Los investigadores de la compañía Babylon han desarrollado una inteligencia artificial con ‘imaginación’ para ayudar a los médicos con el diagnóstico de casos complejos. Han utilizado por primera vez los principios del razonamiento causal para permitir que la inteligencia artificial (IA) diagnostique casos de prueba escritos, según publican en la revista ‘Nature Communications’.
El equipo utilizó un nuevo enfoque, conocido como aprendizaje automático causal, que está ganando mayor impulso en la comunidad de IA, para actuar como una ‘imaginación’ para que la IA pueda considerar qué síntomas podría ver si el paciente tuviera una enfermedad diferente a la anterior estaba considerando.
La investigación, revisada por pares, muestra que desenredar la correlación de la causalidad hace que la IA sea significativamente más precisa.
El doctor Jonathan Richens, científico de Babylon y autor principal, explica que utilizaron IA con un algoritmo poderoso y le aportaron la capacidad de imaginar realidades alternativas. «Esto permite que la AI para desentrañar las causas potenciales de la enfermedad de un paciente y obtener una puntuación por encima del 70% de los médicos en estos casos de prueba escritos», añade.
El doctor Ali Parsa, director ejecutivo y fundador de Babylon, recuerda que «la mitad del mundo casi no tiene acceso a la atención médica. Por eso es emocionante ver estos resultados prometedores en casos de prueba. No debe verse con sensacionalimo como máquinas que reemplazan a los médicos porque lo que es realmente alentador aquí es que finalmente obtengamos herramientas que nos permitan aumentar el alcance y la productividad de nuestros sistemas de salud existentes.
«La IA será una herramienta importante para ayudarnos a todos a poner fin a la injusticia en la distribución desigual de la atención médica, y para hacerlo más accesible y asequible para todas las personas de la Tierra», prosigue.
Un grupo de más de 20 médicos de cabecera de Babylon creó 1.671 casos médicos escritos realistas, que incluían ejemplos típicos y atípicos de síntomas de más de 350 enfermedades. Cada caso fue escrito por un solo médico y luego verificado por varios otros médicos para garantizar que representara un caso de diagnóstico realista.
Luego, a un grupo separado de 44 médicos de cabecera de Babylon se les dio a cada uno al menos 50 casos escritos (la media fue de 159) para evaluar. Los médicos enumeraron las enfermedades que consideraron más probables (un promedio de 2.58 enfermedades potenciales por cada diagnóstico).
Se midió su precisión por la proporción de casos en los que incluyeron la verdadera enfermedad en su diagnóstico. La IA de Babylon tomó las mismas pruebas y usó un algoritmo más antiguo basado en correlaciones (creado específicamente para esta investigación, no tomado de nuestro producto) y el más nuevo, es decir, el causal.
Los médicos tuvieron una puntuación media de 71,40% (* 3,01%) y osciló entre 50 y 90%. El algoritmo correlativo más antiguo se desempeñó a la par con el médico promedio, alcanzando un 72,52% (* 2,97%). El nuevo algoritmo causal obtuvo una puntuación del 77,26% (* 2,79%) que fue superior a 32 de los médicos, igual a 1 e inferior a 11.
El doctor Tejal Patel, director médico asociado y médico de cabecera de Babylon, esperanza porque un día próximo «esta IA pueda ayudara los médicos a reducir los diagnósticos erróneos, liberar su tiempo y ayudarles a concentrarse en los pacientes que necesitan atención médica. «Espero que este tipo de herramienta sea estándar, ayudándonos a mejorar lo que hacemos», ha añadido.
Por su parte, el doctor Saurabh Johri, científico jefe y autor de Babylon, agrega que han comprobado que la IA y los médicos se complementaban entre sí.
«La IA obtuvo una puntuación más alta que los médicos en los casos más difíciles, y viceversa. Además, el algoritmo funcionó particularmente bien para las enfermedades raras que se diagnostican erróneamente con mayor frecuencia y, también con frecuencia, son graves –añade–. El cambio de utilizar correlaciones mejoró la precisión para alrededor del 30% de las enfermedades raras y muy raras».
No es necesario alterar los modelos subyacentes de enfermedad que utiliza una IA para obtener una mejora en la precisión. Es un beneficio que se aplicaría a los algoritmos correlativos existentes, incluidos los que se encuentran fuera del entorno médico.
El doctor Ciaran Lee, autor del estudio, exmiembro de Babylon y profesor honorario de la UCL, explica que «el aprendizaje automático causal permite hacer preguntas más ricas y naturales sobre la medicina. Este método tiene un enorme potencial para mejorar cualquier otro verificador de síntomas actual –asegura–, pero también se puede aplicar a muchos otros problemas en el cuidado de la salud».
Esta tecnología allana el camino para una futura asociación entre los médicos y la IA que acelerará el diagnóstico de un médico, mejorará la precisión, liberará tiempo para los médicos y mejorará los resultados y las experiencias de los pacientes. Tiene el potencial de aumentar el trabajo de los médicos y continuar impulsando un mejor sistema de atención médica para los pacientes.
Este nuevo algoritmo causal aún no está presente en la aplicación pública de Babylon. Se lanzará cuando haya completado un mayor desarrollo y pruebas, y una vez que haya cumplido con todas las aprobaciones regulatorias necesarias en el Reino Unido y otros mercados donde se lanzará.
