Dr. Carlos Alberto Díaz. Profesor Titular Universidad ISALUD.
Sobre la inteligencia artificial se escribe, se dice y se opina mucho más de lo que se la utiliza en la realidad, se la aplica menos y se trabaja sobre ella en proyectos que están incubando y que están tratando que clientes prestadores comiencen a utilizarla y fortalecer sus bases de datos, los productos comerciales están dirigidos a problemas específicos, con métodos diferentes, más o menos complejos, con mayor o menor nivel de aprendizaje, es mucho más prometedor que realizador. Otras innovaciones de este siglo fueron muy prometedoras como la descripción completa del genoma, que serviría para describir importantes alternativas para los tratamientos, el campo del diagnóstico, de los fármacos, de la investigación, de la cirugía, de las imágenes, de la histopatología, de las imágenes de la piel y de la retina, de los diagnósticos diferenciales, de la capacidad del pensamiento médico y disminución de los errores. Poco es lo que se normalizan los datos en la salud, se almacenan en historias clínicas electrónicas, se analizan estos resultados y se buscan las relaciones inteligentes. Existen justificativos para que eso ocurra. Pero hay que abandonar ese laberinto de confusión en la cual estamos. Puesto que la inteligencia artificial no es la solución a todos los problemas. Estamos frente a una era de la información, la salud es una gran generadora de datos. En la salud se invierte alrededor del 10% del PBI mundial. Pero lo que más crece es la cuenta de medicamentos. Los medicamentos en 2024, en argentina aumentaron la facturación aunque se disminuyó la venta en mostrador, la industria farmacéutica en Argentina registró una facturación total de $7,48 billones de pesos, con un aumento del 254.9% en comparación con 2023. A nivel mundial, la facturación de medicamentos es mucho mayor, con ingresos globales que superaron los 1.5 billones de dólares en 2023, principalmente impulsados por Norteamérica. En el 2020 estaba en 1.1 billones de dolares.
La inteligencia artificial en la gestión sanitaria se refiere a la aplicación de algoritmos de automatización, análisis de datos y aprendizaje automático para mejorar el diagnóstico médico, la planificación del tratamiento y la prestación general de asistencia sanitaria. Ahora es una herramienta vital para mejorar la productividad y los resultados de los pacientes debido a las crecientes demandas de atención médica y un enfoque cada vez mayor en la medicina de precisión. (Topol, 2019). El análisis predictivo, los tratamientos individualizados y la detección temprana de enfermedades son posibles gracias a la incorporación de la IA en la gestión de la salud. Las aplicaciones son numerosas y revolucionarias, y van desde sofisticados modelos de aprendizaje automático que pronostican brotes de enfermedades hasta chatbots impulsados por IA que ayudan a los pacientes.
Tener información y datos para ganar una posición de mercado mayor, es importante para estas empresas. Será un gran negocio tener datos y comercializarlos, para que los nuevos desarrollos sepan cual es el tamaño del mercado. Asimismo, el envejecimiento de la población, la epidemia de las enfermedades crónicas, el aumento de los costos de tratamiento, la tecnología es costosa y en muchos casos, se trabaja en la parte plana de la curva, o sea que el aumento del gasto no se correlaciona con la mejora de los resultados. La fragmentación de la atención en la medicina, la prescripción inadecuada, la medicina defensiva, la judicialización, generan inflación del gasto en salud con respecto al PBI.
La atención de los pacientes esta envuelta y comprometida por la disposición de medios al alcance de los profesionales y los pacientes, y de la falta de conocimientos confiables e independientes.
Por la naturalización que la salud debe ser una conquista individual de ascenso social como la educación, y que por ello debe ser privada, carece de transparencia entre quien la financia y la produce, se esta ajustando mediante el aumento del gasto de bolsillo.
La experiencia negativa cuando se quieren tomar decisiones en función de algunos indicadores o métricas, buscar relaciones causales, y con ello descifrar y planificar las características que debe tener la oferta de servicios adecuados a la producción y la atención de los pacientes, las dificultades y complejidades de evitar la atención fragmentada y episódica, que no es solo por si Tenes cobertura o no, si Tenes prepaga u obra social, si Tenes atención gestionada o no programada, la falta de vocaciones, profesionalismo, agotamiento, multiempleo y paga miserable.
Cuando hay información además no es compartida y no es fácil disponer de ella. Uno entra en una interpretación de sombras. Los precios «sombra», los intercambios «extracontractuales» los intereses, el desconocimiento de la efectividad clínica real, la ciencia coaptada, el desierto que recorre la evidencia científica hasta llegar a la práctica, que tarda diecisiete años en difundirse, el uso irracional de medicamentos, la polifarmacia, el uso indiscriminado de antibióticos y de benzodiacepinas.
Las carencias más elementales, la falta de controles, no ir a buscar las necesidades de las personas, realizar un modelo de práctica episódica. Y entonces hablamos de inteligencia artificial, de los promps, de los ChaptGPT, de las alucinaciones de sus respuestas, de la búsqueda dedicada que nos acompaña y nos enseña, mientras seguimos con la tracción a sangre y alma de los que todavía y pese a todo tienen vocación.
Lo digo desde el apasionamiento por estar explorando esta nueva era, que me encuentra al final de la existencia, este pasaje, en esta dimensión, pero igualmente con esfuerzo trataré de alfabetizarme y difundir esta alternativa para ser mejores y cometer menos errores, superar al ojo y la inteligencia humana con esa ayuda que nos permite ver imágenes y hacer mejores diagnósticos, evitar falsos negativos y poder actuar antes, llegar a una mayor población, donde no pueden llegar los servicios. Construyendo más equidad. La creciente dependencia de la toma de decisiones basada en datos y los sistemas inteligentes ha hecho que la IA no sea solo una herramienta de apoyo, sino un componente fundamental para avanzar en la eficiencia, la accesibilidad y la calidad de la atención sanitaria. A medida que evoluciona el panorama de la atención médica, es esencial comprender cómo las tecnologías de IA como los chatbots, los asistentes virtuales, la computación cognitiva y la cadena de bloques están redefiniendo las prácticas tradicionales y permitiendo nuevos modelos de atención. Los profesionales de la salud, los responsables políticos y los tecnólogos son partes interesadas en esta transformación. Su compromiso colectivo en la adopción y la gestión responsable de la IA determinará el éxito de la integración de estas herramientas en nuestros sistemas sanitarios. La intersección de la tecnología y el cuidado debe navegarse con innovación y compasión.
Convirtiendo a muchos médicos que no se han podido actualizar en mejores médicos, en diagnosticar apropiadamente una retinopatía, un melanoma, un cáncer de mama, mejorar la histopatología, la aparición de brotes epidémicos, de evitar errores quirúrgicos, de hacer más segura la cirugía, de predecir el Alzheimer, de poder identificar células neoplásicas circulantes, de acelerar las investigaciones científicas y acortar la investigación básica, una manejo apropiado de los quirófanos y las camas, elegir los mejores tratamientos para Ca de Próstata, de Recto, reunir información apropiada más rápidamente, tener asistente que no se cansa, que ayuda a pensar, que está ansioso por nuestras preguntas, que a veces se equivoca, es cierto, y algunas conclusiones no se relacionen con la verdad del paciente, pero este es un camino que no tiene límites en cuanto a su profundidad, por ello con la inteligencia artificial nos estamos introduciendo en la medicina profunda, la que no vemos visualizando la parte del iceberg que se ve en la superficie, pero tenemos que ir por la profundidad del conocimiento de lo desconocido, la inteligencia artificial está para hacernos más seguros y efectivos.
La importancia de los profesionales, de los equipos de salud, de la relación médico paciente, el criterio clínico, la experiencia de ver casos, de estudiar, de indagar, de trabajar con personas apasionadas y comprometidas, que tengan un propósito parecido no se perderá, será aún más importante. Se tendrá menos incertidumbre encontrar más respuestas, pero se nos crearán más preguntas. Ser cuidadosos donde tomamos los datos, y entender que si usamos la inteligencia artificial no estamos delegando responsabilidad, esa nos pertenece, esta afincada en la deontología, sumamos un nuevo integrante al equipo, la inteligencia artificial, y la obligación de estudiar cada día más porque el conocimiento se reproduce a una velocidad que nos exige cada momento más.
Abandonar el reporte del amateurismo y el hablemos sin saber, luego que pase esta corriente de la opinonología, de los que nada saben de lo mucho que hablan, y hablan porque no les cobran las palabras, y discurren sobre los caminos comunes y no sobre las verdaderas perspectivas. La desconfianza, y la búsqueda de referencias de lo que hay en lo convolucional es fundamental, pero no por ello no discurrir por esas exploraciones que nos llevarán a poder hacer mejor nuestra profesión, su ejercicio, su servicio y poder ayudar a mayor cantidad de personas, de comunidades para que estén más saludables.
Los trabajos que se publican tienen diseños metodológicos inconsistentes. Al analizar la literatura reciente y las regulaciones internacionales, el grupo identifica lagunas relevantes en la práctica actual y destaca la urgencia de establecer lineamientos claros y metodologías robustas para garantizar la confiabilidad y aplicabilidad de estos modelos. La discusión se centra tanto en los desafíos metodológicos como en las implicaciones éticas y clínicas, promoviendo un enfoque colaborativo que integre la perspectiva estadística, la experiencia clínica y la voz de las personas usuarias y pacientes. La mayoría de los estudios de IA no proporcionan una justificación para los tamaños de muestra elegidos y, con frecuencia, se basan en conjuntos de datos que son inadecuados para entrenar o evaluar un modelo de predicción clínica.
La inteligencia artificial en argentina esta en estado embrionario, porque los sistemas de salud tienen datos no digitalizados, muchos de los que tienen digitalizado estos son basura dentro de los sistemas y cuando los empresas quieren trabajar en ellos generan basura, no es posible aplicarla el corto plazo, ya que deben normalizarse muchos aspectos que anteceden en el ecosistema de salud, y que incluyen la interoperabilidad de los HIS, RIS, LIS Y LA HCE, depurarlos, normalizarlos, extraerlos limpios, hacer la minería de los datos y las ciencia sobre los mismos, para comenzar a trabajar con firmeza en los distintos campos, teniendo una etapa de crecimientos no uniformes, ni armónicos, con mayor o menor nivel de inversión.
