Conforme los sistemas de Inteligencia Artificial (IA) como por ejemplo: ChatGPT de OpenAI encuentren su camino en el uso cotidiano, los médicos comenzarán a observar estas herramientas incorporadas en su práctica clínica para ayudarlos a tomar decisiones significativas sobre el diagnóstico y así mismo, el tratamiento de afecciones médicas comunes. Es importante señalar que estas herramientas, denominadas “algoritmos de soporte de decisiones clínicas” (CDS), pueden llegar a ser de gran ayuda para guiar a los proveedores de atención médica a determinar diversos aspectos como por ejemplo; qué antibióticos recetar o si recomendar una cirugía cardíaca riesgosa.
El éxito de las nuevas tecnologías CDS
Es vital mencionar que el éxito de estas nuevas tecnologías va a depender en gran parte de cómo los médicos interpretan y actúan sobre las predicciones de riesgo de una herramienta, y se debe tener presente que eso demanda un conjunto único de habilidades de las que muchos en la actualidad carecen. Según un nuevo artículo de perspectiva publicado recientemente en New England, Journal of Medicine escrito por profesores de la Facultad de Medicina de la Universidad de Maryland (UMSOM).
Los algoritmos de soporte de decisiones clínicas (CDS), que hacen pronósticos en condiciones de incertidumbre clínica, pueden llegar a incluir todo, desde calculadoras de riesgo derivadas de regresión, hasta incluso, sistemas sofisticados basados en aprendizaje automático e Inteligencia Artificial (IA). Se pueden utilizar para predecir qué pacientes tienen más probabilidades de sufrir una sepsis potencialmente mortal por una infección no controlada o incluso, qué terapia tiene la mayor probabilidad de prevenir la muerte súbita en un paciente con enfermedad cardíaca por ejemplo.
Aunque algunas herramientas de soporte de decisiones clínicas ya se encuentran incorporadas en los sistemas de registros médicos electrónicos, los proveedores de atención médica, por lo general, se consiguen con que el software actual es complejo y difícil de utilizar. Por lo que para abordar esta brecha, la educación médica y así mismo, la capacitación clínica, deben incorporar una cobertura explícita del razonamiento probabilístico adaptado concretamente a los algoritmos CDS. Ante esto, Dres. Morgan, Goodman así como también, su coautor Adam Rodman, MD, MPH, en el Centro Médico Beth Israel Deaconess en la ciudad de Boston, propusieron lo que le suministraremos a continuación:
- Primero que nada, optimizar las habilidades probabilísticas: al principio de la escuela de medicina, los estudiantes tienen que aprender los aspectos fundamentales de la probabilidad y, así mismo, la incertidumbre y usar técnicas de visualización para que el pensamiento en términos de probabilidad sea mucho más intuitivo. Hay que acotar que esta capacitación tiene que incluir la interpretación de medidas de rendimiento como la sensibilidad y también la especificidad para comprender mejor el rendimiento de las pruebas y los algoritmos.
- Se debe incorporar la salida algorítmica en la toma de decisiones: otro aspecto fundamental es que se debe enseñar a los médicos a evaluar de forma crítica y usar las predicciones de CDS en su toma de decisiones clínicas. Es vital mencionar que esta capacitación implica comprender el contexto en el que operan los algoritmos, así como también reconocer las limitaciones e incluso, considerar los factores relevantes del paciente que los algoritmos pudieron haber omitido.
- Se tiene que practicar la interpretación de las predicciones de CDS en el aprendizaje aplicado: tanto estudiantes de medicina como los médicos, pueden participar en el aprendizaje basado en la práctica aplicando algoritmos a pacientes individuales y así mismo, examinando cómo las diferentes entradas pueden llegar a afectar las predicciones.
