Las nuevas generaciones de IA se desarrollan rápidamente en medicina.

Programada por ingenieros informáticos a finales del siglo XX, la IA nació a partir de un conjunto de instrucciones (reglas) creadas por humanos, lo que permitió a la tecnología resolver problemas básicos.

Nota del editor: En la era de la información, las nuevas tecnologías afectan a numerosos sectores. La automatización, la informática y la inteligencia artificial (IA) impactan en ámbitos como la medicina, los hospitales, las aseguradoras y las industrias relacionadas con la salud. Sin embargo, en el sector sanitario , la IA tiene un impacto particularmente positivo.

Primera generación

El entrenamiento de la IA se asemeja al de los estudiantes de medicina: los sistemas de IA aprenden cientos de algoritmos para traducir los síntomas de los pacientes en diagnósticos. Esta es la primera generación de reglas de atención médica incorporadas a los sistemas de IA.

Las aplicaciones de IA generativa ayudan a los médicos a actualizar la información en tiempo real.

Los algoritmos de toma de decisiones crecen como un árbol, partiendo del tronco (el problema del paciente) y ramificándose desde allí. Por ejemplo, si un paciente se queja de una tos fuerte, el médico primero preguntará si tiene fiebre. Habrá dos conjuntos de preguntas: con fiebre o sin fiebre. Las respuestas iniciales darán lugar a más preguntas sobre la afección. Esto, a su vez, generará más ramificaciones. Finalmente, cada rama es un diagnóstico, que puede abarcar desde neumonía bacteriana, fúngica o viral hasta cáncer, insuficiencia cardíaca o decenas de otras enfermedades pulmonares.

En general, la primera generación de IA podía reconocer problemas, pero no analizar ni clasificar historiales médicos. Por consiguiente, las primeras formas de inteligencia artificial no podían ser tan precisas como los médicos, quienes combinaban la ciencia médica con su intuición y experiencia. Debido a estas limitaciones, la IA basada en reglas se utilizó muy poco en la práctica clínica en otras épocas.

Automatización completa

A principios del siglo XXI, la segunda era de la IA comenzó con la Inteligencia Artificial Estrecha (IAE), es decir, la inteligencia artificial que resuelve conjuntos específicos de tareas. El surgimiento de las redes neuronales que imitan la estructura del cerebro humano allanó el camino para la tecnología de aprendizaje profundo. La IAE funciona de manera muy diferente a sus predecesoras. En lugar de proporcionar reglas predefinidas por investigadores, los sistemas de segunda generación utilizan enormes conjuntos de datos para discernir patrones que a los humanos les llevaría mucho tiempo identificar.

En un ejemplo, los investigadores introdujeron miles de mamografías en un sistema de IA, la mitad con cánceres malignos y la otra mitad con cánceres benignos. El modelo identificó instantáneamente decenas de diferencias en el tamaño, la densidad y el sombreado de las mamografías, asignando a cada diferencia un factor de ponderación que reflejaba la probabilidad de malignidad. Fundamentalmente, este tipo de IA no se basa en heurísticas (reglas empíricas) como los humanos, sino en variaciones sutiles entre exámenes malignos y normales que ni los radiólogos ni los diseñadores de software conocen.

A diferencia de la IA basada en reglas, las herramientas de IA de segunda generación a veces superan la intuición humana en precisión diagnóstica. Sin embargo, esta forma de inteligencia artificial también presenta serias limitaciones. En primer lugar, cada aplicación es específica para una tarea. Es decir, un sistema entrenado para interpretar mamografías no puede interpretar escáneres cerebrales ni radiografías de tórax. La mayor limitación de la IA es que su eficacia depende de la calidad de los datos con los que se entrenó. Un claro ejemplo de esta debilidad se dio cuando UnitedHealthcare utilizó IA específica para identificar a los pacientes más enfermos y ofrecerles servicios médicos adicionales. Al filtrar los datos, los investigadores descubrieron que la IA había cometido un error garrafal. Algunos pacientes fueron diagnosticados como sanos simplemente porque sus historiales médicos mostraban que habían recibido poca atención médica, mientras que otros, que habían utilizado muchos servicios médicos, fueron clasificados como enfermos.

Las futuras generaciones de IA permitirán diagnosticar enfermedades y planificar tratamientos como cualquier médico. Actualmente, una herramienta de IA generativa (MED-PALM2 de Google) ha superado el examen de certificación médica con una calificación de experto. Muchas otras herramientas de IA médica ya pueden realizar diagnósticos similares a los de los médicos. Sin embargo, estos modelos aún requieren supervisión médica y no pueden reemplazar a los médicos. Pero con el ritmo de crecimiento exponencial actual, se espera que estas aplicaciones se vuelvan al menos 30 veces más potentes en los próximos 5 años. Se prevé que las futuras generaciones de herramientas como ChatGPT pongan la experiencia médica al alcance de todos, transformando radicalmente la relación médico-paciente.

Primera generación

Automatización completa

Kommentar (0)