Algoritmos de bata blanca, una esperanza que hay que vigilar

La sobrecarga asistencial que sufre la Sanidad Pública en España dista de ser un fenómeno aislado. Muchos otros países como Reino Unido, Portugal y Francia se enfrentan a dificultades similares que están tensionando cada vez más los sistemas sanitarios. La insuficiente inversión, las plantillas raquíticas de profesionales maltratados y sobrecargados y una demanda de servicios sanitarios cada vez mayor –debido, en gran parte, al envejecimiento progresivo de la población– forman una tormenta perfecta para la precarización progresiva del sistema.

Ante este sombrío panorama, ¿podría la inteligencia artificial convertirse en una valiosa herramienta que ayude, junto a otras medidas, a los sistemas sanitarios a superar la crítica situación en la que se encuentran? En los últimos años, esta novedosa tecnología ha experimentado un desarrollo espectacular y sus capacidades son ya tales que es sólo cuestión de tiempo que termine integrándose en la medicina para diferentes aplicaciones. Así, el futuro de este sector está irremediablemente unido a los avances de la IA, aunque en la actualidad sólo estamos vislumbrado sus comienzos.

Un estudio reciente ha comprobado que ChatGPT sería capaz de obtener el título de médico en Estados Unidos, ya que podría aprobar los exámenes necesarios para ello. En España, esta IA también pasaría el MIR con tan sólo un 25% de respuestas incorrectas. 

Diversos grupos de investigación están desarrollando y evaluando tecnologías como ChatGPT y similares para convertirse, básicamente, en un asistente virtual para el médico. La idea no es sólo potenciar la eficiencia del facultativo en sus diferentes tareas, sino también ayudarle a hacer un mejor trabajo. Se estima que alrededor del 15% de los diagnósticos médicos son erróneos. Una IA bien entrenada que apoyase a dicho sanitario podría disminuir el porcentaje de errores, al tiempo que haría más productiva su labor.

La gran ventaja de la IA sobre los humanos es su capacidad para procesar ingentes cantidades de datos en cuestión de segundos. Ningún médico podría estar actualizado con todas las novedades científicas que se publican cada día en las diferentes especialidades médicas. En cambio, esta labor no supondría un problema para una inteligencia artificial. Los sistemas sanitarios podrían emplear esta fortaleza de las IA a su favor, es decir, usarlos como proveedores de la información médica más actualizada y rigurosa en cuanto al diagnóstico y tratamiento de multitud de enfermedades. Además, ante dudas sobre pacientes concretos, esta tecnología podría ofrecer un conocimiento complementario a la experiencia del médico para tomar decisiones más certeras.

Diagnósticos y análisis complejos

La IA también podría analizar todo el historial médico del paciente para resaltar datos clave, realizar recomendaciones de tratamiento personalizadas y ayudar a detectar interacciones entre medicamentos que podrían provocar daños. Por ejemplo, la polimedicación en ancianos es un problema muy habitual en el mundo y, con frecuencia, pueden surgir efectos indeseados de interacción entre las medicinas que podrían evitarse con un análisis global de todos los tratamientos facilitado por la IA. Por otro lado, esta tecnología también podría ayudar al médico a explicar conceptos de forma más sencilla a los pacientes. Pero, en realidad, no es necesario irse a un futuro distante en el que la IA desempeñe tareas complejas, para poder sacar ya ventajas de su potencial. Con una serie de cambios en la infraestructura informática, esta tecnología podría emplearse ya mismo para aliviar la burocracia y el papeleo en el que están inmersos los médicos. Los facultativos pasan gran parte de la jornada tecleando en el ordenador para redactar multitud de documentos, lo que les resta mucho tiempo de su labor clínica. Esta tarea podría acelerarse de forma significativa con una IA que transcribiera automáticamente las palabras del médico o que ejecutara órdenes sencillas como hacen hoy en día asistentes tan populares como Alexa o Siri. Por ejemplo, un médico podría solicitar a esta tecnología lo siguiente: “¿Podrías redactar la baja médica de Alonso Sánchez?”.

No es ciencia ficción. Ya existen diferentes sistemas que se están empleado en algunos lugares para apoyar en el diagnóstico o el pronóstico de diversas enfermedades. Desde anticipar el daño agudo de los riñones, hasta predecir con gran precisión las probabilidades de remisión de leucemia (cáncer de la sangre) o del despertar de un coma. De hecho, diferentes algoritmos son ya capaces de diagnosticar con mayor precisión ciertas dolencias que los propios especialistas médicos: diferentes tipos de cáncer, arritmias cardíacas, enfermedades oculares como la retinopatía diabética (enfermedad de la retina provocada por la diabetes) o la inflamación de la úvea (capa intermedia del ojo).

Por otro lado, en ocasiones, decidir cuál es la pauta terapéutica más acertada tras un diagnóstico puede ser complicado, pues esta depende de múltiples factores asociados a las características biológicas del paciente y de la enfermedad. En este complejo terreno, las IA han demostrado ser una potente herramienta de apoyo para los médicos. Es el caso del sistema IBM Watson, que tras analizar el diagnóstico de 1.000 casos de cáncer, el 99% de los planes de tratamiento que recomendó la IA coincidía con las sugerencias de los oncólogos. Además, gracias a su capacidad para procesar miles de estudios clínicos en minutos, Watson sugirió nuevas opciones de tratamiento que los especialistas pasaron por alto en un 30% de los casos debido a su incapacidad para estar al día con toda la nueva actualidad científica médica. Otro gran hito de esta IA fue el diagnóstico en diez minutos de una mujer que sufría leucemia, después de que varios médicos estudiaran su caso sin éxito durante meses.

Otra de las fortalezas de la IA reside en su capacidad para predecir el riesgo de sufrir cáncer. No siempre resulta sencillo conocer cuál es el riesgo de que una persona desarrolle cáncer a partir del análisis de lesiones particulares, especialmente cuando ocurren en una etapa muy temprana del desarrollo del tumor. Con la intención de reforzar esta tarea propia de radiólogos, patólogos y otros especialistas, se han creado diferentes IA que ofrecen mayor precisión que los médicos. Por ejemplo, Google y la Universidad del Noroeste en Estados Unidos consiguieron desarrollar un algoritmo que ofrecía un porcentaje de éxito igual o superior a los médicos a la hora de predecir un posible cáncer de pulmón (con menor porcentaje de falsos positivos y falsos negativos) a partir de imágenes realizadas mediante tomografía axial computarizada (TAC). Cuando el diagnóstico dependía de una única imagen actual (sin otras previas), el sistema era más preciso que los radiólogos. Para el entrenamiento de la IA se utilizaron miles de imágenes de tomografías en las que se confirmaba o rechazaba el diagnóstico de cáncer de pulmón según los resultados de las biopsias.

Y este tipo de tecnología no es la única que ha demostrado su potencial a la hora de detectar lesiones precancerosas o cancerosas tempranas. Otra IA que emplea aprendizaje profundo es capaz de realizar un ‘screening’ automático de cáncer de cuello de útero a partir de imágenes de cámaras digitales. Los investigadores recomiendan esta herramienta especialmente para países de ingresos bajos o medios, ya que es en ellos donde se dan aproximadamente el 90% de las muertes por cáncer de cuello uterino debido, entre otras razones, a los limitadas campañas de prevención.

En una fase aún experimental, las IA se están utilizando para infinidad de aplicaciones: predecir la aparición de alzhéimer en personas sanas a través del análisis del lenguaje, detectar enfermedades cardíacas mediante el análisis de fotos de la cara o desarrollar nuevos medicamentos. Sin embargo, antes de que esta tecnología se integre en los sistemas sanitarios hay múltiples retos y dificultades que superar. Para empezar, una de las características intrínsecas de muchos sistemas es que su funcionamiento es básicamente una ‘caja negra’. Es decir, resulta prácticamente imposible saber por qué un algoritmo ha dado un resultado frente a otro. Desconocer cómo funcionan estos sistemas complica la evaluación de su fiabilidad y la detección de las causas de posibles errores. Una IA es tan buena como el entrenamiento que haya recibido. Si los datos que se aportan para este fin incorporan sesgos (machistas, racistas u homófobos, entre otros), estos podrían afectar de forma notable a la veracidad de los resultados. Por otro lado, una IA puede no sólo darnos una información errónea, sino incluso convencernos de que es fiable, cuando no lo es. ChatGPT, por ejemplo, ofrece datos falsos de vez en cuando y, para justificarlos, llega incluso a inventarse referencias científicas.

Seguridad de los datos, su talón de Aquiles

Los errores que irremediablemente también cometen las IA llevan a una cuestión crucial: ¿quiénes son los responsables de los perjuicios médicos que se produzcan en los pacientes por el uso de esta tecnología? ¿Los desarrolladores, la empresa que creó la IA, los médicos que la utilizaron o la institución sanitaria en donde trabajan? Mientras la incertidumbre legal en este terreno no se disipe, la aplicación de las IA en los sistemas sanitarios seguirá siendo muy limitada.

Otro talón de Aquiles de las IA se encuentra justamente en lo que es también su mayor fortaleza: la gran cantidad de datos electrónicos de pacientes empleados para su funcionamiento. Si algo se ha comprobado en los últimos años es que las redes informáticas y los ordenadores de centros de salud y hospitales de cualquier rincón del mundo distan de tener una seguridad a prueba de hackers. Además, los ciberataques en este terreno son frecuentes. Sólo en 2022, la sanidad pública española acumuló decenas de ataques informáticos de muy alta peligrosidad. 

Implementar las IA en los sistemas sanitarios requerirá tener un mayor acceso a multitud de datos médicos electrónicos, especialmente sensibles, lo que supone también un mayor riesgo de que alguien irrumpa en los sistemas y saque partido de dicha información. Por otra parte, las grandes tecnológicas no han demostrado ser especialmente protectoras de la privacidad de sus usuarios en los últimos años. Uno de los casos más sonados fue el de Google y su filial DeepMind, centrada en el desarrollo de IA: ambos accedieron de forma ilegal a registros de 1,6 millones de pacientes de Reino Unido en 2015 sin el conocimiento de estos y vulnerando la ley de protección de datos. 

Mientras estos y otros muchos obstáculos en torno a las IA no se resuelvan, la irrupción de esta tecnología en los sistemas sanitarios seguirá siendo testimonial. Más vale que sea así: una implementación apresurada, incentivada por grandes intereses económicos, podría provocar graves daños en multitud de pacientes y suponer un importante revés en la confianza y el uso futuro de las IA.