El artículo presente muestra la evolución de estas herramientas y analiza cómo pueden ser usadas para lograr un medicina más precisa y eficaz, y a la vez muestra aquellos aspectos que necesitan ser pulidos.

En el año 1999, el analista financiero Jason Maude  llevó a su hija Isabel de 3 años al hospital por un cuadro de varicela. Luego de varias consultas por una evolución tórpida donde los médicos mantuvieron el diagnóstico, la paciente es internada en Unidad de Cuidados Intensivos Pediátricos (UCIP) por falla multisistémica, con el diagnóstico de fascitis necrotizante y síndrome de shock tóxico. Pasaron casi dos meses antes que fuera dada de alta.

Maude podría haber iniciado una demanda, pero en su lugar pensó que los médicos cometieron un error sin mala fe, ya que la fascitis necrotizante y el síndrome de shock tóxico son complicaciones poco frecuentes de la varicela. Comenzó entonces a idear soluciones para ayudar a los médicos en la revisión de los síntomas de un paciente y el repaso de las posibilidades diagnósticas que no se hayan considerado. Con la ayuda de programadores y los médicos de Isabel de la UCIP, Maude y su esposa crearon un software al que llamaron como su hija que cumple justamente esa tarea.  Si se ingresa un conjunto de características clínicas de un paciente, el programa Isabel enumera los posibles diagnósticos entre 6.000 enfermedades, ordenados desde lo más probable a lo menos probable.

Isabel actualmente se utiliza en hospitales de Estados Unidos y alrededor del mundo, y forma parte del rápido crecimiento de los Sistemas de Soporte en la Toma de Decisiones Clínicas (SSTDC) como herramientas basadas en Inteligencia Artificial (IA). El objetivo futuro es que los cuidadores y pacientes puedan contar con una herramienta informática de análisis casi instantáneo en sus computadoras, que genere diagnósticos y opciones de tratamiento que complementen el trabajo de los médicos y disminuya la posibilidad del error humano. Sus creadores abogan que el próximo gran avance no vendrá de nuevos fármacos, sino de la información de la mano de la IA.

Hablar de IA no es reciente. Ya en 1967 se publicaba en The Lancet un artículo que trataba sobre la revolucionaria colaboración de la computación en los diagnósticos médicos. Los primeros programas -Internista, por ejemplo-  contenía la experiencia de un único médico, cuyas respuestas a cientos de preguntas fueron codificadas como una serie simple de reglas, lo que sencillamente resultó ser muy limitado. Programas de diagnóstico actuales, como Isabel  y Dxplain -desarrollado en el Hospital General de Massachusetts- también se basan en la experiencia pero a gran escala; las bases de datos contienen información sobre miles de enfermedades, extraída de libros de medicina, revistas científicas y opinión de expertos; y son actualizadas regularmente.
Considerando que la mayoría de los errores diagnósticos son fallas cognitivas simples, y que los médicos son propensos a la "certeza prematura", los programas actuales suprimen esa certeza poniendo sobre la mesa el abanico completo de posibilidades diagnósticas.

Para evaluar cómo se llega a un diagnóstico, investigadores de Boston hicieron un seguimiento de 10 cardiólogos pediátricos por más de una semana, obteniendo casi 1.200 decisiones clínicamente importantes. Resultó que apenas una de cada cinco decisiones se basaba en evidencia publicada. Los médicos trabajaron sobre todo desde su propia experiencia, formación y sentido común. Pero más allá de corazonadas clínicas, los cardiólogos del estudio eran miembros de un departamento de cardiología de renombre mundial, que suman un total combinado de 185 años de experiencia universitaria y más de 1.100 publicaciones médicas.

Con la creación de SCAMPS (del inglés Standardized Clinical Assessment and Management Plans) surgieron modelos computarizados en base a estudios publicados y registros hospitalarios de donde provienen algoritmos integrados en un software que, cuando se ingresan los datos del paciente, brinda no sólo un diagnóstico respecto de una condición específica sino también opciones de tratamiento. Los modelos son revisados y actualizados regularmente. Se describe a SCAMPS como una compilación de buenas prácticas clínicas en constante evolución. En la actualidad hay docenas de estos módulos empleados en diversas áreas de salud, desde reemplazo de rodilla hasta manejo de cefalea.

Los horizontes de la IA se expanden aún más cuando se considera la genómica y los vastos volúmenes de información genética que crecen día a día. Como una solución posible para el manejo de una inmensa y creciente cantidad de información, otro representante de la IA hace su aparición pública en 2011 participando de un concurso televisión estadounidense Jeopardy!, derrotando a sus dos oponentes humanos: Watson de IBM. Este sistema demostró capacidad para entender el lenguaje cotidiano, manejar un gran volumen de información y presentar hipótesis respaldadas por evidencia, entre otras tantas capacidades. Más tarde se anunció su disponibilidad para aplicaciones médicas.

Independientemente de lo sofisticado y realizado que las herramientas de soporte puedan presentarse, no hay garantía de que los médicos, enfermeras y otros profesionales de la salud las usarán. A menudo, los médicos no creen que necesitan ayuda. Y las IAs médicas también tienen sus obstáculos ya que no siempre son fáciles de usar o accesibles.
Estas herramientas a menudo representan pasos adicionales, en un marco complejo de atención de salud con recursos y tiempo restringidos, es posible que los médicos no las usen.  Se menciona además a la  "fatiga de alerta", donde notificaciones y mensajes pueden crear distracciones e interrupciones en la atención médica. A pesar de que IA evita algunos errores, también puede causar otros.
Algunas interfaces de software pueden ser difíciles de utilizar, introducir información puede resultar mucho más engorroso que hacer una nota en papel, ya que a menudo involucran códigos o menús desplegables diseñados principalmente con fines de facturación.
Con la IA creciendo en el ámbito de la salud no se piensa que las computadoras reemplazarán a los médicos, sino que más bien los harán mucho más eficientes, al mismo tiempo que permitirán el empoderamiento de los pacientes en el manejo de su propia salud. Sin embargo, para que resulten útiles, las IAs deben integrarse a la perfección a los sistemas ya existentes.  Las IAs serán tan inteligentes como se les permita que sean.

Traducción y resumen objetivo: Dr Daniel Luna
 

Brandon Keim | Enero 28, 2015 | Doctors in the Machine | Proto Magazine | Recuperado de :
http://protomag.com/articles/doctors-in-the-machine