La medicina del futuro estará condicionada por un desarrollo tecnológico aplicado imparable: historias clínicas electrónicas cada vez más sofisticadas, big data, robótica y telemedicina son algunos ejemplos, pero por encima de todo ello planea la inteligencia artificial (IA). Y es que la IA puede transformar la atención clínica mucho más radicalmente que cualquier otro avance biotecnológico.

La IA tiene como objetivo imitar las funciones cognitivas humanas. El cambio de paradigma que puede determinar a la asistencia sanitaria se debe, más que a la mayor disponibilidad de datos y su rápido análisis, a cómo puede modificar la toma de decisiones clínicas. La IA ya se utiliza en muchos ámbitos (automóvil autónomo, seguridad, banca, idiomas, redes sociales) para mejorar las decisiones en base a algoritmos alimentados por una ingente cantidad de datos. En sanidad estos algoritmos decisionales complejos pueden optimizar la práctica clínica si demuestran que realmente son eficaces.

 La inteligencia es algo propiamente humano, al menos una inteligencia tan elaborada que permite desarrollar un lenguaje articulado y escrito; es lo que más nos diferencia de otros animales y nos ha hecho dominar el planeta. Con la IA buscamos que las máquinas piensen y actúen como nosotros, hasta el punto de poder sustituirnos. Que las máquinas creadas por los seres humanos (ordenadores, robots y otros dispositivos) sean inteligentes puede ser una panacea (del griego “pan” y “akos”, el remedio para todo), pero es un remedio con posibles efectos secundarios.

Existen dos dispositivos principales para la IA: el aprendizaje automático (AA) y el procesamiento del lenguaje natural (PLN). Para el AA las técnicas más populares son la máquina de soporte vectorial y la red neuronal artificial, mientras que la técnica de aprendizaje profundo se usa para el PLN. Un sistema de IA exitoso debe poseer el componente de AA para manejar datos estructurados (imágenes, datos de todo tipo, incluidos los genéticos) y el componente PLN para extraer textos no estructurados (los matices de nuestro lenguaje natural espontáneo). La capacidad de procesar información del AA es inmensa. No hay que olvidar que estamos en la era del big data. Pero junto a ello es esencial incorporar el lenguaje natural, los matices de la comunicación humana. Tras procesar toda esta información, se generan algoritmos que dan respuesta a los problemas planteados. En el caso de la medicina, los algoritmos se construyen con datos clínicos, para que el sistema pueda ayudar a los médicos diagnosticando y haciendo sugerencias de tratamiento.

El sistema IBM Watson es pionero en este campo. Incluye módulos de AA y PLN, y ha logrado avances prometedores en oncología. Por ejemplo, en una investigación el 99% de las recomendaciones de tratamiento eran coherentes con las decisiones del médico. Además, IBM Watson ha demostrado utilidad en diagnósticos genéticos y en la toma de decisión en supuestos clínicos reales. Otro sistema es cloud-based CC-Cruiser in24. Tras introducir los datos de los pacientes (información demográfica y datos clínicos: imágenes, resultados analíticos y genéticos, presión arterial, notas médicas, etcétera), el sistema envía sugerencias a los médicos para ayudarles en la toma de decisiones. Los comentarios sobre las sugerencias del sistema (correctas o incorrectas) se envían de vuelta para que el sistema mejore su precisión.

AICare ha sido probado en varios hospitales de primer nivel. Analiza los datos clínicos en mucho menos tiempo que un clínico. Zhu Long, cofundador de la empresa de IA Yitu, explicaba recientemente en una entrevista en El País que “generalmente, un especialista tarda unos 10 minutos en realizar el informe de esas pruebas, pero nuestro algoritmo necesita solo dos o tres segundos […] Por ejemplo, en el caso de que haya un tumor, AICare lo detecta y señala todos los parámetros propios de un informe médico, como la ubicación, el tamaño, etcétera”, señalando además su altísima precisión diagnóstica. Una posible ventaja apuntada por Zhu Long es la mejora de la sanidad en países en vías de desarrollo: “Allí es difícil atraer talento, y los buenos médicos escasean. Nuestros algoritmos, sin embargo, tienen siempre la misma fiabilidad. Y no solo ofrecen resultados de forma rápida: también son muy baratos”.

La IA habitualmente se utiliza para buscar diagnósticos precoces y tratamientos adecuados, así como para predecir resultados y evaluar pronósticos. Las principales áreas donde se usa IA son oncología (por ejemplo, en el carcinoma hepatocelular), neurología, cardiología (sobre todo en el diagnóstico), cirugía y hasta en la formación de los clínicos. Si consideramos el ejemplo del accidente cerebrovascular, se trata de un proceso complejo en el que la investigación clínica tradicionalmente se ha centrado en preguntas limitadas, sin considerar la naturaleza continua del proceso. La IA puede ayudar a responder a preguntas clínicas mucho más complejas y cercanas a la vida real, lo que conduciría a una mejor toma de decisiones. Los resultados iniciales con esta patología están siendo prometedores.

Aunque las investigaciones médicas con IA están siendo prometedoras, su aplicación a la vida real es aún limitada y no está carente de obstáculos. Por una parte, tenemos la falta de estándares para evaluar su seguridad y eficacia, por lo que la FDA ha elaborado una guía para evaluar los sistemas de IA. Otro problema es su actualización: para que los sistemas de IA funcionen bien deben entrenarse continuamente con nuevos datos clínicos. Sin embargo, una vez que se implementa el entrenamiento inicial con datos históricos, no hay un verdadero intercambio de datos que permita su mejora. En Estados Unidos y China se está incentivando a los actores involucrados en el sistema sanitario (médicos, empresas farmacéuticas, pacientes) para que recojan e intercambien su información.

Aparte de las cuestiones técnicas, hay más problemas, entre los que destacan sobre todo dos: el riesgo de deshumanizar la medicina y la responsabilidad en la toma de decisiones. Un adecuado procesamiento del lenguaje natural puede llegar a incorporar los sentimientos, afectos, valores, intenciones y motivaciones de los pacientes, y los algoritmos decisionales pueden integrarlos; tal vez hasta mejor que un humano. Pero una máquina no podrá mirar a los ojos y cogerle la mano al paciente, comprender y empatizar como un humano; al menos por ahora. En cuanto a la responsabilidad, lo estamos viviendo con los automóviles con IA: si provocan un accidente, ¿de quién es la responsabilidad? ¿y qué deciden ante la disyuntiva de salvar la vida de un peatón o la del conductor? Traslademos todo ello a la medicina y se generará, a buen seguro, un amplio debate.

La IA nos obligará a redefinir el papel del ser humano en el mundo. Zhu Long señalaba que “el mundo va a cambiar tanto en los próximos 30 años que ni siquiera podemos imaginar ahora cómo será”. Actualmente vemos la IA como una posible herramienta de ayuda a los médicos, pero quién sabe si no terminará sustituyéndonos.