La IA en la medicina, en el punto de mira
Tecnologías emergentes
Los médicos e investigadores se enfrentan a innovaciones que hace no mucho habrían parecido ciencia ficción.
La Facultad de Medicina de Harvard está incorporando inteligencia artificial al plan de estudios para formar a la próxima generación de médicos
La historia de las herramientas utilizadas para apoyar la toma de decisiones clínicas ofrece pistas sobre el futuro de la medicina en la era de la IA generativa-
La historia de las herramientas utilizadas para apoyar la toma de decisiones clínicas ofrece pistas sobre el futuro de la medicina en la era de la IA generativa
Veinte años después de conocerse en HMS, dos exalumnos están a la vanguardia de los esfuerzos para utilizar implantes neuronales mínimamente invasivos para mejorar la salud humana.
A las pocas semanas de su lanzamiento público en noviembre de 2022, ChatGPT ya empezaba a sentirse omnipresente, y Bernard Chang, MMSc ’05, estaba pensando en lo que eso significaba para el futuro de la educación médica. “Quizás una vez cada pocas décadas se produzca una verdadera revolución en la forma en que enseñamos a los estudiantes de medicina y en lo que esperamos que puedan hacer cuando se conviertan en médicos”, dice Chang, decano de educación médica de HMS. “Este es uno de esos momentos”.
Los estudios han demostrado que, para 2023, la versión pública inicial de ChatGPT podría rendir a un nivel de aprobado en el examen de licencia médica de EE. UU. Una versión más potente de ChatGPT, lanzada en marzo de 2023, superó el desempeño de los estudiantes de medicina, los residentes e incluso los médicos en ejercicio en algunas pruebas de conocimiento médico y razonamiento clínico, y hoy en día hay una serie de grandes modelos de lenguaje que igualan las capacidades de ChatGPT. Entonces, ¿cómo afectará esto a los estudiantes de medicina de hoy y a las instituciones que los educan?
Chang afirma que la última revolución de este tipo en la educación médica se produjo a mediados de los años 90, cuando Internet se volvió ampliamente accesible. “Al principio, solo jugábamos en él”, afirma. “Pero pronto se volvió indispensable, y eso es lo que está sucediendo ahora con la IA generativa. Dentro de unos años, estará integrada en todo”.
La HMS se está adelantando a este cambio al incorporar hoy la IA generativa (también llamada genAI) en el plan de estudios. “Es el momento adecuado para responder a este llamado”, afirma Chang. “No nos contuvimos y esperamos a ver qué estaban haciendo otras escuelas, tanto porque como institución queríamos estar a la vanguardia de esto como porque es lo correcto para nuestros estudiantes”.
Incorporando IA
Entre los cambios incorporados este otoño se encuentra un curso introductorio de un mes sobre IA en la atención médica para todos los estudiantes que ingresan al programa de Ciencias de la Salud y Tecnología (HST). “No conozco ninguna otra escuela de medicina que esté haciendo eso”, dice Chang. “Sin duda, no en el primer mes”. El curso examina los últimos usos de la IA en la medicina, evalúa críticamente sus limitaciones en la toma de decisiones clínicas y, fundamentalmente, agrega, “fundamenta a los estudiantes en la idea de que la medicina será diferente en el futuro. En esta época, si quieren ser médicos científicos o médicos ingenieros, que es el objetivo del plan de estudios de HST, no solo necesitarán ser buenos oyentes, buenos entrevistadores médicos y buenos médicos de cabecera. También necesitarán buenas habilidades con los datos, habilidades con la IA y habilidades de aprendizaje automático”. Aproximadamente treinta estudiantes cada año se inscriben en el programa de HST, y muchos de ellos obtendrán un título de maestría o doctorado además de su título de médico.
Este semestre comienza un doctorado en IA en Medicina (AIM), que está llevando la educación integrada en IA aún más lejos. “Cada vez más estudiantes de bioinformática decían que estaban entusiasmados con la IA y preguntaban si podíamos ofrecer un doctorado en este campo”, afirma Isaac Kohane, profesor de Informática Biomédica Marion V. Nelson y director del Departamento de Informática Biomédica del Instituto Blavatnik de la HMS. “No sabíamos cuánta demanda habría, pero terminamos con más de 400 solicitudes para las siete plazas que estamos ofreciendo”.
“Como ocurre con cualquier gran explosión tecnológica”, afirma Kohane, “durante unos años habrá una enorme brecha en la fuerza laboral. Por eso queremos formar investigadores que sepan mucho sobre medicina y entiendan los problemas reales de la atención médica que se pueden abordar mediante la IA”.
También con ese fin, HMS ha abierto una tercera vía para los estudiantes de medicina y el personal docente que estén interesados en la tecnología: los Premios a la Innovación del Decano para el Uso de la Inteligencia Artificial en la Educación, la Investigación y la
Administración, que se anunciaron el año pasado y ofrecen subvenciones de hasta 100.000 dólares para cada proyecto seleccionado (véase “ Avanzando con la innovación en la educación médica”, a continuación). “Estas subvenciones realmente demuestran que HMS está liderando el camino en el intento de integrar estas nuevas y sorprendentes herramientas en la forma en que trabajamos y aprendemos”, dice Arya Rao, estudiante de doctorado en medicina y co-receptora de un premio para estudiar la IA para la formación clínica. “Estoy agradecida de tener esta experiencia para llevarla adelante en mi carrera médica”.
Los hospitales afiliados a HMS también están incorporando IA en sus flujos de trabajo clínicos. El Brigham and Women’s Hospital, por ejemplo, está probando el uso de una herramienta de documentación ambiental que toma notas clínicas para que los médicos puedan pasar más tiempo interactuando con los pacientes. A medida que se implementen este tipo de herramientas, dice Chang, permitirán que los estudiantes se concentren en hablar con los pacientes “en lugar de apartar la mirada constantemente para mirar una pantalla. También los ayudará a pasar antes a niveles superiores de aprendizaje y a temas más avanzados y cosas que queremos que hagan nuestros médicos, como escuchar”.
“A menudo se considera que GenAI elimina la humanidad de la comunicación”, afirma Taralyn Tan, vicedecana de investigación educativa e innovación de la Oficina de Educación de Posgrado. “Pero en realidad lo veo como un mecanismo para reincorporar una dimensión humana a la práctica clínica al quitarles a los médicos la carga de muchas tareas administrativas”.
Rao está de acuerdo. “La verdadera belleza de la medicina, la razón de ser de ella, son los vínculos que se pueden crear con los pacientes”, afirma. “Si nos fijamos en la cantidad de tiempo que los médicos pasan revisando historiales médicos y tomando notas, son horas y horas al día. La IA puede liberar parte de ese tiempo para que podamos dedicarlo a lo que realmente estamos aquí, que es ayudar a las personas”.
Richard Schwartzstein, presidente del Comité Directivo del Entorno de Aprendizaje y profesor distinguido de Educación Médica Ellen y Melvin Gordon, considera que es muy útil controlar el mantenimiento de registros y otras tareas similares, pero advierte que, si se lleva demasiado lejos, el uso de la IA puede generar deficiencias en la preparación de los estudiantes. “Tenemos que ponerlo en el contexto de la medicina real y de cómo trabaja un médico, haciendo hincapié en el razonamiento y el pensamiento crítico”, dice Schwartzstein. “¿Para qué la utiliza bien el médico? ¿De qué debe tener cuidado? ¿En qué debe seguir siendo bueno el médico para utilizar la IA de forma adecuada?”.
Schwartzstein señala, por ejemplo, que la IA puede ayudar a los médicos a rastrear patógenos de lugares de todo el mundo a los que un paciente puede haber estado expuesto pero que el médico no conoce. “Ahora puedo hacer eso solo con Internet”, dice, “pero la IA puede hacer una búsqueda más amplia y rápida. Sin embargo, uno de los inconvenientes es que no te dice qué fuentes está buscando, por lo que no puedes estar seguro de si la información proviene de una revista en la que confías”.
Schwartzstein afirma que es fundamental comprobar dos veces los resultados de la IA, así como poder hacer coincidir las opciones que ofrece con los síntomas y el historial reales del paciente. “La IA no es buena para resolver problemas, que es una de las partes más difíciles de la medicina”, señala. Un estudio de investigadores de HMS y Beth Israel Deaconess Medical Center descubrió que, aunque ChatGPT era preciso al hacer diagnósticos, cometía más errores que los médicos en el razonamiento (tareas como considerar por qué se deben hacer ciertas preguntas en lugar de solo qué preguntar) que sus contrapartes humanas más experimentadas, y lo hacía mejor que los residentes, pero no que los médicos asistentes.
Schwartzstein dice que otra área en la que los estudiantes pueden ser susceptibles de usar en exceso la IA es en el análisis de datos de laboratorio. “Interpretar pruebas y trabajar en modo inductivo les ayuda a aprender a pensar de manera crítica”, dice. “La mayoría de los casos de mala praxis que surgen de un posible error de diagnóstico no son casos extraños. Son casos básicos en los que la gente comete errores, errores de pensamiento. Por lo tanto, si bien el uso de la IA para un caso como ese sería excelente para un enfermero en una zona con pocos recursos sin el respaldo de un médico cerca, sería problemático para un médico que no tuviera esa capacitación y competencia en habilidades de pensamiento”.
Sin embargo, una vez que los médicos hayan ejercido la profesión durante algunos años, “tener un agente de IA que supervise constantemente nuestras acciones y detecte los errores sería una gran victoria”, sostiene Kohane. “A veces, los errores de novatos los cometen médicos experimentados porque están cansados o no se sienten bien, por lo que tener nuestro trabajo controlado por IA podría mejorar significativamente la mortalidad y la morbilidad en los hospitales”.
Aplicaciones prácticas
Pero ¿no es también la IA, famosa por su tendencia a cometer errores? Las “alucinaciones” de ChatGPT (como proporcionar una respuesta detallada pero muy errónea al pasar por alto el error obvio en una pregunta como “¿Cuál es el récord mundial de cruzar el Canal de la Mancha completamente a pie?”) son materia de memes. Se espera que este problema mejore con el tiempo, dice Kohane, pero incluso hoy, señala, “la IA comete tipos de errores diferentes a los que cometen los humanos, por lo que puede ser una buena asociación”. No solo está mejorando la tecnología subyacente, señala, sino que también amplía enormemente los conjuntos de datos que los médicos pueden utilizar para llegar a diagnósticos. Por ejemplo, un modelo de aprendizaje automático entrenado en cerca de un millón de electrocardiogramas pudo desempeñarse tan bien o mejor que los cardiólogos en el diagnóstico de treinta y ocho tipos de afecciones. “Imagínese lo que eso podría ser en manos de los médicos de atención primaria”, dice Kohane.
Kohane señala que estos conjuntos de datos gigantescos pueden hacerse aún más completos si se complementan con registros médicos electrónicos y datos de dispositivos portátiles de los pacientes. “La GenAI no tiene por qué basarse únicamente en ensayos y revistas médicas”, afirma. “Si se recopilan datos de la vida real con consentimiento y transparencia, esa información adicional puede ayudar a los médicos a ver cosas que de otro modo no podrían ver”.
Ese tipo de datos ya se está utilizando en un programa piloto para estudiantes de medicina interna en Brigham and Women’s. “Cuando están en las salas”, dice Chang, “los estudiantes solo pueden aprender de los pacientes que se encuentran en el hospital en ese momento. Pero esta herramienta tiene acceso tanto a los objetivos del plan de estudios como a los registros médicos electrónicos de los pacientes, por lo que puede comparar lo que el estudiante encuentra realmente con nuestros objetivos de aprendizaje”. Dentro de unos años, cree Chang, estos casos de uso serán habituales. “Antes de comenzar las rotaciones, los estudiantes accederán a una aplicación en sus teléfonos que les dirá: ‘Buenos días, le sugiero que vea a estos tres pacientes’, porque esos pacientes representan lagunas en el conocimiento de los estudiantes”.
El problema del sesgo en los datos de entrenamiento de la IA también está bien documentado. Y como señalan Schwartzstein y sus colegas en un artículo publicado en la revista CHEST , la IA no solo es propensa a reproducir los sesgos inherentes a los materiales generados por humanos de los que aprende, sino que al menos un estudio ha demostrado que ese ciclo puede retroceder y transmitir los sesgos de la IA a los humanos.
Al mismo tiempo, hay evidencia de que la retroalimentación también puede funcionar en la dirección opuesta. Un estudio reciente de Brigham and Women’s muestra que incluir más detalles en los conjuntos de datos de entrenamiento de IA puede reducir las disparidades observadas, y una investigación en curso a cargo de un pediatra de Mass General está entrenando a la IA para que reconozca el sesgo en las evaluaciones de los estudiantes por parte de los profesores.
“Hay muchos sesgos, sin importar de dónde provenga la información”, dice Tan, “por lo que debemos estar atentos a eso. Pero la IA puede ser una herramienta útil en nuestro conjunto de herramientas para promover la equidad en la educación si podemos aprovecharla de manera sinérgica, por ejemplo, agregando artículos específicos, citas, herramientas que sabemos que son efectivas y pidiéndole que aproveche los recursos que reflejan lo último en el campo sin perder de vista estas cuestiones”.
Parte de la solución es, entonces, estar al tanto de los datos que se utilizan para crear herramientas de IA. Chang menciona los “tutorbots” de HMS, que se entrenan con planes de estudio propios. “Usamos ChatGPT como motor”, dice, “pero lo limitamos con el lenguaje y la información del curso que le hemos proporcionado. Si no lo hiciéramos, ¿qué tendría de especial venir a HMS?”
Considerando todos los cambios que están ocurriendo, ¿qué tendrá de especial un título de HMS cuando llegue el momento de que la cohorte de este año avance?
Si los estudiantes del programa de doctorado de AIM se graduaran hoy, “inmediatamente se les acercarían ofertas de trabajo de primer nivel en todos los hospitales y universidades competitivos”, dice Kohane. “Calculo que el 60 por ciento de los graduados se dedicarán a la industria. Pero cuando salgan de la universidad, dentro de unos cinco años, también encontrarán muchos campos verdes en el mundo académico y en la investigación”.
La razón de ello radica, en parte, en la adaptabilidad de los estudiantes formados en estas tecnologías, afirma Tan. “Es difícil predecir hasta dónde llegará esto”, afirma. “Pero los médicos e investigadores más exitosos del mañana serán los que puedan aprovechar la genAI para la innovación y la planificación estratégica. Las personas que propongan soluciones serán las que utilicen estas herramientas”.
Impulsando la innovación en la educación médica
En marzo de 2024, HMS anunció treinta y tres ganadores de los Premios a la Innovación del Decano por el Uso de Inteligencia Artificial en Educación, Investigación y Administración. A continuación, se muestra una muestra de los proyectos relacionados con la educación médica.
El futuro paciente: un modelo de lenguaje interactivo y de gran tamaño, ampliado por el compañero de formación clínica de Harvard
Arya Rao, Marc Succi y Susan Farrell
Proporcionar oportunidades para que los estudiantes practiquen sus habilidades clínicas con pacientes estandarizados es una parte importante de la escuela de medicina, dice Rao. Cuando termina la “visita”, tanto el actor que interpreta al paciente como su profesor califican a los estudiantes en su razonamiento clínico, habilidades de comunicación y más. Pero el gasto y el tiempo que esto requiere pueden limitar estas oportunidades. Por eso, Rao, Marc Succi, profesor adjunto de radiología de HMS en Mass General, y Susan Farrell, decana asociada de evaluación y directora del examen OSCE de habilidades clínicas integrales, están desarrollando modelos de lenguaje grandes personalizados que pueden servir como pacientes estandarizados. Están reforzando estos modelos, a los que llaman SP-LLM, con material específico para el plan de estudios de HMS. Los estudiantes podrán interactuar con los modelos utilizando tanto texto como voz, recopilando historias de pacientes, obteniendo información de diagnóstico e iniciando el manejo clínico, todo mientras practican sus habilidades de comunicación.
“Una característica interesante es que, una vez finalizada la visita, el SP-LLM también proporciona al estudiante comentarios sobre el encuentro, actuando como paciente y preceptor. Como la herramienta está disponible en cualquier momento y en cualquier lugar, los estudiantes pueden obtener mucha más experiencia práctica antes de comenzar a ver a pacientes reales”.
Desarrollo de una herramienta de aprendizaje y calificación de inteligencia artificial generativa
Greg Kuling, Jay Vasilev, Samantha Pullman, Randy King, Barbara Cockrill, Richard Schwartzstein y Henrike Besche
El plan de estudios Pathways de HMS hace hincapié en el estudio independiente y el trabajo en clase colaborativo basado en casos. Schwartzstein y sus colegas han desarrollado un sistema que permite la calificación automática en bloque de preguntas de respuesta corta para resumir las fortalezas y debilidades de los estudiantes, identificar desafíos conceptuales y sugerir estrategias de enseñanza personalizadas. Schwartzstein, quien presidió el comité directivo que desarrolló el plan de estudios Pathways en 2015, tarda aproximadamente ocho horas en calificar las respuestas a una sola pregunta abierta para los 170 estudiantes de una clase, sin incluir la retroalimentación. “No puedo hacer eso con la tarea”, dice, “pero sería realmente útil para ellos si la IA pudiera”. Agilizar el proceso, agrega, permitirá a los estudiantes hacer más ejercicios y, por lo tanto, “obtener más práctica para determinar si están aplicando correctamente los principios que han aprendido a los estudios de casos”.
Aprovechar la inteligencia artificial generativa para crear programas de estudio centrados en el alumno y basados en evidencia
Taralyn Tan y Krisztina Fischer
Tan y Krisztina Fischer, profesora adjunta de radiología de la HMS a tiempo parcial en Brigham and Women’s, están estudiando el uso de la IA en el curso Teaching 100 de Tan para desarrollar y poner a prueba una herramienta que utiliza la IA generativa para crear programas de estudio, con el objetivo de que otros profesores de la HMS la adopten. En el curso, los estudiantes de Tan primero intentan crear componentes de programas de estudio basados en evidencia y centrados en el alumno por su cuenta, y luego trabajan con la IA para hacer lo mismo. “La clase tiene un propósito dual muy meta”, dice Tan, “porque los estudiantes la experimentan tanto en su propia enseñanza como desde la perspectiva de un alumno”. Tan también permite a sus estudiantes utilizar la IA en el aula fuera de esta tarea final. “La respuesta más común que recibo cuando pregunto sobre esto es que no sabían cómo utilizarla”, dice. “Así que eso habla de la necesidad de competencias básicas para involucrar a nuestros alumnos con ell
Elizabeth Gehrman es una escritora radicada en Boston.
Imágenes: Steve Lipofski (bata blanca); Gretchen Ertl (Chang y Schwartzstein); John Soares (Tan y Rao); Peter Gumaskas (Kohane)
La inteligencia artificial podría transformar la atención sanitaria
Inteligencia artificial para resolver los problemas de salud más apremiantes