Los seres humanos estamos condicionados por nuestra biología y nuestros miedos. Eso explica que según el CIS la primera preocupación de los españoles sea hoy una inmigración que satura nuestras pantallas en lugar de la invisible posibilidad de que las Inteligencias Artificiales (IA) evolucionen de una manera lesiva para la humanidad[1]. No sabemos todavía qué rumbo tomarán estas pero sí que van a modificar más el mundo en general que los movimientos migratorios. Si nos centramos en el terreno de la medicina lo que parece claro es que nos falta reflexión al respecto.
Sabemos que nuestros móviles y relojes[2] tienen la posibilidad de almacenar los datos[3] de nuestro movimiento, ejercicio físico, pulsaciones, temperatura, oxígeno en sangre, electrocardiograma, ritmo sueño vigilia, etc. y con ellos detectar sedentarismo, días fértiles, insomnio, fibrilación auricular, riesgo de padecer apnea del sueño. Sabemos que los modelos ampliados de lenguaje han superado el test de Turing siendo cada vez más complicado discriminar si su discurso es humano o no[4]. Sabemos que es posible entrenar estos modelos con datos médicos para que sean capaces de emitir diagnósticos[5] y ayudar a tomar decicisiones[6]. Sabemos que pueden ayudar en la formación y en la práctica clínica[7].
Lo que no sabemos, o no queremos saber, es cómo organizar las bases de la medicina algorítmica[8] que está desarrollándose frente a nuestras narices sin que la mayoría de los profesionales sintamos que podemos hacer algo más allá de probar alguna herramienta. Los que sí se están empleando a fondo son las grandes compañías tecnológicas que ven en el mundo de la salud un grandísimo negocio. Y van con ventaja, las aplicaciones conversacionales (chatbots) ya hablan con pacientes con un nivel de calidad de comunicación y empatía[9] superior a la humana, analizan imágenes médicas[10] y fotografía dermatológica[11] con alta calidad y son cada vez más competentes a nivel de diagnóstico y propuestas de tratamiento. A nivel del ciudadano medio estamos ante un cambio importante a la hora de buscar información sobre salud al pasar de hacer la pregunta de un buscador (Google) a una IA[i] (ChatGPT y demás) que es capaz de dialogar y ofrecer mayor calidad de respuesta[12].
Se nos abre un escenario complejo de pacientes con más patología por un lado, más preocupaciones de salud por otro y más información disponible que acuden a consulta con más frecuencia y más preguntas aumentando la presión asistencial sobre profesionales y organizaciones que no saben como mejorar una gestión para la que no cuadran los números entre requerimientos y recursos.
Inevitablemente tenemos delante dos posibilidades de reacción: por el lado de los profesionales aumentar sus capacidades con herramientas de IA para que sean más resolutivos y por el lado del los pacientes[13] ofrecerles un abanico herramientas de interacción que alivien las citas presenciales haciendo labores de triaje, evaluación, preanamnesis, educación para la salud, protocolos preventivos, controles de patología crónica, orientación…
Calibrar estos cambios y la progresiva introducción de herramientas digitales en el sistema no será fácil, no lo está siendo. El mercado va mucho más deprisa que los sistemas sanitarios, la regulación legislativa y, me temo que también, los profesionales. A modo de ejemplo les confesaré que en mi consulta de medicina de familia llevo meses usando un asistente de IA provisto por mi servicio de salud y otros muchos por mi cuenta (ChatGPT, Perplexity, Grok, Copilot, Gemini…). Fundamentalmente para consultar dudas, interacciones, diagnósticos diferenciales… siendo en muchos casos más potentes y/o rápidas que las guías clínicas tradicionales u otras fuentes de información. También he probado herramientas de transcripción de la anamnesis que aun son mejorables y otras novedades de las que aún no se puede sacar gran rendimiento clínico. Aún es pronto para lanzar las campanas al vuelo, no hemos cruzado la línea de la disrupción. Sin embargo la sensación es de cierto vértigo, esto va muy deprisa.
Mi sugerencia es alentar un diálogo interdisciplinario sobre este tema entre profesionales, tanto en sus equipos de trabajo como en sus sociedades científicas, colegios profesionales u otras organizaciónes que tienda puentes entre sanitarios y hacia sociedad, pacientes y administración. Es fundamental desarrollar una opinión al respecto basada en los datos disponibles y en nuestra experiencia para posicionarnos y evitar ser arroyados por un mercado que está inundando nuestras vidas de algoritmos que pueden en potencia fagocitar nuestros datos de salud y toda la información sensible que se pone encima de la mesa en una consulta así como transformar la relación médico-paciente en un grado que aún no somos capaces de imaginar. Los retos éticos, deontológicos, técnicos, legislativos y políticos son mayúsculos. Por eso les termino invitando a que lean a Harari y hablen con su entorno de este tema.
Referencias
[1] Harari YN. (2023). Nexus: Una breve historia de las redes de información desde la Edad de Piedra hasta la IA. Penguin Random House. Barcelona, España.
[2] El-Gayar OF, Ambati LS, & Nawar N. (2020). Wearables, artificial intelligence, and the future of healthcare. In AI and Big Data’s Potential for Disruptive Innovation (pp. 104-129). IGI Global.
[3] Canali S, Schiaffonati V, & Aliverti A. (2022). Challenges and recommendations for wearable devices in digital health: Data quality, interoperability, health equity, fairness. PLOS Digital Health, 1(10), e0000104.
[4] Sejnowski TJ. (2023). Large language models and the reverse turing test. Neural computation, 35(3), 309-342.
[5] McDuff D, Schaekermann M, Tu T, Palepu A, Wang A, Garrison J, … & Natarajan V. (2023). Towards accurate differential diagnosis with large language models. arXiv preprint arXiv:2312.00164.
[6] Hager P, Jungmann F, Holland R, Bhagat K, Hubrecht I, Knauer M, … & Rueckert D. (2024). Evaluation and mitigation of the limitations of large language models in clinical decision-making. Nature medicine, 30(9), 2613-2622.
[7] Yang R, Tan TF, Lu W, Thirunavukarasu AJ, Ting DSW, & Liu N. (2023). Large language models in health care: Development, applications, and challenges. Health Care Science, 2(4), 255-263.
[8] Dans E. Hacia la medicina algorítmica. https://www.enriquedans.com/2023/07/hacia-la-medicina-algoritmica.html
[9] Sorin V, Brin D, Barash Y, Konen E, Charney A, Nadkarni G, & Klang E. (2023). Large language models (llms) and empathy-a systematic review. medRxiv, 2023-08.
[10] van Leeuwen KG, Schalekamp S, Rutten MJ, van Ginneken B, & de Rooij M. (2021). Artificial intelligence in radiology: 100 commercially available products and their scientific evidence. European radiology, 31, 3797-3804.
[11] Maron RC, Utikal JS, Hekler A, Hauschild A, Sattler E, Sondermann W, … & Brinker TJ. (2020). Artificial intelligence and its effect on dermatologists’ accuracy in dermoscopic melanoma image classification: web-based survey study. Journal of Medical Internet Research, 22(9), e18091.
[12] Ayoub NF, Lee YJ, Grimm D, & Divi V. (2024). Head‐to‐head comparison of ChatGPT versus Google search for medical knowledge acquisition. Otolaryngology–Head and Neck Surgery, 170(6), 1484-1491.
[13] Dans E. La lógica de utilizar algoritmos en medicina. https://www.enriquedans.com/2024/07/la-logica-de-utilizar-algoritmos-en-medicina.html
