En mi entrega anterior, en la que escribí mi opinión sobre el impacto de la inteligencia artificial (IA) en las finanzas, expuse que existe otra industria que será muy beneficiada por la democratización de estas tecnologías digitales, y esa es, la industria de la salud, de la que nos ocuparemos en esta ocasión.
En las ciencias de la salud, la experiencia y la percepción clínica son fundamentales y las aplicaciones de la inteligencia artificial están demostrando ser un complemento de la práctica clínica con buenos resultados.
La medicina basada en la evidencia se complementa con técnicas computacionales modernas de procesamiento de grandes volúmenes de datos que antes no era posible realizar, obteniendo valiosa nueva información que se traduce en una prevención y detección temprana de enfermedades, diagnósticos más certeros, intervenciones y tratamientos cada vez más personalizados, junto a un seguimiento e interacción automatizada entre pacientes y centros de salud.
Los sistemas de registros clínicos electrónicos fueron concebidos inicialmente con fines de gestión administrativa y financiera, más que clínica.
Con el desarrollo de ellos, el mundo médico y de la administración en salud han visto la utilidad de los datos y de su correcto análisis e interpretación en pro de realizar una medicina más eficiente y segura.
En las últimas décadas, además de estar logrando avances en la estandarización e interoperabilidad de los sistemas de registros a nivel global, se le está utilizando para procesar grandes e incrementales volúmenes de datos almacenados en forma diaria.
A través de la inteligencia artificial es posible analizar largos textos de evoluciones clínicas, interconsultas, informes, protocolos y encontrar asociaciones o incluso nueva información para encontrar respuestas a problemas de la práctica diaria. A medida que estos modelos de texto vayan aprendiendo con los datos suministrados ayudarán a mejorar su escritura y a interpretar los planteamientos y diagnósticos. Sin embargo, existen sesgos en los modelos de aprendizaje automático, por lo que se requiere que estos modelos aprendan con datos de las diferentes regiones o sociedades para minimizar los sesgos de interpretación.
La captura de datos clínicos es fundamental para construir repositorios robustos, pero deben considerarse cuidadosamente todos los aspectos éticos y legales, tanto en su origen como para poder ser procesados.
En salud, cada centro o red hospitalaria resguarda la integridad y seguridad de sus datos; pero para tener un uso correcto de los datos, desde su origen, procesamiento y uso final, es responsabilidad de cada institución la elaboración y aplicación de una adecuada “gobernanza de datos” que propicie las buenas prácticas tanto a los especialistas como a usuarios finales.
El rol del Estado es también relevante, pues mediante leyes pertinentes deben proteger a las personas y a las instituciones en este sentido, y promover condiciones seguras y apropiadas para su desarrollo, tanto en el ámbito público como privado. La regulación del acceso a datos mediante la restricción, protocolización y auditoría del acceso a los datos no debe ser sinónimo de impedir acceso.
Las decisiones que toma un modelo automático son resultado de las instrucciones de un programador humano. Aprender automáticamente a partir de datos del pasado considera al pasado como determinante del futuro; pero se aprende del pasado porque es el recurso con el que se dispone, aunque éste contenga prejuicios y sesgos de diversos tipos. Si se codifican los datos del pasado en sistemas informáticos sin exigirle una explicación de sus decisiones, entonces se está permitiendo que el pasado defina el futuro sin cuestionarlo.
Así también, estas tecnologías implican un costo en recursos físicos y humanos que no deben comprometer la distribución ética de los recursos en salud, cuya brecha es muy amplia en muchos países.
Además, existe una brecha digital en los distintos estratos sociales, que amplía el desafío de la equidad, tanto para la implementación de nuevas y a veces costosas tecnologías en beneficio de la salud de la población, como en el acceso y uso adecuado de la misma.
La oportunidad de disponer de computación en la nube abarata significativamente los costos, tanto para su incorporación en los sistemas de salud como en el costo de los equipos en sí mismos, pero que exige considerar la seguridad de almacenamiento, privacidad y disponibilidad de los datos tanto para los profesionales de la salud como para los mismos pacientes.
Adaptar e implementar algunas de estas aplicaciones con tecnologías de bajo costo son sin duda una valiosa herramienta que puede permitir que los beneficios de la IA en salud lleguen a más personas. Esto, a su vez, compromete a autoridades, profesionales, académicos y científicos en el trabajo permanente de investigación, desarrollo e innovación para generar un impacto positivo en la salud y bienestar de los pacientes, y de la sociedad en general.
Los modelos que apoyan las decisiones clínicas pueden ser sistemas autónomos o que la última decisión la tome finalmente un ser humano. En ambos casos hay similares niveles de riesgo concernientes con la afectación de grupos vulnerables o por su aplicación a problemas sociales.
Una de las razones de la dificultad de entender y asimilar estas técnicas en medicina es el problema de que algunos modelos, pese a un alto nivel de acierto en resolver tareas, no es sencillo comprender cómo llegaron a sus resultados finales o intermedios lo que es un aspecto hasta ahora fuertemente arraigado en la medicina basada en la evidencia, como es el caso de los algoritmos de aprendizaje profundo, donde no es fácil desarrollar modelos de transparencia y de interpretación de resultados.
Actualmente se promueve en la comunidad de investigadores, el desarrollo de la inteligencia artificial centrado en las personas, fomentando el desarrollo sostenible y enfatizando los aspectos de seguridad e inclusión, para reducir brechas de acceso a estas tecnologías digitales de vanguardia.
La Inteligencia Artificial es el tema central del XI Encuentro de Liderazgo Empresarial a celebrarse en la UDEM el próximo 31 de octubre, bajo el tema “Liderando personas en la era de la Inteligencia Artificial”. Entre ponentes estarán Erik Brynjolfsson y Anthony Klotz.
La autora es Profesora del Departamento de Contabilidad, Economía y Finanzas de la UDEM. Por 30 años ha colaborado en Instituciones de Educación Superior y los últimos cuatro años en la Universidad de Monterrey. Es especialista en Finanzas Corporativas y Sistemas de Gestión.
Contacto: rocio.gomeztagle@udem.edu