina és la punta de llança del progrés i del coneixement científic. Des de les vacunes que han salvat milions de vides fins als avenços en cirurgia i tractaments personalitzats. La medicina ha estat històricament a l’avantguarda de la innovació. Per això és sorprenent acceptar que quan es tracta d’intel·ligència artificial (IA) anem endarrerits. Sectors com la banca i el comerç han estat transformats radicalment per la IA. Tot i això, els nostres sistemes de salut continuen avançant a pas lent.
Prenguem com a exemple la banca. En els darrers anys, grans institucions financeres han adoptat la IA a gran escala per optimitzar processos, reduir riscos i millorar l’experiència del client. Un informe de Deloitte revela que la IA ha permès automatitzar més del 70% de les activitats comercials. Això ha generat un impacte significatiu en l’eficiència i la reducció de costos. Accenture també destaca com la IA generativa està transformant àrees clau al sector financer, des de l’atenció al client fins a la gestió de riscos. Tot i això, la medicina, malgrat el seu gran potencial per integrar la IA en diagnòstics més precisos i tractaments personalitzats, sembla resistir-se a aquest canvi.
Igual que aquests sectors, la medicina també s’enfronta als desafiaments propis a l’hora d’integrar la IA. Aquests són majoritàriament deguts a la naturalesa crítica de l’atenció al pacient i a les estrictes regulacions existents. Però malgrat això em ronda una qüestió constant al cap. Estem avaluant correctament aquesta tecnologia en medicina?
La IA, per la seva naturalesa disruptiva i en constant evolució, probablement no pot ser mesurada amb els mètodes tradicionals com els assaigs clínics. Podem aplicar un estàndard rígid a una eina que aprèn i s’adapta constantment? L’experiència en altres sectors, les lliçons del passat i la reclusió en petits nínxols de coneixement potser ens poden ajudar en aquesta anàlisi.
La IA i els mètodes tradicionals: una parella incompatible?
Quan parlem d’IA en medicina, és temptador suposar que podem avaluar-la igual que un nou fàrmac o dispositiu. Tot i això, la IA no és un “producte” estàtic que es pugui mesurar en una sola instància. Aquesta es va ajustant a noves dades i circumstàncies constantment. Aleshores, com avaluar alguna cosa que canvia gairebé en temps real?
Un estudi recent publicat a The Lancet Digital Health va mostrar que la majoria dels assaigs clínics sobre IA es duen a terme en entorns controlats i sovint en un sol centre. Tot i que la majoria d’aquests estudis donen resultats positius, són insuficients per reflectir la complexitat del món real. És com avaluar el funcionament d’un cotxe autònom a una pista sense trànsit: és clar que funciona, però què passa quan aquest cotxe s’enfronta al caos del trànsit quotidià?
Petits grups, grans idees… però una bretxa creixent
Avui dia, gran part de la investigació clínica a IA està en mans de petits grups de metges i científics que desenvolupen eines específiques per als seus entorns locals. Aquestes solucions solen ser extremadament útils però la manca d’estandardització i validació a gran escala impedeix que moltes transcendeixin altres contextos.
Recentment, hem vist diversos exemples a les Jornades de casos d’ús d´IA generativa en ciències de la salut organitzades per la Universitat de Barcelona. En aquest esdeveniment, diversos clínics van presentar eines basades en models de llenguatge que van resultar molt útils i d’un alt nivell tècnic. Això demostra com és possible aplicar la innovació a nivell micro sense necessitat de tenir grans coneixements de programació. En el meu cas, he desenvolupat diverses eines que m’ajuden a prendre decisions en els camps assistencial, formatiu i de gestió. Tot i així, entenc que el veritable repte rau a aconseguir una adopció més àmplia i estandarditzada.
Aquest fenomen pot estar generant una creixent escletxa de coneixement entre aquells metges que dominen aquestes tecnologies i els que no tenen els recursos o temps per integrar-les a la seva pràctica diària. Segons un informe de Becker’s Hospital Review, les feines sanitàries són les que menys demanen coneixements d’IA. Això reflecteix la manca d’integració d’aquestes eines en els programes de formació mèdica i en la infraestructura hospitalària, cosa que contrasta amb altres sectors on la IA està molt més consolidada.
Lliçons del passat: quan la medicina va canviar per sempre
La història de la medicina es repeteix i és plena d’avenços disruptius que al principi van generar escepticisme. Si mirem enrere, podem aprendre de com altres canvis tecnològics van aconseguir obrir-se pas:
Antibiòtics: A la dècada de 1940, la penicil·lina va revolucionar el tractament d’infeccions bacterianes, però al principi la seva producció en massa i validació va ser un repte. Com amb la IA, l’èxit no va ser només qüestió d’eficàcia clínica, sinó de com escalar-ne l’ús i estandarditzar-ne la seva producció.
Radiologia: Wilhelm Röntgen va descobrir els raigs X el 1895, i encara que al principi molts metges ho consideraven una curiositat, la radiografia es va adoptar ràpidament una vegada que es van demostrar les seves aplicacions clíniques. Tot i això, la seva adopció també va requerir un temps considerable perquè es desenvolupessin les competències i protocols de seguretat necessaris, un repte similar al que enfronta la IA en l’actualitat.
Laparoscòpia: Als anys 80, molts cirurgians es van resistir a la laparoscòpia, argumentant que era innecessària. Amb el temps, la reducció de complicacions i temps de recuperació va fer que aquesta tècnica esdevingués la norma. La clau del seu èxit va ser la formació continuada i la validació a llarg termini. Si la laparoscòpia ho va aconseguir, per què no la IA?
I en altres professions, com s’ha gestionat el canvi disruptiu?
Automatització a la indústria: La introducció de robots i sistemes d’automatització al sector industrial va generar inicialment temors sobre la pèrdua d’ocupació. Estudis recents mostren que l’automatització, en lloc d’eliminar llocs de treball, ha transformat el tipus d’habilitats necessàries. Segons McKinsey, al voltant del 64% de les hores de feina en manufactura tenen el potencial de ser automatitzades. Això també obre oportunitats perquè els treballadors se centrin en tasques de més valor, com ara la resolució de problemes i la presa de decisions més complexes.
Vehicles autònoms: L’arribada dels cotxes sense conductor ha generat entusiasme i escepticisme a parts iguals. Els accidents amb cotxes autònoms han deixat clar que aquesta tecnologia necessita més proves i regulació. De la mateixa manera, la IA en medicina ha de ser monitoritzada i ajustada constantment.
Big Data en comerç: Amazon i altres grans empreses han transformat el comerç mitjançant l’anàlisi de grans volums de dades. Segons McKinsey, l’adopció de la IA generativa a les cadenes de valor ha transformat la producció. La IA en medicina necessitarà una cosa semblant, equips multidisciplinaris que treballin en l’anàlisi de dades.
Quan observem com la IA ha revolucionat altres sectors professionals no podem continuar esperant que el temps sigui el que encaixi aquesta tecnologia al sector salut. Potser, si no ens movem ràpid, els beneficis que aquesta pot oferir es perdin. Si no actuem aviat, correm el risc que els beneficis que la IA pot oferir es dilueixin entre les barreres reguladores i la manca d’adopció. És responsabilitat de tots els actors del sistema sanitari accelerar aquest procés.
El futur de la IA necessita avaluació però també adaptació. En un moment en què els sistemes sanitaris s’enfronten a escassetat de personal i a una creixent sobrecàrrega administrativa hem d’explorar noves maneres de treballar. És prioritari facilitar als professionals instruments que poden analitzar volums ingents d’informació per segon, buscant les millors evidències per al diagnòstic i el tractament dels pacients. La lògica diu que això pot millorar l’eficàcia clínica, l’experiència del pacient i disminuir els errors mèdics. Tot això permetrà als professionals de la salut dedicar més temps als pacients i fer un sistema de salut més humà i sostenible.
La intel·ligència artificial no ve a reemplaçar el professional sanitari, sinó a amplificar la seva capacitat de cuidar i tractar el pacient. Igual que el descobriment de la impremta no va disminuir la creació literària, sinó que la va multiplicar. En els 45 anys posteriors a la seva invenció el 1454, es van imprimir un milió més de llibres que els que s’havien copiat els mil anys anteriors. Avui dia, la IA té el potencial de fer el mateix per la medicina. Dependrà de nosaltres, els professionals de la salut, aplanar aquest camí i integrar la tecnologia de manera ètica i efectiva a la nostra pràctica diària. Hem d’estar preparats per liderar aquest futur amb el pacient com a principal focus.
