La Inteligencia Artificial (IA) ha llegado para transformar la atención sanitaria, algo que también ha hecho el Machine Learning (ML, o aprendizaje automático, traducido al español), un tipo de tecnología que va a aportar muchos beneficios para los médicos y pacientes. Aunque es verdad que además de numerosos beneficios, también traen una serie de desafíos, consideraciones y consecuencias en su uso. A continuación te contamos todo sobre ellas.

Algoritmos erróneos del Machine Learning

Un estudio publicado por BMJ Quality and Safety determinó los problemas a corto, medio y largo plazo para las aplicaciones de machine learning en la atención sanitaria. Muchos problemas a corto plazo se derivan de la calidad de los datos y es que los modelos de aprendizaje automático pueden perder su poder cuando los datos que obtiene varían de los datos en los que se ha formado.

Así que se puede decir que, a menudo, los algoritmos de machine learning llegan a conclusiones erróneas y suelen aportar solo un análisis preliminar. A medida que los médicos superan el obstáculo de no confiar en los algoritmos para decidir los diagnósticos de los pacientes y los planes de tratamiento, se presentan otros riesgos.

Los médicos contemplan los detalles, pero la IA no

A largo plazo, se espera que los algoritmos de Inteligencia Artificial y machine learning controlen la dosificación, el equipo y los proceso, aunque esto es algo que queda muy lejos. La calidad de los datos, la confianza en la producción de ML, la confianza de ser médicos y la precisión de los análisis deben considerarse los mayores obstáculos para el éxito del machine learning.

Aunque la gran mayoría de expertos piensan que la IA puede perturbar la forma en que los médicos trabajan, la mayoría de los expertos están de acuerdo en que todavía hay mucho trabajo por hacer y muchos aspectos que mejorar. Hay que permitir que los obstáculos evolucionen y trabajar para solucionarlo.

Menos pruebas y mejor tratamiento a través del machine learning

La sala de urgencias y la UCI suelen considerarse partes separadas en un hospital. Aunque un estudio realizado por la Universidad de Princeton ha mostrado que la machine learning podría reducir las pruebas y mejorar el tratamiento de los pacientes en la UCI.

Reducir los errores de medicación

Los errores de medicación pueden causar un efecto dominó de los problemas del paciente, farmacia, médico y compañías de seguros. Los errores no son difíciles de detectar después de que hayan ocurrido; los desencadenantes, los enfoques basados en las reglas, la revisión de los registros médicos electrónicos y las auditorías de eventos pueden señalar lo que salió mal y cuándo. Aunque estos enfoques requieren mucho tiempo para las partes involucradas.

Está claro que la IA y el Machiner Learning son parte del futuro de la salud. Aunque también es obvio que también hay numerosos errores que deben ser resueltos antes de que puedan implantarse a gran escala.