Our Recent Posts

Archive

Tags

Doctor Robot. Inteligencia artificial aplicada a la medicina.



La capacidad computacional para procesar información ha crecido continuamente a niveles exponenciales y se ha vuelto más barata. Estos avances permiten su aplicación a diversas actividades humanas, pero especialmente ha la medicina.


Desde la creación de chatbots que podrán atender consultas básicas, la posibilidad de determinar con certeza vectores de infección, hasta la posibilidad de diagnosticar enfermedades con una simple foto, la medicina es el campo de conocimiento humano en el cual las inteligencias artificiales pueden ser más útiles.[1]


La acumulación de datos y la posibilidad de procesamiento por medio de algoritmos permitirá desarrollar diversas tecnologías para la detección y prevención de enfermedades. Esta democratización de los servicios de salud permitirá personalizar la atención médica en atención a las condiciones específicas de cada paciente.


No obstante, las intrusiones de las máquinas pensantes en la medicina generan varias dudas y problemas que aún no han sido estudiados con el debido cuidado.[2]


La primera, es que la máquina será un nuevo factor en la toma de decisiones, cuestión que no es posible saber si será aceptada por doctores y por los pacientes. Gran parte de ser doctor pasa por la empatía y confianza que genera con sus pacientes. Una máquina, por más antropomorfizada que sea, no genera empatía. La falta de confianza en las determinaciones que pueda llegar a tomar una máquina, es una de las principales razones que hacen que el uso de algoritmos en el sector salud sea visto con reserva.


Uno de los grandes problemas que genera el uso de máquinas y computadoras es la falta de confianza que las personas les tienen. Originalmente, las misiones Apollo de la NASA estaban pensadas para ser tripuladas por ingenieros y no por pilotos de pruebas, puesto que todo estaba controlado desde la base en Houston.


No obstante, al final se decidió por pilotos de prueba (razones de economía y algunas partes en las cuales los conocimientos de aeronáutica), los cuales pidieron diversas modificaciones a las naves espaciales (ventanas, controles, etc.) a efecto de tener la impresión de que estaban bajo el control de la misión. El punto es que el ser humano no está dispuesto a ceder el control sobre su destino, ya sea para subirse a un coche completamente automatizado o para ser atendido por una máquina.


De esta forma, es difícil pensar que nuestra generación esté dispuesta a ponerse en manos de una máquina, sobre todo en ante problemas de salud de carácter urgente o grave. Tampoco podemos desconocer que a las personas les encanta recurrir a sitios de internet en los cuales ellos suponen que pueden ser debidamente diagnosticados por los problemas que tienen (reales o imaginarios). En este sentido, es muy difícil sustituir la auscultación y diagnóstico de un médico.


Por otra parte, los resultados de las correlaciones que se pueden encontrar al procesar una gran cantidad de información no permiten determinar las razones que generan las correlaciones. Las inteligencias artificiales procesan la información, pero sin que sea posible saber de forma certera cuales son las operaciones que realizaron y que llevaron a un determinado resultado. En este sentido, el Big Data permite saber que dos eventos se encuentran relacionados de alguna manera pero no permite conocer los porqués.


Las inteligencias artificiales funcionan como cajas negras en las cuales la información es procesada y genera resultados, muchas veces erróneos. Parte de la tecnología del machine learning, es que sea el propio algoritmo el que determine que se ha equivocado y que esto sea tomado en consideración para futuras referencias. Estemos todos advertidos: los intelectos sintéticos se equivocan y se equivocarán.


El problema entonces es si este nuevo tipo de medicina, que estará definida en muchas ocasiones por el análisis profundo de datos, podrá determinar dónde se han podido generar los errores y por ende definir las responsabilidades correspondientes para efectos legales y para evitar repetirlas.

Parte de las soluciones que se han dado a esta problemática parten de utilizar, pero sin dejar que la decisión sea tomada únicamente en función del diagnóstico dado por un robot. Actualmente existen aplicaciones que permiten acumular el conocimiento de muchos doctores sobre un mismo problema y replicar los parámetros comunes que se utilizan a diagnósticos futuros.[3]



[1] https://www.forbes.com/sites/jenniferhicks/2017/05/16/see-how-artificial-intelligence-can-improve-medical-diagnosis-and-healthcare/#3e0650ad6223


[2] Mc Quaid, John. The training of Dr Robot: Data wave hits medical care. Medscape. Febrero 2018.


[3] https://www.scientificamerican.com/article/can-a-crowdsourced-ai-medical-diagnosis-app-outperform-your-doctor/

©2017 by Legal Lab. Proudly created with Wix.com