“Hola, doctor GPT”: ¿puede una inteligencia artificial saber qué te pasa antes que tu médico?

Más del 76% de la población española considera que la inteligencia artificial (IA) tiene beneficios para la sociedad. Al menos, es lo que le han dicho al Centro de Investigaciones Sociológicas para su estudio sobre la percepción de la ciencia y la tecnología, publicado en junio. En ese mismo trabajo, y en una proporción similar, el 70% de los encuestados reconocen también que estos avances entrañan peligros. En los últimos meses, el conocimiento y el uso de algoritmos capaces de bucear en cantidades ingentes de información alojada en internet para responder preguntas, redactar textos, generar ideas o contestar emails se han popularizado de manera exponencial.

Cualquiera con acceso a internet puede plantearle a la app ChatGPT preguntas de lo más simple a lo más complejo. Hay quien, ocupado en poner esta tecnología en apuros, la ha pillado en algún renuncio o la ha arrinconado hasta la mentira. Esto plantea dudas sobre su razonamiento y tiene implicaciones legales y éticas en algunos campos. Por ejemplo, ¿sirve la inteligencia artificial para diagnosticar enfermedades? Ella te dirá que sí: “La IA tiene el potencial de mejorar significativamente la precisión y la eficiencia del diagnóstico de enfermedades de varias maneras”. Y las enumera: análisis de imágenes, detección temprana, reconocimiento de patrones, rapidez y eficacia, reducción de errores humanos, telemedicina y descubrimiento de nuevos fármacos.

La propia plataforma avisa, eso sí, de que estos sistemas “no reemplazan a los profesionales”, sino que “deberían verse como herramientas para aumentar y apoyar a los proveedores de atención médica en sus procesos de toma de decisiones”. La Comunidad de Madrid ha anunciado que a partir de este mes pondrá en marcha en las consultas de atención primaria el sistema Sermas-GPT, una “prueba de concepto” para ayudar a los profesionales sanitarios a agilizar los diagnósticos de enfermedades raras y reducir el número de pruebas que se realizan hasta dar con una de estas patologías. Para ello, ha firmado un acuerdo de colaboración con la Fundación 29 y Microsoft, que ha apostado por su propia inteligencia artificial.

“El profesional sanitario accederá a la herramienta e introducirá los síntomas más relevantes que haya presentado el paciente con sospecha clínica de padecer una enfermedad rara. Sermas-GPT utiliza un modelo de lenguaje GPT-4 para generar una lista de posibles enfermedades raras que coincidan con esos síntomas, mostrando información complementaria de cada una de estas enfermedades, de forma que sea una herramienta de ayuda al profesional, con los síntomas más comunes, más información sobre esa enfermedad o indicando los siguientes pasos para el diagnóstico”, explican desde la Consejería de Digitalización.

“No es un dispositivo médico”

“El objetivo es que, pasados tres meses, evaluemos los resultados y, si son positivos, pensar en un despliegue e implementación estable”, señala a elDiario.es el presidente y cofundador de la Fundación 29, Julián Isla. Este ingeniero de software, que comenzó a desarrollar esta herramienta tras el diagnóstico tardío de una enfermedad rara de su hijo, admite que “no es un dispositivo médico” pero que “puede ayudar a los médicos a pensar clínicamente” en una de estas patologías, que afectan en total a cerca de un 6% de la población.

¿De dónde extrae los datos para proponer distintos diagnósticos? “El modelo de lenguaje de GPT4 no está entrenado exclusivamente para fines médicos, pero tiene muy buenas fuentes, libros, manuales, etc. La fiabilidad que tenemos ahora mismo, con pruebas sintéticas, gira en torno al 80-90%. Hemos generado una descripción clínica corta de las enfermedades raras más prevalentes y aparecen casi el 90%”, explica. La idea no es que un sanitario introduzca los síntomas de sus pacientes en cuanto entran a la consulta, sino para aquellos casos en los que se topen con presentaciones clínicas extrañas. “No sustituye al proceso clínico, ni mucho menos”, insiste.

La inteligencia artificial es un capítulo habitual en los planes de digitalización de organismos nacionales e internacionales en los últimos años. La Estrategia de Salud Digital del Ministerio de Sanidad, publicada en 2021, indicaba que las tecnologías de análisis masivo de datos (big data), la inteligencia artificial y el internet de las cosas tienen “el potencial de transformar el sistema sanitario en diferentes aspectos”: tanto en la actividad diaria del personal como en la anticipación de riesgos y una mayor precisión de los tratamientos.

Del doctor Google al doctor ChatGPT

“Como con todas las nuevas tecnologías, tenemos que aprender a utilizarlas y no tenemos muchos programas de formación”, explica el vocal de innovación de la Sociedad Española de Medicina Familiar y Comunitaria (Semfyc), José Antonio López Rodríguez, que indica que el marco ético y legal todavía “está a medias”. “Se están creando decálogos para intentar cubrir esos huecos. En la parte ética, se centran en la representatividad, porque en algunas inteligencias artificiales generativas aparecen sesgos y pacientes que no están representados, y en la equidad, para que pueda llegar a todo el mundo, independientemente de su nivel de alfabetización digital”, indica.

El responsable del grupo de trabajo de salud digital de la Sociedad Española de Médicos Generales y de Familia (SEMG), Carlos Yair Durán, coincide en que la inteligencia artificial generativa “es una herramienta útil y potente cuando es fiable” aunque reconoce que “carece de rigor científico”. “Estamos teniendo un problema de validación. A nivel de investigación, los médicos tenemos muchos problemas para validar una herramienta clínica o un protocolo, para lo que pueden tardarse 10 años con ensayos. La paradoja es que ahora muchos pacientes le preguntan a ChatGPT y, aunque aparezca un disclaimer que indica que no es un diagnóstico al uso, asumen que es una información verídica. Hemos pasado del doctor Google al doctor ChatGPT”, explica.

Los dos médicos de familia ven con buenos ojos la implementación de tecnologías de este tipo, con los estándares de seguridad, fiabilidad y privacidad adecuados, beneficiosas para agilizar procesos y reducir pruebas de más.

La clave de estas tecnologías está en el control y el acceso a los datos. En el caso de Sermas-GPT, será la Fundación 29 quien gestione esa información, pero la máquina no los utilizará para 'aprender' de ellos. “Utilizamos la información anonimizada para los diagnósticos y se guardarán las descripciones que introduzca el sanitario, sin información personal, con el objetivo de hacer una evaluación de la usabilidad. Los datos se guardarán en Azzure (la nube de Microsoft), pero dentro de la Unión Europea, cuyo Reglamento General de Protección de Datos es más restrictivo que en EEUU o China”, explica Isla. En 2021, su fundación ya fue premiada por la Agencia Española de Protección de Datos por su proyecto HealthData29, para fomentar la compartición de datos de salud.

El gran escollo en salud es que no hay big data

“El gran escollo en salud es que no hay big data”, lamenta la profesora del Departamento de Ciencias de la Computación de la Universidad Autónoma de Barcelona y responsable del grupo de Modelado Interactivo y Aumentado del Centro de Visión por Computador, Débora Gil. “En el ámbito de la salud hay una excesiva obsesión con la protección de datos y los profesionales no tenemos un fácil acceso”, continúa esta experta, que lleva dos décadas investigando la aplicación de las matemáticas a la inteligencia artificial.

“ChatGPT tuvo acceso a todo internet, pero los investigadores no podemos recurrir a millones de datos que, potencialmente, podrían ayudar muchísimo, aunque la decisión final siempre va a estar en manos de un profesional. Normalmente, se trabaja con hospitales en los que un médico tiene una necesidad en la que cree que la inteligencia artificial puede ayudar y te empieza a pasar imágenes (de forma regulada). El problema es que trabajamos con datos retrospectivos, por lo que tenemos que filtrar aquellos que son adecuados, porque no hemos controlado el proceso de obtención”, desarrolla.

Con más de 60 artículos publicados en revistas científicas, el trabajo de Gil se centra en este momento en el desarrollo de un sistema para la detección precoz del cáncer de pulmón mediante el análisis de tomografías computarizadas. “Hoy en día, cuando alguien va al médico con un nódulo pulmonar y el radiólogo considera que puede ser cancerígeno, entra en un protocolo con unas pruebas bastante costosas e invasivas. Sin embargo, un 20% de los casos son benignos”, explica la experta, que ha creado un sistema, con el Hospital Germans Trias i Pujol, “capaz de discriminar con un porcentaje aceptable los casos benignos y malignos”.

28 millones de euros para un Data Lake Sanitario en España

La Comisión Europea puso en marcha, en mayo de 2022, el espacio europeo de datos sanitarios (EEDS) para fomentar “un auténtico mercado único de servicios y productos digitales”. La principal novedad es que permitirá a los ciudadanos acceder a sus datos sanitarios, estén en el país en el que estén, y proporcionará “un marco eficiente, fiable y coherente” para su uso en investigación e innovación.

El pasado mes de diciembre, el Consejo de Ministros aprobó la distribución de 28 millones de euros entre las comunidades autónomas con el objetivo de crear un Espacio Nacional de Datos de Salud, también conocido como Data Lake Sanitario. El objetivo es generar un repositorio de datos que “permita el procesamiento y análisis masivo” mediante inteligencia artificial para conseguir “una capacidad de respuesta en tiempo real para la identificación y mejora del diagnóstico y tratamiento, identificación de factores de riesgo, análisis de tendencias, identificación de patrones, predicción de situaciones de riesgo sanitario y programación de recursos para su atención”.

La idea de un Data Lake no es nueva. La compañía médica Savana, lanzada en España en 2014 y con presencia en 16 países, ya venía extrayendo la información de los registros médicos de casi dos centenares de hospitales para generar conocimiento científico que ayude a los investigadores y las empresas farmacéuticas. En 2022, consiguieron 23 millones de euros en una ronda de financiación para “llevar este nuevo estándar” a “todas las compañías científicas relevantes” y continuar “atrayendo centros de primer nivel”.

“Para nosotros es mejor que haya un marco legal seguro”, explica el catedrático de Ciencias de la Computación e Inteligencia Artificial José Luis Salmerón. Él ha participado en diferentes proyectos nacionales e internacionales de inteligencia artificial aplicada a la salud. Desde la implantación de un sistema de primer triaje automatizado en urgencias en Canadá hasta un circuito cuántico para la predicción de hipocalcemia (un descenso de calcio en sangre) en cirugía de tiroides, en colaboración con el hospital de Sagunto. “Ahora mismo no solo estamos centrados en temas de diagnóstico, sino en medicina personalizada, para que el facultativo pueda hacer una receta pensando solo en ti”, señala.

Pese a la advertencia de las fuentes consultadas de que los sistemas de inteligencia artificial no sustituyen a los profesionales sanitarios, algunos sistemas van en esa dirección. Al menos, en un nivel pre-asistencial. “En algunos países, donde la sanidad es de pago (no pública), se están haciendo los symptom checker, donde las sociedades privadas te indican que le digas a la app tus síntomas para que te oriente, sobre todo en zonas remotas, donde la decisión de ir a urgencias es una hora de camino”, explica López Rodríguez, que señala que algunos de estos comprobadores “aún están muy verdes”.

Otros estudios han demostrado la eficacia de estas tecnologías. Los resultados, publicados en agosto, de un ensayo realizado con más de 80.000 mujeres suecas ha demostrado que los diagnósticos de cáncer de mama por mamografía apoyada por inteligencia artificial son tan fiables como los de dos radiólogos especializados, lo que reduciría la carga de trabajo sin aumentar los falsos positivos. Aunque los expertos aprecian las virtudes de esta tecnología, advierten de la necesidad de “repetir el experimento muchas veces, antes de poder sacar conclusiones”, indicaba la catedrática de Informática de la Universidad de Southampton en declaraciones al Science Media Center.