Anuario iSanidad 2022
Dr. Ignacio H. Medrano, fundador de Savana
A quienes nos dedicamos a la inteligencia artificial (IA) suelen gustarnos las predicciones. Pero ni el más optimista de los pronósticos habría visto venir el trueno con que esta tecnología se ha presentado en muy poco tiempo en los foros de ciencia médica del mundo entero. Recientemente estuve en la entrega de unas relevantes becas de investigación en el Carlos III y, calculo a ojo, que un tercio de los premiados incluían el aprendizaje automático en el título de su propuesta.
No es casualidad que si uno hace una búsqueda en Pubmed con los conceptos “machine learning + [nombre de cualquier patología]”, no sólo será difícil que no obtenga resultados; además, comprobarán que el número de artículos crece exponencialmente. ¿Cuál es entonces la diferencia en el análisis sobre la IA en nuestro ámbito hace ocho años y ahora? Pues que entonces nos dedicábamos a explicar su concepto y su potencial y ahora hablamos de aspectos más avanzados y precisos, propios de quien ya ha empezado a usarla, como son su validación, su implementación o sus límites éticos. Antes hablábamos de lo que podría ser y ahora hablamos de cómo hacer para que su patente realidad no nos desborde.
Este año hemos entendido también que a la IA en medicina no puede pedírsele una explicabilidad total
2022 ha sido el año en el que los editoriales de las revistas médicas han pugnado por empujar sus guías de referencia para la validación de los algoritmos (Tripod-AI, Consort-AI y otros), al tiempo que hemos visto cómo la mamografía o la colonoscopia asistidas por IA cumplían los parabienes de los ensayos clínicos y los metaanálisis, para entrar por fin en guías clínicas. Sí, en algunos lugares ya es de hecho mala praxis no usar IA. Celebramos, además, el año en el que el valiente RGPD ha permitido que se utilice el dato clínico anonimizado sin consentimiento en base a que sería “esfuerzo desproporcionado” pedirlo, en relación al beneficio que genera para la sociedad.
Éste era un paso necesario que deja en calzoncillos a los más papistas, que hasta ahora arruinaban con impunidad proyectos estupendos de intachable carácter ético. A pesar de todo ello, en Savana todavía vemos como, aun siendo ya una de las dos o tres primeras de IA en sanidad de Europa y contando con más de 200 hospitales en 14 países, aún queda algún servicio de salud (por suerte muy pocos ya) que defiende que “el dato no saldrá del sistema bajo ningún concepto”. Como si el lugar físico de un dato hoy en día importara. O como si el dinero estuviera más a salvo debajo de un colchón que en el banco dando intereses. Este año hemos entendido también que a la IA en medicina no puede pedírsele una explicabilidad total, de la misma forma que a un niño que habla correctamente su idioma materno no puede pedírsele que nos explique con detalle las reglas gramaticales y sintácticas.
La IA en sanidad no es el futuro porque es el presente
Es lo que tiene haber inventado un sistema, como es el machine learning, por el que las máquinas, como los sistemas biológicos, aprenden por patrones y no por reglas: nos darán respuestas correctas, pero no siempre podremos preguntarles por qué. Esta idea nos lleva a lugares necesarios, como la opción que debemos dar a los pacientes a la hora de rechazar a la IA en su proceso, si así lo desean. En países especialmente avanzados en el tema, como Singapur, Corea o Finlandia, la IA se aplica ya en la patología crónica (diabetes, párkinson, prevención de suicidio) y en la aguda (Covid-19, probabilidad de eventos cardiovasculares). De la misma forma, la mayoría de los fármacos que veremos entrar en ensayos clínicos en los siguientes años han contado ya en su diseño con alguna forma de aprendizaje automático.
En todo caso, lo más importante está en darse cuenta de que lo más relevante de esta tecnología no pasa por sistemas diagnósticos o de screening, sino por la capacidad para estratificar el riesgo mucho más allá de lo que lo hace la estadística clásica. Por ejemplo, qué fenotipos de pacientes tienen mayor probabilidad de responder a esta inmunoterapia. Y eso que, en realidad, el paisaje no es tan salvaje como creemos.
La FDA en Estados Unidos evalúa continuamente sistemas de IA, cuyas aprobaciones ya se cuentan por decenas, mientras que el Reino Unido clasifica a parte de sus pacientes utilizando un algoritmo basado en machine learning (Babylon) y entregó una guía a sus gestores para poder evaluar la conveniencia de los diferentes sistemas que se les ofrecerán a partir de ahora. La IA en sanidad no es el futuro porque es el presente.
