La extendida presencia de la inteligencia artificial en distintas áreas de actividad, también tiene el potencial de ser útil en el cuidado de la salud.
Un nuevo estudio muestra que los médicos que usan IA cuando examinan muestras de tejido pueden trabajar más rápido y al mismo tiempo hacer un trabajo de alta calidad.
¿La IA genera confianza para su uso en medicina?
Un gran desafío para quienes desarrollan soluciones de IA con fines sanitarios, es que la inteligencia artificial no siempre hace las cosas bien. El proceso de ensayo y error puede ser tedioso y hasta frustrante.
Martin Lindvall, doctor en software y sistemas autónomos de IA de la Universidad de Linköping, Suecia, se ha dedicado a indagar los potenciales usos de la IA en el cuidado de la salud, comentó sobre estos procesos.
“Hemos aprendido a esperar que la IA cometa errores. Sin embargo, también sabemos que podemos mejorarlo con el tiempo diciéndole cuándo está mal o bien. Si bien tenemos en cuenta esta naturaleza defectuosa de la IA, debemos asegurarnos de que estos sistemas sean eficientes y efectivos para los usuarios. También es importante que los usuarios sientan que el aprendizaje automático agrega algo positivo”, comentó.
Enfoques como el aprendizaje automático, implican el entrenamiento de una IA para encontrar patrones en grandes cantidades de datos. Este tipo de IA puede, eventualmente, ser entrenada para encontrar cáncer en imágenes médicas u otras anomalías en tejidos, por ejemplo. Sin embargo, soluciones de este tipo aún generan escepticismo. “Los programas de computadora que utilizan el aprendizaje automático inevitablemente cometerán errores de formas que son difíciles de anticipar”, dice Martin Lindvall.
Los modelos entrenados con el aprendizaje automático son sensibles y se ven fácilmente afectados por pequeños factores, como cambiar el fabricante de los productos químicos utilizados para teñir los cortes de tejido, qué tan gruesos son y si hay polvo en el cristal del escáner. Pequeñas alteraciones en el mapa de elementos involucrados, pueden provocar un mal funcionamiento del modelo de IA.
“Estos factores ahora son bien conocidos entre los desarrolladores de IA y nos aseguramos de verificarlos. Pero no podemos estar seguros de que no surjan otras fuentes de interrupciones en el futuro. Así que queremos asegurarnos de que haya barreras para prevenir problemas de los que aún no somos conscientes”, comentó el investigador.
Los sistemas de IA, a pesar de su constante desafío de perfeccionamiento, aún se encuentran en proceso de adaptación para su integración en ambientes clínicos. Su despliegue ha sido principalmente a nivel de investigación.
Uno de los principales desafíos pendientes está en torno al traspaso de la seguridad necesaria que es necesario traspasar a los usuarios que se beneficiarían de la misma. Muchas veces se ha mencionado que la IA puede hasta superar el rendimiento de un médico en ciertas tareas, en base a informes estadísticos que van más allá de un simple eslógan. Sin embargo, mientras los pacientes no confíen en estos sistemas, su alcance será limitado de momento.