Transformación de la medicina por IA: por qué los médicos no están preparados

Estas herramientas de IA, llamadas algoritmos de soporte de decisiones clínicas (CDS), pueden ser de gran ayuda para ayudar a guiar a los médicos a determinar, por ejemplo, qué antibióticos recetar o si recomendar una cirugía cardíaca valorando los riesgos.

Sin embargo, el éxito de estas nuevas tecnologías depende en gran medida de cómo los médicos interpreten y actúen sobre las predicciones de riesgo de una herramienta, y eso requiere un conjunto único de habilidades de las que muchos carecen actualmente, según un nuevo artículo de perspectiva publicado en el New England Journal of Medicine escrito por profesores de la Facultad de Medicina de la Universidad de Maryland (UMSOM).

Los algoritmos CDS, que hacen predicciones en condiciones de incertidumbre clínica, pueden incluir todo, desde calculadoras de riesgo derivadas de regresión hasta sistemas sofisticados basados ​​en aprendizaje automático e inteligencia artificial. Se pueden usar para predecir qué pacientes tienen más probabilidades de sufrir una sepsis potencialmente mortal por una infección no controlada o qué terapia tiene la mayor probabilidad de prevenir la muerte súbita en un paciente individual con enfermedad cardíaca.

Aprender cómo piensan las máquinas

“Estas nuevas tecnologías tienen el potencial de impactar significativamente en la atención al paciente, pero los médicos primero deben aprender cómo piensan y funcionan las máquinas antes de que puedan incorporar algoritmos en su práctica médica”, explica Daniel Morgan, MD, profesor de Epidemiología y Salud Pública en UMSOM y coautor de la perspectiva.

Si bien algunas herramientas de soporte de decisiones clínicas ya están incorporadas en los sistemas de registros médicos electrónicos, los proveedores de atención médica a menudo encuentran que el software actual es engorroso y difícil de usar. “Los médicos no necesitan ser expertos en matemáticas o informática, pero sí deben tener una comprensión básica de lo que hace un algoritmo en términos de probabilidad y ajuste de riesgo, pero la mayoría nunca ha sido capacitado en esas habilidades”, asegura Katherine Goodman, profesor asistente de Epidemiología y Salud Pública en la UMSOM y coautor de la perspectiva.

Para abordar esta brecha, la educación médica y la capacitación clínica deben incorporar una cobertura explícita del razonamiento probabilístico adaptado específicamente a los algoritmos CDS. 

Propuestas

Los Dres. Morgan, Goodman y su coautor Adam Rodman, en el Centro Médico Beth Israel Deaconess en Boston, proponen:

1. Mejorar las habilidades probabilísticas: Durante la carrera de Medicina, los estudiantes deben aprender los aspectos fundamentales de la probabilidad y la incertidumbre y utilizar técnicas de visualización para que el pensamiento en términos de probabilidad sea más intuitivo. Esta capacitación debe incluir la interpretación de medidas de rendimiento, como la sensibilidad y la especificidad para comprender mejor el rendimiento de las pruebas y los algoritmos.
2. Incorporar la salida algorítmica en la toma de decisiones : se debe enseñar a los médicos a evaluar críticamente y utilizar las predicciones de CDS en su toma de decisiones clínicas. Esta capacitación implica comprender el contexto en el que operan los algoritmos, reconocer las limitaciones y considerar los factores relevantes del paciente que los algoritmos pueden haber pasado por alto.
3. Practicar la interpretación de las predicciones de CDS en el aprendizaje aplicado: los estudiantes de medicina y los médicos pueden participar en el aprendizaje basado en la práctica aplicando algoritmos a pacientes individuales y examinando cómo las diferentes entradas afectan las predicciones. También deben aprender a comunicarse con los pacientes sobre la toma de decisiones guiada por CDS.  

Instituto de Computación para la Salud

La Universidad de Maryland, Baltimore (UMB), la Universidad de Maryland, College Park (UMCP) y el Sistema Médico de la Universidad de Maryland (UMMS) lanzaron recientemente planes para un nuevo Instituto de Computación para la Salud  (IHC). 

El UM-IHC aprovechará los avances recientes en inteligencia artificial, medicina en red y otros métodos informáticos para crear un sistema de atención médica de aprendizaje de primer nivel que evalúe datos de salud médica digitalizados seguros y no identificados para mejorar el diagnóstico, la prevención y el tratamiento de enfermedades. 

El Instituto planea ofrecer eventualmente una certificación en ciencia de datos de salud entre otras oportunidades educativas formales en ciencias de datos.

“El análisis de probabilidad y riesgo es fundamental para la práctica de la medicina basada en la evidencia, por lo que mejorar las habilidades probabilísticas de los médicos puede proporcionar ventajas que se extienden más allá del uso de algoritmos CDS”, afirma el decano de la UMSOM, Mark T. Gladwin. “Estamos entrando en una era de transformación de la medicina en la que nuevas iniciativas como nuestro Instituto de Informática de la Salud integrarán grandes cantidades de datos en sistemas de aprendizaje automático para personalizar la atención del paciente individual”, añade.