La inteligencia artificial podría transformar la atención sanitaria

Históricamente, la atención sanitaria ha tardado en adoptar nuevas tecnologías que implican cambios radicales en la naturaleza del trabajo. Veamos el lento y accidentado despliegue de los registros médicos electrónicos y el fracaso total de esfuerzos anteriores para implementar herramientas de inteligencia artificial, como la cacareada pero finalmente condenada experiencia de IBM con Watson Health.

Pero en un comentario publicado en JAMA en el primer aniversario del lanzamiento público de ChatGPT, Robert Wachter , MD, presidente de la Facultad de Medicina de UC San Francisco, es optimista sobre el potencial de las nuevas herramientas de inteligencia artificial generativa para transformar la salud. entorno de cuidados de una manera que las tecnologías anteriores no podían.

En el artículo, publicado el 30 de noviembre de 2023, Wachter y el coautor Erik Brynjolfsson, PhD, director del Laboratorio de Economía Digital e investigador principal del Instituto de IA centrada en el ser humano, ambos de la Universidad de Stanford, sostienen que la IA generativa, la IA que puede producir texto de alta calidad, imágenes y otros contenidos distintos de los datos con los que ha sido entrenado; tiene propiedades únicas que probablemente acortarán el retraso habitual entre la promesa y los resultados, lo que generará ganancias de productividad en lugar de atascos.

Wachter ha narrado durante mucho tiempo los desafíos de la tecnología de la información sanitaria y es autor de The Digital Doctor: Hope, Hype, and Harm at the Dawn of Medicine’s Computer Age .

¿Qué tiene la industria del cuidado de la salud que ha tardado en adoptar lo que usted llama en el artículo tecnologías de “propósito general”, o tecnologías que pueden influir en los sistemas mediante la realización de una amplia gama de tareas?

En 1993, mi coautor Erik Brynjolfsson acuñó el término “la paradoja de la productividad de la tecnología de la información”, refiriéndose a la dolorosa experiencia casi universal de las industrias cuando intentan adoptar las llamadas tecnologías de propósito general, aquellas que cambian ampliamente la naturaleza de el trabajo en toda una organización. La paradoja es que, a pesar de las exageraciones y las mejores intenciones, pasan muchos años, a veces décadas, sin ganancias significativas en productividad. Ésa es la mala noticia. La buena noticia es que, si las tecnologías son buenas, eventualmente se supera la paradoja, con enormes ganancias en productividad y, a menudo, en calidad y experiencia del cliente. Los ejemplos incluyen electricidad, motores eléctricos, automóviles, computadoras e Internet.

Hasta hace poco, la atención sanitaria se ha quedado rezagada en los esfuerzos por adoptar tecnologías de propósito general. En 2008, menos de uno de cada diez hospitales estadounidenses tenía un registro médico electrónico (EHR).

¿Por qué llegamos tan tarde al baile digital? Muchas razones: incentivos desalineados (el hospital o el médico tendrían que pagar por la computadora, pero parte del beneficio económico iría a parar a la compañía de seguros), complejidad, regulaciones de privacidad y una resistencia general al cambio. Finalmente, aproximadamente a partir de 2010, la atención médica comenzó a digitalizar el registro. Ahora menos de uno de cada 10 hospitales no tiene un EHR, lo que sienta las bases para la IA actual.

¿Por qué cree que la genAI tiene el poder de superar la maldición de la “paradoja de la productividad”?

La buena noticia sobre la paradoja de la productividad de la TI es que, si la tecnología es buena, al final se resuelve. Entonces, primero, la tecnología necesita mejorar. En segundo lugar, el sistema tiene que cambiar la forma de trabajar para aprovechar estas nuevas herramientas.

Si bien la atención médica es un lugar notoriamente difícil para la transformación digital, genAI tiene algunos atributos únicos que le facilitarán cumplir su promesa. En primer lugar, es relativamente fácil de usar. Y a diferencia de la adopción de EHR, no requiere una gran cantidad de hardware nuevo ni cambios radicales en la forma en que se realiza el trabajo, ya que los médicos, enfermeras y, hasta cierto punto, los pacientes ya están haciendo gran parte del trabajo relacionado con la atención médica en la computadora.

Probablemente lo más importante es que el ecosistema de atención médica está mejor preparado para la genAI que hace cinco o diez años. Todos estamos acostumbrados a utilizar datos y sistemas digitales. Es más fácil que antes conectar herramientas de software de terceros. Se están acelerando las presiones sobre los sistemas de salud para brindar atención de alta calidad, segura y equitativa a un costo menor, y hay escasez de casi todo tipo de personal clínico y no clínico. Es fácil ver cómo genAI podría ayudar a las organizaciones de atención médica existentes a satisfacer sus necesidades clínicas y comerciales.

Finalmente, aquellos de nosotros que ocupamos posiciones de liderazgo en atención médica somos menos ingenuos que antes sobre lo que se necesita para integrar herramientas digitales en nuestro trabajo, y buenas organizaciones, como UCSF Health, han capacitado a líderes y creado estructuras de gobernanza para ayudar a allanar el camino. a una implementación exitosa.

¿Cómo cree que genAI se utilizará por primera vez en la atención sanitaria?

Los primeros esfuerzos en IA para el cuidado de la salud, entre los años 1960 y 1980, fracasaron estrepitosamente, en parte porque los sistemas no eran excelentes, pero sobre todo porque los desarrolladores optaron por tratar de abordar el problema más difícil: reemplazar el cerebro del médico como motor de diagnóstico.

Hoy en día, la mayoría de los actores en el campo de la genAI han aprendido esa lección. Los primeros avances se producirán en áreas de fricción administrativa: ayudar a los pacientes a programar citas, reabastecer medicamentos, encontrar un médico y obtener respuestas a algunas de sus preguntas.

Para los médicos y los sistemas de salud, genAI ayudará a crear notas clínicas, solicitudes de autorización previa a las compañías de seguros y cartas a los pacientes y otros médicos. También resumirá registros complejos de pacientes. Habrá algunos trabajos iniciales sobre el diagnóstico, pero en gran medida en la forma de sugerir posibles diagnósticos en lugar de reemplazar a los médicos. Lo que está en juego es simplemente demasiado alto, al igual que las consecuencias de equivocarse.

¿Cuáles son los obstáculos que pueden impedir que esta nueva tecnología se adopte o utilice con éxito?

La IA generativa debe seguir mejorando, especialmente a medida que aumentan los riesgos. La buena noticia es que, incluso el año pasado, se han producido mejoras significativas. Si bien integrar la IA en los sistemas EHR es más fácil de lo que solía ser, todavía no es tan fácil como debería ser. La IA será costosa y los sistemas de atención médica necesitarán encontrar dinero para invertir, lo cual harán si ven un retorno de esa inversión en el futuro.

También será necesario sortear las posibles tensiones entre los trabajadores y la dirección en torno a la IA, como han puesto de relieve las recientes huelgas en las industrias del entretenimiento y del automóvil. Pero la escasez de mano de obra en el sector de la salud y los altos niveles de agotamiento amortiguarán parte de ese rechazo.

Finalmente, a medida que la IA ingresa a ámbitos más clínicos, debemos descubrir cómo desarrollar sistemas en los que médicos y enfermeras puedan trabajar en colaboración con la tecnología, confiando en ella cuando esa confianza se merece, pero sin quedarse dormidos en la rueda metafórica.

¿Qué se debe hacer para ayudar a allanar el camino hacia el éxito de esta nueva tecnología?

Claramente, es necesario que existan algunas regulaciones que establezcan barreras de seguridad para la genAI, particularmente en iniciativas de alto riesgo como la medicina clínica. Cómo hacer esto de manera efectiva y eficiente es un problema abrumador, particularmente para las tecnologías de propósito general.

Una cosa es regular un nuevo fármaco, o incluso un algoritmo de IA específico para leer diapositivas de patología. Otra es regular la IA que proporciona consejos o predicciones que utiliza todo el sistema de atención, especialmente porque la IA que usted aprobó ayer podría evolucionar para dar respuestas diferentes mañana.