Efectivamente, los médicos humanos aún ganan a los ordenadores. O al menos, eso publicaba ayer JAMA Internal Medicine en un estudio que comparaba la precisión diagnóstica de médicos y computadoras. Y, además, los resultados son sorprendentes: 72% contra 34%. Sobre todo, tras tantos años de escuchar que el tren de la digitalización ya había llegado al diagnóstico clínico. Jaque mate, Watson.
Hemos hecho nuestra la pregunta que se hacía Luis Garicano esta mañana. Porque lo más interesante del estudio no es que los seres humanos mejoremos a las máquinas, sino que nos señala de forma nítida por qué aún no tenemos un médico robot y qué tenemos que hacer para conseguirlo.
Médicos contra máquinas
Ya en 2013, un estudio de la Universidad de Indiana demostró que el machine learning podía mejorar drásticamente tanto la calidad asistencial como el gasto sanitario (Bennett y Hauser, 2013). Los investigadores compararon las recomendaciones de un sistema de inteligencia artificial propio con el trabajo habitual del hospital en 500 pacientes al azar. Llegaron a la conclusión de que podían reducir más de la mitad los costos (hasta 189 dólares de la IA frente a los 497 dólares habituales) y mejorar entre un 30-35% los resultados de los pacientes.
¿Cómo es posible que tres años después los médicos humanos sigan batiendo a los sistemas computerizados? ¿Dónde está lo que nos prometieron? El estudio podría parecer contraintuitivo, pero si nos fijamos en los detalles vemos que es justo lo contrario.
¿Cómo es posible que tras tantos años hablando de sistemas expertos los médicos humanos sigan batiendo a los sistemas computarizados?
El estudio de la Universidad de Harvard compara a especialistas y residentes de todo el mundo con 'comprobadores de síntomas interactivos' ('symptom checkers'). Estos comprobadores son aplicaciones que ayudan al paciente en el proceso de autodiagnóstico.
Es decir, enormes formularios en los que el paciente va introduciendo datos como la edad, dónde le duele o desde cuándo. Nada de inteligencia artificial o machine learning: aunque en este caso, es probable que emplear un sistema experto al uso no hubiera mejorado mucho los resultados.
La información está en la cabeza de los pacientes
Es cierto que las pruebas que se están haciendo muestran sistemáticamente que los sistemas expertos ya igualan o mejoran los diagnósticos de los médicos. Pero esto ocurre cuando trabajan con datos objetivos (radiografías, TACs o análisis clínicos) o cuando alguien ha introducido los síntomas en una base de datos previamente. El problema es que, en la vida real, la información clínica no está en una base de datos, sino en la cabeza del paciente.
En el futuro cercano, no existirá un escenario "médicos vs robots", sino una necesaria colaboración entre ambos
Y ese es el principal reto de la medicina robótica. Un reto fundamental, diría yo. A veces, tenemos la sensación de que los médicos son seres entrenados en hacer silogismos que con dos síntomas te dan un diagnóstico. Pero no es así. Esa es la parte fácil. Lo difícil es extraer esos síntomas, entender qué nos está diciendo el paciente y qué no nos está diciendo.
Y en eso, por el momento, los seres humanos seguimos siendo los grandes especialistas. Así que nos tenemos que ir haciendo a la idea de que, en los próximos diez años, no existirá un escenario "médicos vs robots", sino una necesaria (¡y bienvenida!) colaboración entre ambos.
Vía | Luis Garicano Imágenes | Amy Leonard
Ver 9 comentarios