Inteligencia Artificial: ¿Ciencia o fantasía en la Medicina?

Empiezo esta reflexión citando un fragmento que ha sido un referente para la medicina clínica moderna.

“Arrancar a la naturaleza los secretos que han desconcertado a los filósofos de todas las épocas, seguir hasta su origen las causas de la enfermedad, correlacionar las inmensas reservas de conocimientos que rápidamente pueden estar a disposición de la prevención y cura de la enfermedad, estas son nuestras ambiciones. Observar cuidadosamente los fenómenos de la vida en todas sus fases, normal y pervertida, perfeccionar el arte más difícil de todos, el arte de la observación, pedir ayuda al arte de la experimentación, cultivar la facultad del razonamiento, para poder distinguir la verdad de lo falso, estos son nuestros métodos.”

Tomado de Sir William Osler, 1849-1919. Aequanimitas: with Other Addresses to Medical Students, Nurses and Practitioners of Medicine

Estas afirmaciones de Sir William Osler siguen vigentes en la medicina moderna. Este maestro médico durante su vida y obra resaltó los rasgos distintivos de la identidad médica, independientemente de la escuela, época o país en donde ella se ejerza; en ese entonces, hace más de 100 años, referenció los métodos y ambiciones de nuestra profesión, los que hoy permanecen inmutables, entre ellos el descubrir los grandes secretos de la vida y la enfermedad, comprender la naturaleza humana y la fragilidad de nuestra corta existencia bajo las leyes físicas del universo que habitamos.

Nuestro papel como médicos está en “cultivar la facultad del razonamiento, para poder distinguir la verdad de lo falso”, para esto nos valemos de múltiples soluciones, como la integración de la clínica con la estadística y la epidemiología, conceptos como la probabilidad pre test y pos test, los resultados de las ayudas diagnósticas y la validación de hipótesis para la búsqueda de las respuestas a las necesidades vigentes.

Con los desarrollos computacionales se está dando paso a herramientas tecnológicas con grandes beneficios, el advenimiento de la analítica avanzada, las tecnologías exponenciales y la inteligencia artificial, todas ellas que a pesar de estar en el panorama aún muy poco han permeado a la realidad de la medicina.

Para convertir la fantasía en ciencia es importante aplicar y perfeccionar el arte de la observación bajo el método científico y ante todo la premisa ética del primum non nocere, y evaluar la validez de estas herramientas con la misma rigurosidad aplicada a los ensayos clínicos tradicionales de asignación aleatoria.

En la revisión sistemática de ensayos clínicos, Plana D et al. (2) del Artificial Intelligence in Medicine Program, en el Brigham and Women’s Hospital de la escuela de medicina de Harvard muestran que si bien ha aumentado el número de estudios que incluyen conceptos de ciencia de datos e inteligencia artificial, ninguno tuvo adherencia a estándares de alta calidad metodológica (de acuerdo con la matriz CONSORT-AI), y solo 21% reportaron el uso del algoritmo en minorías étnicas, además con una baja representatividad de las mujeres en dichos estudios, sin embargo, y como sucede también con los medicamentos, la FDA ha aprobado para uso 343 desarrollos SAMDs (software como dispositivo médico) sin una evaluación clínica rigurosa. 

Si bien es importante aclarar que no es práctico hacer un ensayo clínico para validar todas las nuevas tecnologías, especialmente las que intervienen de forma indirecta en la atención clínica, pueden ser validadas con otros tipos de estudios prospectivos siguiendo las categorías de riesgo de la FDA (3). 

Otro punto considerable es que la mayoría de los estudios fueron hechos en China y EEUU, y unos pocos en India y Europa, limitando la generalización de los resultados de los algoritmos basados en inteligencia artificial debido a la sub representación de los grupos étnicos y las limitaciones en el financiamiento del diseño, desarrollo, implementación y evaluación de los mismos. Lo que nos plantea un reto inmenso para países como Colombia que siguen siendo susceptibles para el “colonialismo de los datos” y la supremacía científica de los países más desarrollados. ¿Estaremos destinados a ser “consumidores de algoritmos”?

Dado el panorama, es prudente ser críticos y empezar también a investigar y promover el pensamiento científico entre nuestros jóvenes médicos colombianos. Es urgente aprender a evaluar los estudios clínicos que incluyen modelos de ciencia de datos e inteligencia artificial en forma adecuada. Hay diversas matrices que ayudan. El siguiente gráfico, por ejemplo, se basa en el modelo DECIDE-AI:

Cortesía de Luis E Pino. Curso IA en Salud, Sociedad Colombiana de Urología 2022

Desde AIpocrates trabajamos no solo en la transferencia efectiva de estos conceptos desde y para la medicina, sino en el análisis de estos estudios, en el futuro esperamos apoyar como consultores para el análisis multidimensional del software como dispositivo médico, asesorando a nuestras agencias regulatorias. Es urgente crear una masa crítica de competencias en nuestro personal de salud para que no solo analicemos, sino que también desarrollemos nuestros propios modelos y prototipos de IA, ya que las preguntas y nuestras características distan mucho de las de los diseñadores de los algoritmos que intentarán “vendernos” en el futuro próximo.

Finalmente, queremos agradecer la nominación de AIpocrates en la categoría CASO DE ÉXITO EN SALUD en el marco de los premios INGENIO 2022 de la Federación Colombiana de la Industria del Software y Tecnologías Informáticas Relacionadas FEDESOFT, esto se debe al trabajo continuo de nuestros miembros, pero especialmente al apoyo de nuestros aliados y lectores.

¡Muchas gracias a todos!

 

Lecturas recomendadas:

1. Osler, William. 1910. Aequanimitas: With Other Addressesto Medical Students, Nurses and Practitioners of Medicine. P. Blakiston’s Son & Company.

2. Plana D, Shung DL, Grimshaw AA, Saraf A, Sung JJY, Kann BH. Randomized Clinical Trials of Machine Learning Interventions in Health Care: A SystematicReview. JAMA Netw Open. 2022;5(9):e2233946.https://doi.org/10.1001/jamanetworkopen.2022.33946

3. US Food and Drug Administration. Artificial intelligenceand machine learning isoftware as a medical device. September 22, 2021

4. X. Liu, S.C. Rivera, D. Moher, M.J. Calvert, A.K. Denniston, Reporting guidelines

for clinical trial reports for interventions involvingartificial intelligence: The CONSORT-AI Extension, TheBMJ 370 (2020), https://doi.org/10.1136/bmj.m3164

5. S.C. Rivera, X. Liu, A.W: Chan, A.K. Denniston, M.J. Calvert, Guidelines for clinical trial protocols forinterventions involving artificial intelligence: TheSPIRIT-AI Extension, The BMJ 370 (2020) 1-14, https://doi.org/10.1136/bmj.m3210

6. Hernández A., Sistemas de soporte a las decisiones clínicas basados en inteligencia artificial. https://aipocrates.org/2022/05/22/sistemas-de-soporte-a-las-decisiones-clinicas-basados-en-inteligencia-artificial/