Esta columna se la dedico a don Gabriel y a don Ángel, dos estimados pacientes que en consulta han compartido conmigo sus perspectivas sobre el futuro de la medicina: el primero, un octagenario soñando cómo va a ser la atención médica en el futuro, quien me regala el libro “Sálvese Quien Pueda”, de Andrés Openhaimer, que en su capítulo “Cúrese Quien Pueda” hace un abordaje interesante en relación con este tópico y el segundo, un centenario apasionado por la vida con la expectativa de llegar a los 150 años con la ayuda de los avances de la ciencia y poder ser testigo de la evolución del mundo; los dos, a pesar de su edad, conciben la inteligencia artificial como un punto común para alcanzar sus sueños.

La inteligencia artificial, hace parte de nuestra vida diaria en asistentes digitales en los teléfonos celulares, computadores y especialmente en las redes sociales, campo en donde mayor número de interacciones diarias se llevan a cabo, tal y como se mencionó en columnas previas en las que se muestra la intersección de la salud con el ambiente más allá del consultorio (Navegando las Redes desde la Salud y Lo Bueno Lo Malo Y Lo Feo De Las Redes Sociales En La Era Digital En Niños), la aplicación en la cotidianidad del médico y el paciente (Transformación Digital En El Cuidado De La Salud, No todo APPlica en Salud, Mobile-Health como parte de la prescripción médica) y la educación en salud (Educación Médica 5.0).

A pesar de la influencia en la vida diaria y su creciente expansión, la inteligencia artificial pasa desapercibida y los términos relacionados con su desarrollo y aplicación, como ¨big data, machine learning, aprendizaje profundo, redes convolucionales y redes adversariales¨, no poseen la claridad deseada.

Cuando consultamos acerca de inteligencia artificial en la literatura médica, observamos que las soluciones reportadas hasta el momento, varían en el diseño, utilidad, uso de los datos y formas de aprendizaje; pero todos ellos, son algoritmos diseñados para la realización de una función especifica que se ha denominado inteligencia artificial estrecha.

La actual implementación de los algoritmos de inteligencia artificial en medicina se basa en problemas que requieren soluciones específicas, tales como:

• En el caso de atención a pacientes: predicción de desenlaces clínicos, optimización de diagnósticos (estudios radiológicos) y en el soporte a la toma de decisiones.
• En el caso de aseguramiento, salud pública y modelos de atención: para la predicción de desencelaces clínicos, optimización de recursos, análisis de grandes volúmenes de información, detección de patrones y resultados no observables a través de los métodos estadísticos usuales, para la toma de decisiones eficientes.

Por lo tanto, para el desarrollo de modelos de inteligencia artificial, tal como se mencionó en la columna previa: Inteligencia Artificial Á la Carte en Salud, lo importante es:

El campo de aplicación específico o estrecho de estas herramientas y la imposibilidad que tienen de interpretar el contexto, hacen manifiesta la interdependencia entre la inteligencia artificial y la humana, que con la aplicación adecuada favorecerían el aumento en las capacidades de afrontamiento de los casos descritos.

En el centro entre la implementación de estas soluciones y el médico, se encuentra un bien mayor, la razón de ser del ejercicio de la medicina: el paciente, su vida y su salud, por lo tanto, debemos preguntarnos: ¿cómo está afectando la inteligencia artificial a los pacientes?

Hay preocupaciones sobre los riesgos para la seguridad de los pacientes, pues aunque se ha demostrado en escenarios controlados, que las soluciones bien escogidas, diseñadas y entrenadas mejoran la eficiencia, también se ha observado que se equivocan. Surge la duda sobre la responsabilidad de la decisión, el riesgo de sesgo de automatización y las probabilidades de aumentar las inequidades sociales o de acceso a la salud, debido a que estos errores pueden desencadenar daños, perturbaciones en la salud o aumento en la carga de la enfermedad.

En consecuencia, los médicos debemos asumir un papel protagónico y a través de asociaciones como AIpocrates, participar en las iniciativas de regulación, diseño, vigilancia y control de la inteligencia artificial, si queremos minimizar el riesgo de daño y promover una implementación segura y lo más inocua posible. Juega un papel primordial el cumplimiento de un estricto marco ético para los diseñadores de algoritmos, los analistas y cientificos de datos, las instituciones prestadoras de servicios, los investigadores y el personal sanitario, como usuarios finales y debe extenderse al uso de los datos en el entrenamiento (confidencialidad, consentimiento informado para el uso de la información), diseño de las herramientas (transparencia, monitoreo o disminución del “efecto de black box”), validación y vigilancia del uso.

Desde AIpocrates damos la bienvenida al presente, buscando incentivar el aprender acerca de la ciencia de datos, análisis de datos, programación y su intersección con la epidemiología, la estadística y la matemática.

Lecturas Recomendadas

Jotterand f., Bosco C., Artificial Intelligence in Medicine: A Sword of Damocles?

Dreyer JK, Geis JR, When Machine Think: Radiology´s Next Frontier. Radiology 2017, 285;3:713-718.

Shah NR., Health Care in 2030: Will Artificial Intelligence Replace Physicians?

Smith M., Heath RC., Addressing the Chalenge of Artificial Inteligence in Medicine, Internal Medicine Journal 2020; 50: 1278-1281.

Verhese A., Shah NH., Harrigton R., What This Computer Needs Is a Physician: Humanism and Artificial Intelligence, JAMA 2018; 319 (1):19-20.

Niederer SA., Lumens J., Trayanova NA., Computational Models in Cardiology, Nature Reviews, 2019;16:100-111, https://doi.org/10.1038/s41569-018-0104-y

Obermeyer Z., Emanuel EJ., Predicting the Future – Big Data, Machine Learning, and Clinical Medicine, NEJM, 2016;375 (13):1216-9.

Fogel AL., Kvdar JC., Artificial Intelligence Powers Digital Medicine, NPJ Digital Medicine 2018 (5);1-5, doi:10.1038/s41746-017-0012-2

He J., et al., The Practical Implementation of Artificial Intelligence Technologies in Medicine. Nature Medicine, 2019 (25): 30-36.

Geis JR., et al., Ethics of Artificial Intelligence in Radiology: Summary of the Joint European and North American Multisociety Statement. Radiology 2019 (293):436-440.

Kagiyama N., et al., Artificial Intelligence: Practical Primer for Clinical Research in Cardiovascular Disease. J Am Heart Assoc 2019;8:e012788