Читать книгу Salud y asistencia sanitaria en España en tiempos de pandemia covid-19 - Juan Carlos Alvarez Cortes - Страница 6

Como señala Alfredo Marcos, “la crisis del COVID-19 deja una enseñanza en forma de reminiscencia”, “nos muestra con nueva luz nuestra vulnerabilidad, la imposibilidad de protegernos perfectamente mediante la predicción y el control”10.

Sin embargo, las herramientas basadas en inteligencia artificial que trabajan en el campo de la predicción demuestran, especialmente en tiempos de pandemia, su tremenda utilidad para detectar el camino seguido por un virus como este, y para un amplio campo de utilidades de orden sanitario, que abarcan incluso la realización de intervenciones quirúrgicas de alta precisión y carácter reducidamente invasivo, y que habilitan su realización incluso a distancia con tecnología punta que facilita el acceso a lugares con precarias condiciones sociales o incluso en condiciones de aislamiento. La atención médica en un momento como este, que obliga a mantenerse aislados y deambular lo mínimo posible, ha propiciado el desarrollo de atención sanitaria a distancia que, si bien se ha llevado a un extremo no deseable para la correcta prestación del servicio y satisfacción plena del derecho a la asistencia sanitaria, sobre todo a todas las personas con dificultades tecnológicas o de acceso a medios que faciliten la efectividad de tal atención virtual, también está ofreciendo posibilidades que convendría explotar en el futuro post-pandémico. Así, la atención a cuestiones ligadas a la prestación sanitaria cuya gestión simple permita ser simplificada y dinamizada a través de sistemas de seguimiento técnico, o los mecanismos predictivos de enfermedades, con la indudable ventaja que también suponen para el sostenimiento financiero del sistema de la Seguridad Social.

Desde este punto de vista, las herramientas predictivas basadas en inteligencia artificial11 son una fuerte apuesta por la detección del fraude en las prestaciones de la seguridad social y, en el tema que nos ocupa, en las prestaciones sanitarias, en tanto permiten sistematizar con eficacia multiplicada sobre la que podría ofrecer un humano la gestión del sistema de prestaciones sanitarias y detectar el fraude en su utilización, y automatizar tareas que no requieren diagnóstico o atención humana personalizada, lo que sin duda redunda en una mejor prestación del servicio y mejora del derecho para los beneficiarios que realmente precisen de tal tipo de atención, al liberar recursos de nuestro sistema sanitario, tanto humanos como económicos.

Por otra parte, los mecanismos predictivos aludidos suponen una mejora exponencial para la precisión y calidad de la atención sanitaria, toda vez que permiten anticipar la evolución de las enfermedades y planificar con mayor eficacia el tratamiento médico aplicable. Sin duda estas ventajas son elementos de mejora del sistema de atención de nuestra sanidad pública, que redundan en una prestación de mayor calidad, y asimismo en la propia satisfacción de los beneficiarios, derivada de su precisión y en especial del abordaje de las comorbilidades que su uso permite, lo que puede significar también el perfeccionamiento de la técnica de coordinación entre los diversos especialistas implicados en tales casos para la mayor exactitud en el diagnóstico y en el tratamiento de cada enfermedad o situación.

Del mismo modo anteriormente señalado, se trata de herramientas que permiten liberar recursos para concentrarlos en otras tareas más exigentes, humanas y especializadas. Un ejemplo de ello es el análisis y contraste de imágenes médicas (diagnóstico por la imagen) con usos clínicos. Y un ejemplo particular el proyecto IFIND –Intelligent Fetal Imaging and Diagnosis– (http://www.ifindproject.com/, del King’s College de Londres), destinado a la mejora de la imagen del feto con vistas a la intervención en casos de detección de posibles errores en el desarrollo del mismo. O la detección precoz de enfermedades, a partir del uso de tecnología similar a la empleada por físicos de partículas (como la aplicada para la detección del bosón de Higgs, CERN, Ginebra). Ejemplo de estas técnicas es el sistema desarrollado por el Digital Mammography DREAM Challenge en la detección precoz del cáncer de mama, el Watson para Oncología utilizado en el Memorial Sloan-Kettering de EEUU para automatizar las opciones de diagnóstico gracias al algoritmo empleado en el análisis de bancos de datos, que permite perfilar a magna escala las estadísticas de incidencia y evolución de cada dolencia para ayudar a los especialistas humanos a afinar el diagnóstico y el tratamiento de nuevos casos, con una precisión cercana al 90%.

Es esta precisión que aporta la inteligencia artificial la que también permite afirmar que, desde el punto de vista del sostenimiento financiero del sistema de la seguridad social, aporta la indudable ventaja de descartar la aplicación de distintos tratamientos fallidos a una misma dolencia, sobre la base del método tradicional del acierto-error, lo que implica un indudable beneficio para los pacientes sometidos a interminables y erróneos tratamientos, en tanto en muchos casos (aunque no se les pueda predicar la infalibilidad, porque cada persona en sí misma es un caso y en un pequeño porcentaje no coincidirá con ningún patrón detectado por el algoritmo entrenado con miles de historiales clínicos reales) le va a liberar de tal tortura para verse expuesto a un número muy inferior de tratamientos o intervenciones médicas. Pero también lo es, sin duda, como se ha anticipado, para el propio sistema de la seguridad social, en tanto puede reducir significativamente el coste de tales tratamientos y además agilizar o reducir el periodo total de atención a cada beneficiario. Ello significa que, desde la propia financiación del sistema sanitario, debe plantearse de manera sistemática una aproximación planificada a la ordenación de la prestación sobre la base del empleo de mecanismos basados en inteligencia artificial utilizados como herramientas de asesoramiento de precisión a los profesionales en su tarea.

Por otra parte, la actual pandemia por el virus SARS-Cov-2 ha puesto de manifiesto la especialidad utilidad que la inteligencia artificial ofrece en el ámbito epidemiológico, con evidentes ventajas en el control de epidemias y la consiguiente eficiencia del sistema sanitario, aunque no debe perderse de vista un elemento crucial introducido en el debate público acerca del uso de la inteligencia artificial en aplicaciones prácticas. Desde este punto de vista, algunas cuestiones de orden ético pueden suscitar dudas sobre su conveniencia o su uso indiscriminado, como la aplicación en la priorización de pacientes realizada por los comités éticos y que podría valerse de instrumentos de inteligencia artificial para la mejora de sus códigos o catálogos éticos de priorización en los hospitales de nuestra red pública sanitaria. Como ya comienza a admitirse con general consenso, el uso de algoritmos entrenados en datos puede propender al sesgo de determinadas categorías sociales de individuos y, en particular, de las mujeres, en cuanto puede captar, convertir en patrón y proyectar sesgos sociales que detecte en los datos, creando prácticas sistemáticas de discriminación en la atención sanitaria. Sin olvidar el porcentaje de error que esta operación puede arrojar, para quienes se vean perjudicados por su fallo, también beneficiarios del sistema sanitario. O, finalmente, el propio diseño del algoritmo con sesgos o con ciertas instrucciones para crear la situación buscada desde el organismo público en concreto. En todos estos casos, la tecnoética apunta a la necesidad imperiosa de introducir un código ético del uso de algoritmos, la auditoría pública de estos, y, por supuesto, los mecanismos de revisión y también de corrección del sesgo que los programadores y desarrolladores deben incorporar en su diseño ético. Admitiendo que tales mecanismos nunca serán globales y siempre estarán dirigidos a corregir determinados sesgos previamente detectados, o que ciertos colectivos sociales no sean objeto de trato discriminatorio, mas no el sesgo que a título individual resulte de la introducción de estos mecanismos correctores (que pueden determinar que tales categorías sociales no sean excluidas de la orden incluida en la secuencia del algoritmo respecto a priorización de elementos recurrentes detectados en la alimentación de datos, por ejemplo).

Los desafíos éticos deben, pues, situarse en primer orden de esta nueva realidad de nuestra atención sanitaria, indudablemente mejorada por herramientas de apoyo basadas en inteligencia artificial. Lo que sí resulta igualmente claro es la necesidad de que los profesionales sanitarios de nuestro sistema reciban la formación necesaria para familiarizarse con su aplicación y obtener la utilidad esperada de ellas. Un plan formativo público en inteligencia artificial deviene, pues, imprescindible, como lo es también en nuestras facultades de medicina y enfermería.