Artículo relacionado:
DESVENTAJA: La inteligencia artificial no es una cápsula mágica
Este debate de ventajas y desventajas se hizo en la conferencia de Stoelting 2019 titulada “Deterioro del paciente: El reconocimiento inmediato, la intervención rápida y el fin de la reanimación fallida”. Estos dos autores tienen experiencia en el campo de la implementación de inteligencia artificial para el manejo de pacientes que sufren deterioro en el entorno hospitalario. |
La inteligencia artificial (artificial intelligence, AI), o inteligencia computarizada, se ha definido como la “inteligencia demostrada por las máquinas, en comparación con la inteligencia natural que muestran los humanos” y como “…cualquier dispositivo que perciba su entorno y que tome medidas que maximicen las posibilidades de lograr sus objetivos con éxito”.1
Wikipedia clasifica la AI en tres tipos diferentes de sistemas1:
- Analítica
- Inspirada en el ser humano
- Inteligencia artificial humanizada
La AI se constituyó como campo académico en 1956. Durante las seis décadas siguientes, ha evolucionado y ha desarrollado sistemas capaces de hacer tareas complejas en tiempo real que el cerebro humano no podría lograr sin ayuda. Los primeros en adoptar la AI incluyen al sector militar, que ha usado drones autónomos y semiautónomos; el sector de las finanzas, en el que la AI permite la detección de fraude en tiempo real, y la industria automotriz, en la que la AI facilita la prevención de choques.
La industria multimillonaria de la atención médica ha tardado en implementar la tecnología de la información (information technology, IT) en general y la AI en particular. Esto podría deberse a algunos conflictos de intereses que existen en la relación del médico con el paciente y a los requisitos de documentación de la profesión de atención médica, los requisitos probatorios y administrativos, y la existencia de un legado de costosos sistemas de IT.2 Aunque es comprensible el escepticismo hacia las soluciones de IT y AI, nuestras luchas continuas contra los eventos adversos prevenibles,2 la mala adopción de la práctica basada en la evidencia y la persistencia en el uso de prácticas no beneficiosas, a veces perjudiciales,3 exigen una evaluación seria del potencial de la AI para mejorar la seguridad y los resultados de los pacientes.
El argumento principal para incorporar la AI a la atención médica es el potencial que tiene para dar mejores soluciones en tiempo real a los profesionales que mejoran los resultados de los pacientes. Una de las aplicaciones más importantes es que los resultados de la investigación se traducen en una práctica coherente y fiable basada en la evidencia, tanto en el consultorio como a pie de cama. Es cierto que el desarrollo de la “evidencia” está plagado de problemas deductivos,4 pero hay prácticas relativamente poco controvertidas basadas en la evidencia, como evitar que se receten antibióticos para las infecciones agudas de las vías respiratorias superiores, en las que sigue habiendo una gran brecha entre la evidencia y la práctica.5 La AI tiene el potencial de incorporar toda la información y los resultados de los pacientes que sean pertinentes para una pregunta clínica dada en tiempo real. Dicho sistema de AI podría avisar o alertar a los profesionales cuando se estén desviando de las directrices de la práctica. Posiblemente, la AI también podría actualizar e informar continuamente sobre las directrices de la práctica clínica usando la información de los pacientes en tiempo real.
En su forma más simple, la AI se puede considerar una regla de decisión: “Qué, si, entonces, y”. Por ejemplo, el “qué” podría ser el paciente con urosepsis, el “si” es la receta de gentamicin (gentamicina), el “entonces” es la función renal y el “y” son los demás medicamentos recetados. La AI puede advertir sobre las interacciones entre los medicamentos, y ofrecer información de dosificación precisa y segura que después puede modificarse en tiempo real en función de las variaciones en la concentración de los medicamentos, las dosis de otros medicamentos y los cambios en la función renal.6 Esta capacidad existe en la mayoría de los sistemas de receta electrónica. Este autor desarrolló un enfoque de AI en respuesta a un problema de “falla de rama aferente” del equipo de respuesta rápida (rapid response team, RRT) (p. ej., no pedir ayuda pese a que se cumplieron los criterios de activación).7 Identificamos varios problemas culturales del personal que contribuyeron a este fenómeno.8 La solución requería el registro electrónico de las observaciones fisiológicas del paciente, la comparación en tiempo real de esas observaciones con los criterios de activación del RRT y, después, la emisión de una serie de alertas automáticas para los miembros predeterminados del equipo clínico. Este sistema facilitó la individualización de los criterios de activación para cada paciente, y la personalización del modo y el orden en los que se alerta a los miembros del equipo clínico. Con este enfoque innovador, la respuesta clínica alcanzó un 97 % según el puntaje de alerta inmediata (early warning score, EWS) del Trust Hospital del Servicio Nacional de Salud (National Health Service, NHS), en comparación con el valor inicial del 68 %.8
El argumento a favor de la AI en la atención médica no es su potencial para mejorar el razonamiento, la resolución de los problemas, la presentación del conocimiento, el procesamiento del lenguaje natural o la inteligencia social; se trata de hacer las cosas que, por algún motivo, no hacemos en la atención médica, y esto se debe en parte a la debilidad del cerebro humano. Ruth Lollgen ofrece un ejemplo convincente en el New England Journal of Medicine, en el que escribe sobre su experiencia personal de violencia conyugal.9 Aunque es pediatra de emergencias, en numerosas ocasiones se ha presentado en los departamentos de emergencias con lesiones compatibles con una causa no accidental. Sin embargo, el patrón de las lesiones cada vez que llega y a lo largo del tiempo no da lugar a ninguna sugerencia clínica de lesión intencional. Ella lamenta que nadie le pregunte: “¿Te sientes segura en casa?”. Hacer preguntas importantes como la mencionada arriba puede darles una mayor seguridad a nuestros pacientes y proveedores.
Las complejidades de la atención médica, el conjunto en rápido crecimiento del conocimiento obtenido en las investigaciones, una población de clientes y pacientes conocedores de internet y, lo más importante, las debilidades del cerebro humano requieren la asistencia de la AI para ayudar a los profesionales de la atención médica en la toma diaria de decisiones sobre sus pacientes. Los profesionales de la atención médica deben comprender y participar en el desarrollo de estos dispositivos de toma de decisiones asistidos por computadora para que sean creados con los más altos estándares técnicos y estén centrados en los mejores resultados de la práctica para los pacientes.
El Dr. Buist es profesor de Servicios Médicos en University of Tasmania, Tasmania, Australia.
Es fundador, exdirector y director médico de Patientrack. Esta compañía fue vendida a otra compañía médica de tecnologías de la información y las comunicaciones (information and communications technology, ICT) llamada Alcidion (ALC), que se cotiza en la bolsa de valores de Australia. El profesor Michael Buist es un accionista importante de ALC.
Referencias
- https://en.wkipedia.org/wiki/Artificial_intelligence. Accessed on October 29, 2019.
- Rudin RS, Bates DW, MacRae C. Accelerating innovation in Health IT. N Engl J Med. 2016;375:815–817.
- Buist M, Middleton S. Aetiology of hospital setting adverse events 1: limitations of the Swiss cheese model. Br J Hosp Med (Lond). 2016;7:C170–C174.
- Ioannidis JP. Evidence-based medicine has been hijacked: a report to David Sackett. J Clin Epidemiol. 2016;73:82–86.
- Harris A, Hicks LA, Qaseem A, High Value Care Task Force of the American College of Physicians & Centers for Disease Control and Prevention. Appropriate antibiotic use for acute respiratory tract infection in adults: advice for high-value care from the American College of Physicians and the Centers for Disease Control and Prevention. Ann Intern Med. 2016;164:425–434.
- Qureshi I, Habayeb H, Grundy C. Improving the correct prescription and dosage of gentamicin. BMJ Open Quality. 2012: 1, doi: 10.1136/bmjquality.u134.w317. https://bmjopenquality.bmj.com/content/1/1/u134.w317 Accessed November 4, 2019.
- Marshall S, Shearer W, Buist M, et al. What stops hospital clinical staff from following protocols? An analysis of the incidence and factors behind the failure of bedside clinical staff to activate the Rapid Response System (RRS) in a multi-campus Australian metropolitan health care. BMJ Qual Saf. 2012;21:569–575.
- Jones S, Mullally M, Ingleby S, et al. Bedside electronic capture of clinical observations and automated clinical alerts to improve compliance with a NHS Trust Early Warning Score (EWS) protocol. Crit Care Resusc. 2011;13:83–88.
- Lollgen, RM. Visible injuries, unrecognised truth—the reality of intimate partner violence. N Engl J Med. 2019;381:15: 1408–1409.