El cardiólogo e investigador Dr. Eric Topol es considerado por muchos como una de las principales voces que contribuyen a la conversación sobre el impacto de la tecnología en la atención médica.
El Dr. Topol, que ha sido fundador y director del Instituto de Traducción de Investigación de Scripps durante casi 20 años, compartió recientemente sus pensamientos sobre cómo está funcionando la IA generativa en entornos clínicos. Durante una conferencia magistral este mes en la reunión anual de la Sociedad Radiológica de América del Norte en Chicago, dijo que si bien los hallazgos preliminares pueden parecer impresionantes, estos resultados podrían no mantenerse en las complejas realidades de la práctica clínica.
Varios estudios recientes han encontrado que la IA supera a los médicos en tareas clínicas, como el diagnóstico diferencial, señaló el Dr. Topol.
Algunas investigaciones incluso muestran que la IA supera a los modelos híbridos, es decir, un médico asistido por IA. Por ejemplo, un estudio publicado en JAMA en octubre mostró que ChatGPT de OpenAI logró una tasa de precisión diagnóstica del 90%, mientras que los médicos asistidos por ChatGPT obtuvieron un 76% y los médicos que usaron solo recursos convencionales un 74%.
“Esa no es la forma en que se suponía que funcionaría. Se suponía que el rendimiento híbrido combinado iba a ser el mejor”, señaló el Dr. Topol.
Hay tres razones para esto, agregó.
El prejuicio de los médicos contra la automatización es un factor que podría llevar a la IA a superar a un modelo híbrido, señaló el Dr. Topol. Otra razón es el hecho de que los médicos todavía tienen una familiaridad limitada con las herramientas de IA generativa y cómo usarlas mejor, afirmó.
La tercera razón es que “estos son experimentos artificiales que no son el mundo real”, declaró el Dr. Topol.
La mayoría de los estudios que prueban la IA generativa en la atención médica se realizan en entornos controlados, típicamente utilizando datos simulados que no provienen de pacientes reales, dijo.
“No deberíamos concluir aún que la IA es mejor que el médico más IA para estas tareas, porque no son tareas médicas del mundo real”, comentó el Dr. Topol.
Un documento de abril analizó más de 500 estudios sobre grandes modelos de lenguaje en la atención médica y encontró que solo el 5% de ellos se realizaron utilizando datos de pacientes del mundo real, señaló.
“Por lo tanto, debería concluirse que estos son hallazgos preliminares que no necesariamente veremos cuando observemos la medicina del mundo real, que es muy diferente que la medicina in silico”, afirmó el Dr. Topol.
Para la mayoría de los casos de uso de IA generativa en el ámbito clínico, aún queda por ver si pueden superar o incluso igualar a sus contrapartes médicos, dijo. Sin embargo, esto no es cierto para los modelos de toma de notas ambientales, señaló el Dr. Topol.
Los hospitales de todo el país están implementando estas herramientas, que son vendidas por empresas como Abridge, Microsoft, Suki y DeepScribe, en entornos de la vida real, señaló.
Las herramientas de IA para la documentación clínica están demostrando su capacidad para agilizar eficazmente los flujos de trabajo, aumentar la precisión y reducir la carga administrativa de los médicos en horas por día. En opinión del Dr. Topol, estos resultados sugieren que el futuro de la IA generativa en entornos clínicos aún podría ser prometedor.
Foto: Carol Yepes, Getty Images