Bonell Patiño-Escobar, MD.
Internista-Hematólogo. Postgrado en Artificial Intelligence and Machine Learning. Post Doctoral Fellow UCSF. Miembro AIpocrates.
Los médicos estamos siendo llevados a un aprendizaje casi mandatorio sobre programación
Hasta hace algunos años, se consideraba que el conocimiento sobre programación era exclusivo de los científicos computacionales, sin embargo, ahora los científicos de todas las áreas deben tener conocimiento de programación, independientemente de la rama en la que se encuentren investigando. El análisis y el manejo profundo de grandes bases de datos para generación de modelos y algoritmos que permitan la elaboración y confirmación de hipótesis para generar diseños de experimentos y ensayos clínicos son parte de la ciencia actual.
El avance acelerado de la inteligencia artificial en los últimos años ha permeado todas las áreas humanas y ha permitido el desarrollo de nuevas estrategias de optimización en diferentes procesos. La introducción de los “Transformers” con el eje de “attention is all you need”1y su ulterior advenimiento de la IA generativa, siendo su representante más reconocido el chatbot ChatGPT, ha sido el catalizador de nuevas plataformas y modelos no solo en generación de texto, si no de imágenes y como lo vimos en las últimas semanas, también en video, con el lanzamiento de “Sora” por parte de OpenAI, la misma compañía creadora de ChatGPT y que fue tema principal de una columna recientemente en este mismo espacio de AIpocrates. Esta rapidez con la que la IA viene ganando terreno en diferentes campos, desde las artes, pasando por otras áreas como física y hasta la genómica, ha generado múltiples interrogantes sobre el impacto socialen términos de cómo será futuro de la practica laboral para los seres humanos. Por supuesto, el sector salud no ha estado exenta de esta discusión. La integración de la Inteligencia artificial en el cuidado en salud tiene el potencial indiscutible de mejorar los procesos de atención que van desde el tamizaje, diagnostico, selección de tratamientos y pruebas de imágenes y laboratorio2.
A pesar de reconocer los beneficios de la IA, siempre el debate retorna al punto sobre el riesgo que la IA termine reemplazando a los médicos. Este temor se ha hecho tangible tempranamente dentro de algunas especialidades en medicina en las que la inteligencia artificial ha demostrado avances rápido, como radiología, patología y dermatología, en donde algoritmos de Inteligencia artificialpodrían automatizar diversos procesos, sobrepasando la habilidad de los profesionales en medicina en términos de productividad.
Sin embargo, esta perspectiva, aún lejana a la realidad,terminaría rotulando al ejercicio medico como un servicio técnico, que se encarga únicamente de repetir procesos mecánicos. Este estereotipo, no en vano, ha surgido durante las últimas décadas, en parte como resultado a los múltiples métodos de industrialización y administración que ha empujado a médicos y pacientes a formar parte de un sistema enfocado en una atención médica dirigida alcumplimiento de listas de chequeo y burocracia que tristemente ha alejado poco a poco el servicio médico de su objetivo esencial de la interacción humana y filosófica.
Sin embargo, este apocalíptico escenario es aún inverosímil, ya que los médicos-humanos son necesarios para mantener muchas de las características esenciales en la atención de pacientes, como son la empatía, la compasión, el razonamiento crítico y la toma de decisiones complejas, donde los algoritmos podrían presentar sesgos y serian incapaces de proveer una visión holística más allá del diagnóstico y opciones detratamiento3. De igual forma, las múltiples interaccionesmédico-cuidador, médico-paciente, médico-médico y médico-enfermería, entre otras, son todas, pilaresesenciales en la salud comunitaria para manejo de enfermedades agudas y crónicas.
Adicionalmente, hay investigaciones que sugieren que las colaboraciones médico-máquina superan en rendimientoel desempeño de cualquiera de ellas por separado3. Esto no solo demuestra que la inteligencia artificial es una herramienta que sin duda es útil, que no solo optimiza y mejora procesos, sino que además debe ser retroalimentada y supervisada por humanos, con el fin de mantener una visión holística, artística y filosófica de lo que es la práctica clínica, con el fin último de cuidar, paliar y en ocasiones curar.
Si bien un estudio recientemente publicado en JAMA Internal Medicine, indica que la inteligencia artificial es capaz de generar respuestas a preguntas de pacientes mejores que la de los médicos, en términos de calidad y empatía 4, los humanos son los responsables mantener las interacciones anteriormente descritas, con la capacidad de discernir las responsabilidades de cada actor en el proceso de atención, liderando e integrando valores morales, ética y sentimientos, englobados bajo el término de “consciencia” con fines netamente prácticos para la discusión relacionada con IA. Este tipo de situación en particular ha abierto una nueva polémicaentre científicos e investigadores sobre sistemas conscientes y cuál es el límite para definir que un sistema de IA es consciente o inconsciente 5,6.
En este punto, en el que la velocidad en el desarrollo de IA se vuelve difícil de alcanzar para lograr su total entendimiento, el debate da un giro de 180 grados hacia los médicos-humanos mismos, para establecer como la IAestá modificando la práctica de la medicina, más allá de la precisión, productividad rendimiento y especialidad en la que se pueda pensar. En primera medida, el análisis que se pone urgentemente sobre la mesa es, como la IAforzadamente está haciendo a los médicos regresar hacia una corriente filosófica más humanista de la práctica clínica. Con esto no se pretende en lo absoluto restar importancia al gran humanismo ya de por si existente entre los médicos, que a pesar de las múltiples adversidades persisten con la idea romántica de la medicina al servicio de sus pacientes, incluso en entornos difíciles como los que se viven en nuestro país, sino que,por el contrario, la intención es la de retornar a esta discusión desde un punto de vista más vanguardista con un nuevo actor como la IA de por medio. Esta presión de la IA hacia los médicos para retornar a un humanismo como eje fundamental de la atención médica rememoran los temores del escritor Inglés Aldous Huxley en “Un mundo feliz”, donde ya advertía del avance de la tecnología para solución de los problemas de la sociedad al costo de la perdida de la humanidad. La inteligencia artificial sin duda, está forzando a la humanidad a volver a la humanidad para su propia supervivencia. En este caso el titulo original del libro de Huxley “Un mundo feliz” (Brave new World – Nuevo mundo valiente) sería mucho más acertado en este contexto del campo médico y los avances de la inteligencia artificial.
El Trabajo entre médico e IA supera en rendimiento el desempeño de cualquiera de ellas por separado.
Por otra parte, existe un segundo componente a tener en cuenta de cómo la IA puede estar cambiando la prácticamédica a largo plazo. Particularmente, en el campo de patología o radiología, existen múltiples plataformas y algoritmos de IA, que están constantemente siendoalimentadas con información de láminas histológicas y/o imágenes de radiología conduciendo a ciertos modelos a tener un nivel de precisión cada vez mayor. La ventaja de esos modelos es que permiten detalladamente hacer, en un instante, el trabajo que podría tomarle a un patólogo o radiólogo entrenado varias horas. Esto permitiría a los médicos ahorrar una gran cantidad de tiempo, evitando realizar tareas tediosas, que toman mucho tiempo, y que muchas ocasiones pueden no ser intelectualmente desafiantes. En este caso, no es lejano el escenario en que los patólogos y radiólogos reciban las láminas de biopsias o imágenes, ya sean de tomografías o resonancias, acompañadas de anotaciones con características encontradas en las estas generadas por IA, teniendo así los médicos información disponible a la mano, que les permita enfocarse únicamente en lesiones y/o hallazgos más complejos para generar diagnósticos más acertados.
Una ventaja indiscutible de este escenario, es que en ciertas áreas apartadas donde muchas veces no existe acceso a especialistas de radiología, patología o dermatología, los algoritmos basados en IA, podríanconvertirse en un apoyo, acelerando la atención de “inteligencia artificial sola”, solventando casos menos complejos, descongestionando la referencia de casos complejos para la atención especializada, llevando a que el servicio sea más económico y más accesible 7.
Este escenario, refuerza aún más la idea de la IA como una herramienta bastante útil, que optimiza los procesos mediante la colaboración médico-maquina, ayudando a los médicos a evaluar casos con mayor complejidad y que requieren de decisiones más difíciles de tomar. Sin embargo, esto puede tener ciertas desventajas. Una de estas, es el contexto en que los patólogos no requerirán evaluar nunca más la histología básica como tal, ya que la IA podría hacer las anotaciones iniciales, haciendo que esta habilidad pueda perderse gradualmente. Sin embargo, como es bien conocido en el campo de radiología, donde se determina el rendimiento de ciertas técnicas como “operador dependiente”, uno podría pensar que la IA podría reducir este sesgo, pero también se ha encontrado que diferentes algoritmos experimentan variabilidad entre operadores y diferentes niveles de rendimiento. Múltiples estudios realizados a este respecto resaltan la importancia de que las anotaciones sean realizadas por un médico (ya sea radiólogo o patólogo experto) para poder entrenar de una forma confiable los modelos y que estos a su vez sean capaces de reconocer ciertos matices clínicos (clínico/radio/patológicos) para la implementación de los modelos, siendo necesaria la cooperación de científicos computacionales para refinar el rendimiento de los modelos basados en IA para su implementación en la práctica clínica 8.
Otro elemento a tener en cuenta, particularmente en el campo de la patología, radiología o dermatología, es que un sistema mediado únicamente por IA puede desarrollar modelos no supervisadas en los cuales un patrón de pixeles específicos podría determinar cierta relación con resultados clínicos. Una ventaja puede ser que mientras los médicos están limitados por unas categorías y clasespre-establecidas por clasificaciones y consensos, la aproximación de IA puede identificar ciertos patrones que no han sido todavía reconocidos, alejándose de la nomenclatura histológica tradicional, usando algoritmos de auto aprendizaje para reunir más información o datos de un tejido especifico. Las observaciones de la IA se convertirían así en un subrogado de marcadores para resultados, traduciéndose en un datos de entrada y salida,enfocado únicamente en decisiones clínicas, estableciendo procesos que tengan solo impacto terapéutico y/o pronóstico, haciéndolo sin ningún conocimiento de procesos fisio-patogénicos de por medio.
Por el momento es posible que esta estrategia de “input-output” pueda resultar en nuevas hipótesis sobre mecanismos de enfermedad, quizá permitiendo nuevos conceptos de ensayos clínicos y/o detección de patrones moleculares previamente no documentados 7. Recientes estudios haciendo el uso precisamente de machine learning no supervisado han identificado áreas de tejido que no tienen nombres en patología renal tradicional, pero poco esfuerzo se ha hecho para entenderlas o cuestionarse si estos nuevos hallazgos que trae la IA pueden derivar en nuevas ideas o hipótesis y si serán usadas con interés científico o simplemente se mantendrán como áreas sin relevancia como hasta ahora 9,10.
En un estudio recientemente publicado en la revista Leukemia, usando mapas de oclusión de sensibilidad, los autores observaron características morfológicas no reportadas previamente en células tumorales de leucemia mieloide aguda, como patrones de cromatina condensada y áreas de aclaramiento perinuclear en mieloblastos con mutación del gen NPM1 y nucleolos prominentes en el gen NPM1 no mutado, determinando que este modelo era capaz de proporcionar predicciones moleculares y citogenéticas acertadas basadas en morfología 11.
La comprensión sobre la velocidad actual del avance de la IA puede hacer pensar sobre un futuro cercano caracterizado por una rápida disminución en conocimiento sobre la patogénesis subyacente al desarrollo de enfermedad, y el razonamiento médico como lo conocemos hoy en día, sobre mecanismos de enfermedad que podrían ser olvidados y modificados a sistemas que se enfoquen únicamente en estrategias de intervención y que provean el mejor desenlace posible.
Este escenario llevaría a una disminución en debates intelectuales entre colegas, como resultado de procesos derivados de la IA que se enfocarían en desenlaces clínicos únicamente. Mientras diferentes autores de literatura o diarios como el New York Times alimentan el debate en los estrados judiciales sobre la regulación de la IA en arte y en periodismo, los médicos debemoscontemplar como tomar ventaja de los potenciales beneficios de la IA en medicina sin perder control sobre la profesión. Los médicos debemos mantener la IA dentro de unos límites que permitan la supervivencia de la profesión, sobre todo de una forma holística, retornando al humanismo como promulgaba Huxley, para permitir un desarrollo y progreso más significativo en diagnóstico y entendimiento de los mecanismos fisiopatológicos de la enfermedad.
Referencias:
1. Vaswani A, Shazeer N, Parmar N, Uszkoreit J, Jones L, Gomez AN, et al. Attention Is All You Need. 2017 Jun 12; Available from: http://arxiv.org/abs/1706.03762
2. Alowais SA, Alghamdi SS, Alsuhebany N, Alqahtani T, Alshaya AI, Almohareb SN, et al. Revolutionizing healthcare: the role of artificial intelligence in clinical practice. Vol. 23, BMC Medical Education. BioMed Central Ltd; 2023.
3. James T. How Artificial Intelligence is Disrupting Medicine and What it Means for Physicians [Internet]. 2023 [cited 2024 Feb 16]. Available from: https://postgraduateeducation.hms.harvard.edu/trends-medicine/how-artificial-intelligence-disrupting-medicine-what-means-physicians
4. Ayers JW, Poliak A, Dredze M, Leas EC, Zhu Z, Kelley JB, et al. Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum. JAMA Intern Med. 2023 Jun 5;183(6):589–96.
5. Butlin P, Long R, Elmoznino E, Bengio Y, Birch J, Constant A, et al. Consciousness in Artificial Intelligence: Insights from the Science of Consciousness. 2023 Aug 16; Available from: http://arxiv.org/abs/2308.08708
6. Lenharo M. AI consciousness: scientists say we urgently need answers. 2023 [cited 2024 Feb 17];226–226. Available from: https://www.nature.com/articles/d41586-023-04047-6
7. Fogo AB, Kronbichler A, Bajema IM. AI’s Threat to the Medical Profession. JAMA. American Medical Association; 2024.
8. Girolami I, Pantanowitz L, Marletta S, Hermsen M, van der Laak J, Munari E, et al. Artificial intelligence applications for pre-implantation kidney biopsy pathology practice: a systematic review. Vol. 35, Journal of Nephrology. Springer Science and Business Media Deutschland GmbH; 2022. p. 1801–8.
9. Lee J, Warner E, Shaikhouni S, Bitzer M, Kretzler M, Gipson D, et al. Unsupervised machine learning for identifying important visual features through bag-of-words using histopathology data from chronic kidney disease. Sci Rep. 2022 Dec 1;12(1).
10. Lee J, Warner E, Shaikhouni S, Bitzer M, Kretzler M, Gipson D, et al. Clustering-based spatial analysis (CluSA) framework through graph neural network for chronic kidney disease prediction using histopathology images. Sci Rep. 2023 Dec 1;13(1).
11. Eckardt JN, Middeke JM, Riechert S, Schmittmann T, Sulaiman AS, Kramer M, et al. Deep learning detects acute myeloid leukemia and predicts NPM1 mutation status from bone marrow smears. Leukemia. 2022 Jan 1;36(1):111–8.
aipocrates.blog 