Mi columna de esta semana en Invertia se titula «Sanidad e inteligencia artificial: el camino hacia una superinteligencia médica» y es una reacción al reciente anuncio de Microsoft sobre el desarrollo de una superinteligencia médica capaz de diagnosticar a los pacientes con un nivel de acierto cuatro veces mayor que un grupo de médicos experimentados. Obviamente, lo último que pretendo es venderle la solución de Microsoft a nadie, no me dedico a eso, sino adentrarme en lo que ya escribí hace mucho tiempo sobre el futuro de la sanidad en la era de la inteligencia artificial.
Este tipo de cosas no son magia, ni responden al criterio habitual que aplicamos a los modelos masivos de lenguaje. Son, simplemente, el resultado de añadir información particular a un enorme repositorio de casos y diagnósticos, que permite llegar a diagnósticos muy delimitados y con un nivel de rigor muy elevado. Cualquiera que haya utilizado un modelo masivo de lenguaje para cuestiones relacionadas con la salud sabe que el nivel de precisión de la herramienta mejora a medida que le proporcionamos más y más información de contexto, en general en esos casos, cuanto más vamos incrementando la longitud del hilo con datos adicionales, resultados de pruebas diagnósticas, sintomatología, analíticas, etc.
En este sentido, lo interesante es especular sobre un futuro en el que los sistemas de salud busquen no solo reducir el nivel de padecimiento de los pacientes, sino también reducir el coste total del tratamiento posibilitando un diagnóstico más temprano, utilizando los medios más adecuados para cada caso y, sobre todo, actuando con criterios de eficiencia y con acceso a toda la información relevante en cada momento.
Mi opinión es que, en ese sentido, es fundamental plantearse soluciones desde sistemas de salud razonablemente inclusivos, es decir, con cirterios de universalidad, no solo por una cuestión evidente de justicia social, sino también porque eso permite un acceso a una cantidad de datos mayor que no segrega por criterios socioeconómicos. Evitar el desarrollo de una «sanidad para ricos» separada de la «sanidad para pobres» resulta obviamente importante, pero también lo resulta disponer de un flujo de datos constante y que permita alimentar un sistema que va mejorando a medida que los procesa.
En ese sentido, conviene reforzar la necesidad de contar con sistemas que permitan asegurar no solo la calidad del diagnóstico, sino también cuestiones fundamentales como la privacidad de los pacientes o la representación equitativa de todas las capas sociales. Ejemplos como el tremendo error del Reino Unido permitiendo que una de las compañías más siniestras del mundo, Palantir, tuviese acceso a los datos de salud de sus ciudadanos, marcan una línea clara a evitar: necesitamos solucionar muchos problemas de diseño, pero no a cualquier coste ni con cualquier actor.
A partir de ahí, las posibilidades de un país como España de poder aprovechar la inteligencia artificial para plantear un sistema de salud equitativo, universal, de buena calidad y con un coste razonable son muy interesantes, y conviene plantearlas como un reto capaz de mejorar la calidad de vida de los ciudadanos. Es simplemente cuestión de abordar adecuadamente los desafíos éticos y tecnológicos asociados, algo nada sencillo, pero tampoco imposible. Veremos si somos capaces de estar a la altura.
Nota: https://www.enriquedans.com/
Te puede interesar
Lo más visto
