Quedan por definir una serie de cuestiones relacionadas con la utilización habitual de la IA en la atención y el cuidado de pacientes, por citar algunas de las más importantes:
- Establecer normas: ¿Cómo influye la forma en que se «enseñaron» los algoritmos en su funcionamiento cuando se aplican en el mundo real?: inyectar valores humanos en los algoritmos de IA y aprendizaje automático para que los resultados obtenidos reflejen los problemas reales a los que se enfrentan los profesionales de la salud.
- Papel del aprendizaje automático y mecánico en la práctica clínica: ¿Podrían las aplicaciones impulsadas por la IA y el aprendizaje automático convertirse en su “escribano” personal y liberar su tiempo dedicado a la documentación para que el médico pueda pasar más tiempo con los pacientes? ¿Pueden las aplicaciones ayudar al médico a que haga una pregunta clave que podría ayudar en el diagnóstico diferencial? En cada una de estas áreas, se han hecho progresos. La pregunta es ¿son lo suficientemente buenos?
- Investigación clinica sobre aplicaciones de IA y “machine learning[1]”: Si tenemos un nuevo medicamento sabemos como avalarlo: ensayo clínico. Cuando la intervención es un algoritmo de IA y machine learning en lugar de un medicamento, la comunidad médica espera el mismo nivel de seguridad, pero los estándares para describir y probar las intervenciones de IA y aprendizaje automático están lejos de ser claros.
ChatGPT es un modelo de lenguaje entrenado por OpenAI. Se introdujo públicamente en noviembre de 2022 (https://openai.com/ blog/ chatgpt ) y ha demostrado una nueva forma en la que las máquinas impulsadas por IA pueden interactuar con las personas. Los chatbots de nueva generación tienen la promesa de ser un “escribano” y un entrenador, pero con algunas advertencias clave. Muchas de estas advertencias fueron descritas por los desarrolladores de ChatGPT en su lanzamiento, pero merecen una atención especial cuando se usan en medicina, según lo detallado por Lee et al.[i]
En su iteración[2] actual, la nueva generación de chatbots puede ayudar con el problema de la documentación médica y responder a preguntas clave que podrían ayudar, como se señaló anteriormente, en el diagnóstico diferencial. Pero es difícil saber si las respuestas proporcionadas se basan en hechos apropiados. La carga de corregir el trabajo del chatbot recaería en los médicos, del mismo modo que los médicos necesitan corregir las notas clínicas que dictan. La dificultad es que dicha corrección de pruebas puede estar más allá de la experiencia del usuario.
Es probable que la corrección de una nota sobre la visita de un paciente esté dentro del rango de la experiencia del médico, pero si al chatbot se le hace una pregunta típica de una «consulta de pasillo», la veracidad de la respuesta puede ser mucho más difícil de determinar.
La aplicación de mayor potencial e inquietud es el uso de chatbots para hacer diagnósticos o recomendar tratamiento. Un usuario sin experiencia clínica podría tener problemas para diferenciar la realidad de la ficción: y encontrarse con una “alucinación”[3]. Sin embargo, creemos que los chatbots se convertirán en herramientas importantes en la práctica de la medicina. Como cualquier buena herramienta, pueden ayudarnos a hacer mejor nuestro trabajo, pero si no se usan correctamente, tienen el potencial de hacer daño.
Conclusiones:
Creemos firmemente que la introducción de la IA y el aprendizaje automático en medicina está ayudando a los profesionales de la salud a mejorar la calidad de la atención que pueden brindar y tiene la promesa de mejorarla aún más en un futuro cercano y más allá. Así como la adquisición por ordenador de imágenes radiográficas acabó con la sala de archivos de rayos X y las imágenes perdidas, la IA y el aprendizaje automático pueden transformar la medicina.
Los profesionales de la salud descubrirán cómo trabajar con la IA y el aprendizaje automático a medida que crezcamos junto con la tecnología. La IA y el aprendizaje automático no dejarán fuera de juego a los profesionales de la salud; más bien, harán posible que los profesionales de la salud hagan mejor su trabajo y dejarán tiempo para las interacciones interpersonales que hacen de la medicina la profesión gratificante que todos valoramos.
[1] El machine learning o aprendizaje automático es una rama de la inteligencia artificial que permite a las computadoras aprender y mejorar sin ser programadas.
[2] Una Iteración, en el contexto de los algoritmos de aprendizaje automático y la inteligencia artificial, es un paso individual en un proceso secuencial, generalmente dentro de un bucle de entrenamiento
[3] Las alucinaciones de IA son resultados incorrectos o engañosos que generan los modelos de IA.
[i] Lee P, Bubeck S, Petro J. Benefits, limits, and risks of GPT-4 as an AI chatbot for medicine. N Engl J Med 2023;388: 1233-9.
Bibliografía de “La formación y la práctica médica en la era de la Inteligencia Artificial”
[1] ¿Qué es la Inteligencia Artificial? https://planderecuperacion.gob.es/noticias/que-es-inteligencia-artificial-ia-prtr
2 Enciclopedia Británica. Consultada el 24 de marzo de 2025 https://www.britannica.com/technology/artificial-intelligence
3 Wartman SA, Combs CD. Medical Education Must Move from the Information Age to the Age of Artificial Intelligence. Acad Med. 2018 Aug;93(8):1107-1109. doi: 10.1097/ACM.0000000000002044. PMID: 29095704.
4 Clusmann, J., Kolbinger, F.R., Muti, H.S. et al. The future landscape of large language models in medicine. Commun Med 3, 141 (2023). https://doi.org/10.1038/s43856-023-00370-1
5First Derm https://www.firstderm.com/es/guia-de-la-piel/
6Pahola es la primera trabajadora digital de salud dedicada a temas relacionados con el alcohol. Fue desarrollada por la Organización Panamericana de la Salud y puesta en marcha en noviembre del 2021. https://iris.paho.org/handle/10665.2/56371
7 AI in Medical Education: Empowering Medical Professionals with AI Training
8 Kundu, S. How will artificial intelligence change medical training? Commun Med 1, 8 (2021). https://doi.org/10.1038/s43856-021-00003-5
9 Densen P. Challenges and opportunities facing medical education. Trans Am Clin Climatol Assoc. 2011;122:48-58. PMID: 21686208; PMCID: PMC3116346.
10 Alper BS, et al. How much effort is needed to keep up with the literature relevant for primary care? J. Med. Libr. Assoc. 2004;92:429. [PMC free article] [PubMed] [Google Scholar]
[1]1 Dalen JE, Ryan KJ, Alpert JS. Where have the generalists gone? They became specialists, then subspecialists. Am. J. Med. 2017;130:766–768. doi: 10.1016/j.amjmed.2017.01.026. [DOI] [PubMed] [Google Scholar]
12 Technologies That Are Changing Health Care. University of San Diego. https://onlinedegrees.sandiego.edu/8-technologies-changing-healthcare/ Consultado el 8 de abril de 2025.
[1]3 Asociación Española para la calidad. Diagrama causa-efecto. https://www.aec.es/conocimiento/centro-del-conocimiento/diagrama-de-causa-efecto/
14 Komorowski M, Celi LA, Badawi O, Gordon AC, Faisal AA. The artificial intelligence clinician learns optimal treatment strategies for sepsis in intensive care. Nat. Med. 2018;24:1716-1720. doi: 10.1038/s41591-018-0213-5.[DOI] [PubMed] [Google Scholar].
15 CloudMedx Inc. AI outperforms human doctors on a US medical exam. medium.com/cloudmedx/ai-outperforms-human-doctors-on-a-us-medical-exam-31b916666b3d (2019)
16 Charlotte J. Haug, M.D., Ph.D., and Jeffrey M. Drazen, M.D. Artificial Intelligence and Machine Learning in Clinical Medicine, 2023. N Engl J Med 388;13, March 30, 2023
18 María José Aguilera-Chuchuca, Sergio A. Sánchez-Luna, Begoña González Suárez et all. El papel emergente de la inteligencia artificial en la endoscopia gastrointestinal: una revisión de la literatura. Gastroenterología y Hepatología 45 (2022) 492—497
19 Lee P, Bubeck S, Petro J. Benefits, limits, and risks of GPT-4 as an AI chatbot for medicine. N Engl J Med 2023;388: 1233-9.
