¿Cómo se usa la AI en la atención médica?

Todos cometemos errores. Los médicos, incluso con años de formación, no son la excepción.

Cada año, cientos de miles de pacientes en Estados Unidos quedan discapacitados o mueren debido a diagnósticos tardíos, omitidos o incorrectos. Las National Academies of Sciences, Engineering, and Medicine atribuyen a estos errores el 10 % de las muertes de pacientes registradas a lo largo de varias décadas. Los errores también afectan el bolsillo de los pacientes, ya que hacer pruebas y repetirlas para diagnosticar afecciones puede costarles miles de dólares.

La inteligencia artificial (AI), una tecnología que permite a las computadoras pensar de manera similar a una persona, podría mejorar o incluso salvar la vida de innumerables personas mediante sus propios diagnósticos. Investigaciones recientes de Mass General Brigham indican que un nuevo tipo de AI puede diagnosticar a los pacientes con una precisión impresionante. Conocida como “chatbot”, esta AI usa datos de internet para dar respuestas similares a las de una persona.

“Los chatbots no van a reemplazar a los médicos”, dice Daniel Restrepo, MD, especialista en medicina hospitalaria de Mass General Brigham. “En todo caso, los médicos usarían estos chatbots como fuente de consulta, de manera similar a un libro de texto de medicina. Serían herramientas complementarias para lograr diagnósticos más precisos”.

Dr. Restrepo y Raja-Elie Abdulnour, MD, especialista en atención pulmonar de Mass General Brigham, describen cómo la AI puede ayudar a dar forma al futuro de la atención de los pacientes.

¿Cómo hacen los médicos un diagnóstico?

Los médicos diagnostican a los pacientes a partir de una lista aparentemente infinita de afecciones que aprendieron en la facultad de medicina. Diferencias sutiles distinguen una afección de otra. Incluso al médico más experimentado puede resultarle difícil identificar la afección correcta cuando cuenta con pocos detalles.

El médico descarta posibles afecciones mediante un proceso paso a paso conocido como razonamiento clínico. Comienza por reunir algunas pistas básicas y le pregunta al paciente sobre:

• Edad
• Género
• Síntomas
• Afecciones médicas existentes
• Antecedentes médicos personales
• Motivo de la consulta
• Antecedentes médicos familiares

Luego, el médico hace una pausa para considerar las respuestas del paciente, es decir, sus “antecedentes”. Después de completar la evaluación, el médico elabora una lista completa de las posibles afecciones.

A partir de ahí, comienza a descartar posibilidades mediante preguntas específicas. Estas preguntas pueden referirse a medicamentos de venta libre o a cómo cambia el dolor al realizar determinadas actividades. Luego puede solicitar estudios de diagnóstico por imágenes o análisis de laboratorio para confirmar una hipótesis y descartar más posibilidades. Si los resultados descartan su hipótesis, vuelve a empezar y evalúa la siguiente afección más probable.

¿Cuál es un ejemplo de diagnóstico médico?

Dr. Restrepo usa el caso hipotético de un paciente de 55 años para ilustrar un diagnóstico típico. Si el paciente llega a su consultorio con dolor de pecho, el Dr. Restrepo no tendría suficiente información para diagnosticarlo solo a partir de esos síntomas. El paciente podría tener una afección tan sencilla como una costilla golpeada o tan compleja y grave como un ataque cardíaco.

“Imagine al paciente como un iceberg”, añade el Dr. Abdulnour. “Nos corresponde considerar primero las pistas más evidentes antes de avanzar hacia lo que está debajo de la superficie”.

Al preguntarle al paciente por sus antecedentes médicos, este puede mencionar que fuma todos los días y toma medicamentos para la diabetes tipo 2. Esta información acota la búsqueda del Dr. Restrepo a la afección más probable: enfermedad de las arterias coronarias. Cuando el paciente menciona que siente dolor al subir escaleras, el Dr. Restrepo tiene mayor confianza en su hipótesis y solicita las pruebas necesarias.

Errores en los diagnósticos médicos

La interacción entre un médico y un paciente es solo uno de varios pasos para llegar a un diagnóstico. El proceso comienza en el momento en que el paciente nota sus síntomas. Cuando el paciente finalmente ve a su médico en persona, ya han intervenido varios otros pasos que pueden afectar el diagnóstico, entre ellos:

• Determinar cuál es el centro médico disponible más cercano
• Interacciones con personal de enfermería y asistentes administrativos
• Cobertura del seguro

Los errores humanos pueden afectar cada uno de estos pasos. Los trabajadores de atención médica cansados después de un día largo podrían no registrar correctamente la información de un paciente, o una barrera del idioma podría provocar problemas de comunicación.

Los médicos también pueden cometer errores al evaluar los síntomas. Algunos errores frecuentes incluyen:

Sesgo por el entorno

Si un médico atiende en su consultorio a una cantidad abrumadora de pacientes con una misma enfermedad, podría sentirse inclinado a hacer pruebas para esa enfermedad sin descartar primero otras afecciones. Durante el invierno, un médico de New England podría atender a un paciente con tos y fiebre y hacerle de inmediato una prueba de gripe. Es posible que no considere enfermedades menos frecuentes, aunque plausibles, como la tuberculosis, sin preguntar primero por los antecedentes de viajes del paciente.

Sesgo racial

Los médicos tienen más probabilidades de diagnosticar incorrectamente a un paciente de color que a un paciente blanco. Los libros de texto de medicina escritos hace décadas a menudo solo describen cómo se manifiestan las enfermedades en pacientes blancos. Si no saben cómo se manifiestan los síntomas en personas de distintas razas, los médicos pueden confundir fácilmente una enfermedad con otra.

Dr. Restrepo usa como ejemplo la enfermedad autoinmunitaria lupus. Según explica, el lupus a veces se manifiesta como un sarpullido rojo intenso en la cara. Los médicos pueden reconocer fácilmente el sarpullido en pieles más claras. Sin embargo, si no saben cómo aparece en pieles más oscuras, podrían no identificarlo como característico del lupus y confundirlo con otra afección de la piel.

Atajos mentales

El cerebro recurre a atajos para encontrar respuestas cuando se enfrenta a grandes cantidades de información. Según el Dr. Según Abdulnour, los médicos pueden tomar estos atajos sin darse cuenta. Su formación, explica, puede favorecer este comportamiento. En la facultad de medicina, los estudiantes memorizan los síntomas de miles de enfermedades, muchas veces sin aprender a aplicar correctamente esos conocimientos. Aunque esta formación permite que los médicos lleguen al diagnóstico correcto en la mayoría de los casos, también puede llevar a trampas mentales conocidas como sesgos cognitivos.

“Los estudiantes pueden darse cuenta de que intentan hacer coincidir perfectamente una enfermedad con determinados síntomas, pero nada va a encajar a la perfección”, añade. “Es mucho más probable que un paciente tenga una enfermedad frecuente que se presenta de manera atípica que una enfermedad poco frecuente que se presenta de manera perfecta”.

Desconfianza

Una persona puede hacer la misma pregunta de dos maneras distintas y recibir dos respuestas diferentes. La forma en que un médico trata a su paciente puede producir resultados similares. Los pacientes tienden a confiar en los médicos que escuchan activamente sus inquietudes y generan un ambiente cálido y cordial en el consultorio. Los médicos pueden deteriorar esa confianza si apresuran las citas y restan importancia a las inquietudes de los pacientes.

Un paciente molesto podría omitir información personal que ayudaría a los médicos a llegar al diagnóstico correcto.

¿Cómo funciona la AI?

La AI se inspira en el funcionamiento del cerebro humano. El cerebro usa millones de neuronas para recopilar y procesar información, pasando de un pensamiento a otro. El código informático funciona como las “neuronas” de la AI. El código le indica a la AI cómo pensar; esta pasa de un dato a otro en una fracción del tiempo que tarda el cerebro en pasar de un pensamiento a otro.

“Nuestro cerebro recopila datos constantemente y los contrasta con lo que ya sabemos”, dice el Dr. Restrepo. “Pero cuando se trata de encontrar un diagnóstico —esa aguja en un pajar de información— no podemos repasar cada caso aprendido ni releer cada página de la literatura médica, especialmente si hay decenas de otros pacientes que necesitan nuestra atención”.

Mientras el cerebro humano podría analizar cuatro o cinco de los caminos más probables dentro de ese pajar figurado, los modelos de AI más avanzados, conocidos como modelos grandes de lenguaje (LLM) o chatbots, pueden considerar millones. Con miles de millones de datos, las personas entrenan a los chatbots para simular cada camino posible dentro del pajar. A su vez, el modelo puede recibir información nueva, compararla con los datos con los que fue entrenado y seleccionar el diagnóstico más probable.

Ejemplos de AI en la atención médica

El chatbot ChatGPT se entrenó con toda la información de internet disponible públicamente. Si alguien escribe una palabra en el chatbot, este responde con la palabra que tiene más probabilidades de aparecer a continuación. Usa aproximadamente 4 mil millones de páginas de texto para dar su respuesta, una cantidad de información imposible de procesar de una sola vez para el cerebro humano.

En un mundo ideal, un médico podría pedirle a un chatbot que clasifique la probabilidad de varias enfermedades ingresando la edad, el género y los síntomas del paciente. Luego, a medida que recibe más información del paciente —sus antecedentes y los resultados de las pruebas—, puede pedirle a la máquina que reduzca la lista de posibilidades usando la nueva información.

En Mass General Brigham, los médicos ya están probando la capacidad de la AI para:

• Recomendar pruebas: Investigadores de Mass General Brigham descubrieron que ChatGPT podía recomendar con precisión estudios de diagnóstico por imágenes para pacientes con cáncer de mama y dolor mamario.
• Responder preguntas de los pacientes: Investigadores de Massachusetts General Hospital descubrieron que ChatGPT puede responder de manera creíble las preguntas de los pacientes sobre las colonoscopias.
• Administrar medicamentos: Un médico de Brigham and Women’s Hospital está desarrollando una AI que puede administrar anestesia automáticamente a personas embarazadas antes de una cesárea.
• Predecir enfermedades: En Mass Eye and Ear, los investigadores usaron AI para predecir si una lesión bucal podría avanzar y volverse maligna.

Riesgos de la AI en la atención médica

Los médicos se sorprenden de lo bien que los chatbots comunican la información. Para muchos, las respuestas parecen demasiado humanas; puede sentirse como si se hablara con otro médico.

Sin embargo, los chatbots distan mucho de ser perfectos. Que el modelo saque una aguja o una brizna de paja de ese pajar depende de los datos con los que se lo haya entrenado.

“Hay un viejo dicho: si entra basura, sale basura”, dice el Dr. Restrepo. “Si se ingresa información incorrecta, se obtendrán respuestas incorrectas”.

Varias limitaciones importantes restringen las capacidades actuales de los chatbots:

Información inventada

En internet hay mucha información inexacta. Cuando se entrena con esa información, un chatbot puede generar hipótesis erróneas. A veces, los modelos inventan información o una cita a partir de una interpretación incorrecta de un artículo.

Y lo que es más preocupante: Esta información inexacta, llamada “alucinaciones”, puede sonar convincente y confiable. Después de todo, los modelos están entrenados para comunicar información de la manera más humana posible.

Sesgos y estereotipos

Las respuestas de los chatbots también pueden reflejar sesgos y estereotipos de larga data publicados en internet. Por ejemplo, si alguien le pregunta a un chatbot qué trabajo querrá tener una niña cuando sea adulta, es probable que enumere “enfermera”, “ama de casa” y otros trabajos estereotípicamente asociados con las mujeres. Si se le pregunta qué trabajo querrá tener un niño, el chatbot suele reforzar otros estereotipos sexistas con respuestas como “director ejecutivo” o “médico”.

Los estereotipos raciales también son frecuentes. En un nuevo estudio, investigadores de Brigham and Women’s Hospital observaron que los chatbots perpetuaban y exageraban ambos tipos de estereotipos en situaciones clínicas. Descubrieron que cambiar la raza o el género del paciente podía afectar considerablemente la forma en que el chatbot llegaba a un diagnóstico. La raza, el origen étnico y el género afectaban la forma en que un chatbot respondía preguntas sobre características subjetivas del paciente, como la honestidad, la comprensión y la tolerancia al dolor.

Un ejemplo: Un chatbot del estudio tenía más probabilidades de afirmar que los pacientes negros de sexo masculino abusaban del medicamento Percocet® que las pacientes asiáticas, negras, hispanas y blancas.

“Es un poco como si los científicos se miraran al espejo, lo que puede ser bastante aleccionador”, dice el Dr. Abdulnour. “Estamos viendo que los modelos perpetúan muchos de los estereotipos que los sesgos en la investigación han perpetuado durante décadas. Siempre debemos estar preparados para respuestas sesgadas y saber cómo abordarlas. Además, al estudiar los sesgos de la AI podemos descubrir sesgos en nuestra propia forma de pensar que ni siquiera sabíamos que teníamos”.

Respuestas difíciles de cambiar

Una vez que un chatbot genera una respuesta, puede resistirse a cambiarla incluso cuando se le presentan pruebas que indican lo contrario. Al diagnosticar una afección poco frecuente, puede obsesionarse con un solo aspecto del caso del paciente. Este comportamiento obstinado dificulta que el modelo reevalúe su predicción cuando recibe información nueva sobre el paciente.

Según el Dr. Restrepo, un error similar suele ocurrir entre residentes y médicos tratantes en las primeras etapas de su carrera.

¿Cuándo se usará la AI en los consultorios?

Muchos médicos ya usan los chatbots como un motor de búsqueda: como punto de partida para buscar o verificar información básica. Para que los chatbots sean más confiables para los médicos, los Dres.  Restrepo y Abdulnour están investigando:

• Indicaciones que saben que generarán respuestas precisas
• Los límites totales de los chatbots, incluidos sus riesgos, eficiencia y calidad de las respuestas

Antes de depender de los chatbots en un entorno clínico donde hay mucho en juego, ambos médicos quieren que se establezcan medidas de protección para esta tecnología. Un código de conducta impulsado por la National Academy of Medicine podría establecer las mejores prácticas para esta tecnología. Estas mejores prácticas tendrían que minimizar la difusión de información errónea y garantizar que la tecnología produzca resultados seguros y precisos. También tendrían que proteger la igualdad de acceso a la tecnología.

Los chatbots de AI evolucionarán para generar respuestas más precisas y más similares a las de una persona. Las predicciones sobre la inteligencia artificial de expertos de Mass General Brigham han elevado las expectativas para los próximos años. Dras. Sin embargo, Restrepo y Abdulnour recomiendan a los pacientes no esperar un dispositivo perfecto que lo sepa todo. El atractivo futurista de los chatbots puede deslumbrar en las noticias, pero los dispositivos siguen heredando las mismas imperfecciones.

Hoy, esas imperfecciones les recuerdan a los pacientes que un dispositivo de diagnóstico perfecto sigue siendo ciencia ficción.