- Los modelos de IA detectan enfermedades raras más rápido que muchos médicos experimentados
- Los sistemas alcanzan un diagnóstico correcto o cercano en los casos más difíciles.
- Los modelos analizan síntomas y examinan datos mediante procesos de razonamiento estructurados.
Una nueva generación de herramientas de inteligencia artificial pretende superar a los médicos experimentados en el diagnóstico de afecciones médicas raras y complejas.
Estos modelos lógicos pueden procesar largas cadenas de síntomas, resultados de pruebas y notas clínicas, y luego proponer o limitar el diagnóstico correcto más rápido que muchos expertos humanos.
Algunos investigadores sostienen que esto representa un cambio profundo en la tecnología que remodelará la medicina, especialmente en los casos en los que el diagnóstico correcto no está claro después de una evaluación exhaustiva.
El artículo continúa a continuación.
Los modelos de IA abordan diagnósticos difíciles
“Estamos viendo un cambio realmente profundo en la tecnología que remodelará la medicina”, dijo Arjun Manrai de la Universidad de Harvard en una conferencia de prensa.
Aún así, quedan serias dudas sobre si estos sistemas pueden manejar todo el peso de la incertidumbre clínica del mundo real.
En un gran estudio, los investigadores probaron un modelo de razonamiento de IA líder en una combinación de casos estilo libro de texto y datos de pacientes reales de un departamento de emergencias de Boston.
El modelo analizó descripciones paso a paso de los síntomas, las órdenes de las pruebas y los resultados, tal como lo hacen los médicos.
Enumeró posibles diagnósticos con más frecuencia que los médicos humanos e incluyó el diagnóstico real o algo muy cercano a él en aproximadamente el 80% de los casos difíciles.
Para un paciente trasplantado con signos sutiles de una infección potencialmente mortal, el modelo generó sospechas razonables aproximadamente un día antes que el equipo clínico.
Los investigadores dicen que la tecnología es particularmente poderosa para buscar patrones amplios en enfermedades raras que los médicos individuales rara vez encuentran.
Sin embargo, los estudios se basaron en descripciones seleccionadas de los pacientes en lugar del ambiente crudo y caótico de la sala de emergencias.
Los modelos responden a la información que se les proporciona, no al caos total de prioridades superpuestas y datos incompletos que se observa en las clínicas reales.
Por qué la incertidumbre sigue siendo un problema
A pesar del poder de estos modelos de razonamiento de IA, los críticos señalan que el razonamiento clínico es poco más que un razonamiento paso a paso en un resumen de texto claro.
“Cuando decimos razonamiento clínico, no es lo mismo que razonamiento modelo”, dice Arya Rao de la Facultad de Medicina de Harvard.
“Estos modelos están optimizados para el tipo de pensamiento secuencial que llamamos razonamiento, pero no es lo mismo que enseñamos a razonar a los estudiantes de medicina”.
Los médicos a menudo tienen que considerar múltiples posibilidades inciertas a la vez y luego actualizarlas a medida que llegan nuevos datos.
Los modelos de IA tienden a inclinarse hacia una única interpretación sólida y actualizan sus respuestas de manera frágil a medida que surge nueva información.
Un equipo que probó 21 sistemas de inteligencia artificial diferentes descubrió que incluso los mejores modelos de razonamiento tienen dificultades al considerar varios diagnósticos inciertos al mismo tiempo.
El equipo argumentó que los modelos de lenguaje grandes aún no están listos para tomar decisiones independientes en entornos médicos.
Son más adecuados para segundas opiniones o para afecciones raras que los médicos pueden pasar por alto inicialmente.
Los expertos subrayan que los médicos humanos siguen siendo esenciales para explicar el contexto, hablar con los pacientes y sopesar los riesgos en tiempo real.
La tecnología puede ayudar a evitar diagnósticos erróneos en algunos entornos, pero introduce nuevos riesgos cuando se utiliza sin una supervisión cuidadosa y sin directrices adecuadas.
a través de Noticias científicas
Siga TechRadar en Google News Y Agréganos como fuente preferida Recibe noticias, reseñas y opiniones de nuestros expertos en tu feed.
