La inteligencia artificial (IA) generativa tiene un gran potencial para ayudar a los consumidores de servicios sanitarios a lo largo de su recorrido de salud, desde proporcionar información sanitaria fiable y garantizar niveles de atención adecuados hasta diseñar intervenciones para el tratamiento de los pacientes.
Las mayores barreras para adoptar la IA generativa en la atención sanitaria son la desconfianza de los médicos y del público, las lagunas en los datos de referencia y la escalabilidad en entornos con pocos recursos.
Fomentar la adopción de la IA generativa en la atención sanitaria depende de mantener los modelos relevantes con los conocimientos adecuados, la empatía humana y los datos, y de supervisar el sesgo mientras se abordan las barreras de costos.
Desde al menos la década de 1970, la inteligencia artificial (IA) se ha presentado como la solución a algunos de los problemas más difíciles de la atención sanitaria. Hasta ahora, la realidad no ha estado a la altura de lo que prometía el entusiasmo generado.
La IA generativa, en concreto los grandes modelos de lenguaje como los que sustentan ChatGPT, ofrece una nueva modalidad poderosa para mejorar la salud mundial y la atención sanitaria. El Foro Económico Mundial y ZS entrevistaron a líderes de la atención sanitaria, la tecnología, el ámbito académico y otros sectores para evaluar el potencial transformador de la IA generativa en la atención sanitaria, las barreras más significativas para su adopción y las medidas que las partes interesadas deben tomar para superarlas.
Los hallazgos son objeto del libro blanco conjunto del Foro y ZS Patient-First Health With Generative AI: Reshaping the Care Experience (enero de 2024), que arroja luz sobre el momento oportuno de las soluciones de IA generativa, su potencial y lo que debe ocurrir para que la IA generativa se implemente con éxito en la atención sanitaria.
La IA generativa para la atención al paciente: por qué ahora
Aunque la IA generativa ya se utiliza para descubrir nuevos candidatos a fármacos, revolucionar los ensayos clínicos y más, su mayor oportunidad a corto plazo puede ser contribuir a reimaginar la experiencia del paciente.
La pandemia de COVID-19 agravó los males existentes de la atención sanitaria, incluido el aumento vertiginoso del agotamiento de los médicos y la creciente presión financiera sobre los sistemas de salud mundiales. La grave escasez de profesionales sanitarios – la Organización Mundial de la Salud estima la brecha en 15 millones en la actualidad, aproximadamente el 95% de los cuales se encuentra en países de ingresos bajos y medianos, lo que supone el mayor riesgo para la salud mundial, ya que el acceso desigual al tratamiento amplía las desigualdades sanitarias y aumenta la creciente carga asistencial que supone tratar a pacientes con enfermedades crónicas.
Mientras tanto, la consumerización de la salud sigue impulsando la transformación de la atención sanitaria, ya que los pacientes buscan cada vez más desempeñar un papel más activo en la gestión de su salud. Pero este fenómeno entraña riesgos: los pacientes con baja alfabetización en salud pueden caer presa de información sanitaria inexacta o engañosa en internet, y el uso creciente de herramientas digitales de salud para registrar y gestionar la salud desborda la capacidad de los médicos para utilizar nuevas fuentes de datos.
La IA generativa, con su capacidad para imitar el habla humana, procesar datos no estructurados (que representan el 80% de toda la información médica) y resolver una gran variedad de problemas con un entrenamiento mínimo, puede afrontar estos desafíos comunicándose directamente con los consumidores de servicios sanitarios y, de este modo, reforzar la preocupante brecha de profesionales sanitarios.
Cómo la IA generativa revolucionará la atención al paciente
Asistencia para la educación sanitaria
En una encuesta realizada antes de que ChatGPT se generalizara, el 94% de los consumidores de servicios sanitarios de EE. UU. afirmó que busca información sanitaria en internet. Sin embargo, los estudios han constatado de forma sistemática que pocos sitios web de salud cumplen los umbrales de calidad establecidos y que la mayoría de los consumidores de servicios sanitarios de EE. UU. tienen habilidades limitadas de alfabetización en salud. Los grandes modelos de lenguaje entrenados con datos de salud de alta calidad en todos los idiomas pueden ofrecer información sanitaria correcta y accesible, y por tanto susceptible de aplicarse, a los usuarios independientemente de su ubicación, nivel educativo o contexto cultural.
Copilotos para el triaje de pacientes
Dada la escasez de profesionales sanitarios, los sistemas de salud necesitan ayuda para redirigir los recursos de los pacientes no urgentes hacia quienes requieren una atención oportuna y muy personalizada. Los primeros «asistentes virtuales de atención» no han logrado escalar debido a la falta de modelos de código abierto para las más de 7.000 lenguas que se hablan en el mundo y a la limitada comprensión de los matices culturales y de los distintos modelos de sistemas de salud por parte de la IA predictiva. Con un entrenamiento específico y culturalmente diverso, los grandes modelos de lenguaje pueden ayudar a los prestadores de servicios sanitarios a estratificar de forma segura a los pacientes que ingresan en el sistema de salud y a canalizar su atención en consecuencia.
Gestión de enfermedades
En su primer año de tratamiento, hasta el 60% de los pacientes con enfermedades crónicas omiten dosis, toman una dosis incorrecta o abandonan el tratamiento por completo, lo que supone para los sistemas de salud costos de cientos de miles de millones de dólares al año. Mientras que los algoritmos tradicionales pueden predecir cuándo es probable que un paciente abandone el tratamiento, les cuesta sugerir (y, por supuesto, ejecutar) intervenciones eficaces para que los pacientes sigan el tratamiento. La combinación de la IA clásica con la IA generativa puede crear una herramienta poderosa para gestionar las enfermedades crónicas manteniendo a los pacientes en terapia.
El riesgo de negligencia médica o ética derivado del uso responsable de la IA generativa palidece en comparación con el beneficio de ignorar esta modalidad y su potencial ilimitado para incidir en los pacientes.
Pratap Khedkar, director ejecutivo de ZS | Shyam Bishan, responsable del Centro de Salud y Atención Sanitaria; miembro del Comité Ejecutivo, Foro Económico Mundial
La necesidad de una sólida colaboración multilateral
Al igual que con la IA clásica, la desconfianza es la barrera más formidable para la adopción de la IA generativa en la atención sanitaria. Por razones que con frecuencia no están claras, los grandes modelos de lenguaje generan ocasionalmente respuestas incorrectas o engañosas. Mientras tanto, los datos de entrenamiento insuficientes o sesgados pueden producir resultados peligrosamente sesgados, y es inherentemente arriesgado introducir datos privados de salud en un modelo de IA.
Al mismo tiempo, los grandes modelos de lenguaje son actualmente muy costosos de entrenar, ajustar y ejecutar, lo que podría dejarlos fuera del alcance de muchos sistemas de salud de países de ingresos bajos y medianos. Si no somos cuidadosos, la IA generativa corre el riesgo de ampliar las desigualdades sanitarias existentes, ya que los países de ingresos altos se llevarían los mejores frutos.
Estas barreras no son insuperables. Existen cuatro medidas que las partes interesadas pueden adoptar para garantizar que todos se beneficien de los avances de la IA generativa.
Generar confianza mediante la empatía y la experiencia en la materia. Debemos priorizar el ajuste fino de los modelos con datos específicos del ámbito sanitario y pedir a los médicos que prueben y valoren las respuestas para mejorar los resultados e inculcar empatía a los modelos.
Mitigar el sesgo. Es imposible corregir por completo el sesgo inherente a los datos de entrenamiento de los modelos, por lo que mitigar el sesgo de los resultados requiere conectar el ecosistema de datos y, después, medir el sesgo de las respuestas de forma continua, especialmente cuando se utiliza en poblaciones insuficientemente atendidas.
Mantener la supervisión humana. Primero debemos educar a los pacientes y a los prestadores de servicios sobre las limitaciones de la IA generativa, en especial su potencial de alucinación (cuando el gran modelo de lenguaje percibe algo que no existe). Además, los prestadores de servicios sanitarios deben implementar procesos clínicos que mantengan la supervisión humana, sobre todo en debates de alto riesgo y con pacientes con enfermedades graves.
Planificar la escalabilidad en distintos contextos. Dadas las limitaciones de recursos, será fundamental desarrollar formas más rentables de ejecutar los grandes modelos de lenguaje. Las partes interesadas también deben trabajar para crear modelos de implementación flexibles que reconozcan las distintas necesidades de las regiones, culturas y contextos.
La salud de las personas es intrínsecamente valiosa. Toda parte interesada que desarrolle, implemente o avale una herramienta que pueda poner en riesgo la salud de un solo paciente debe actuar con cautela. No obstante, el riesgo de negligencia médica o ética derivado del uso responsable de la IA generativa palidece en comparación con el beneficio de ignorar esta modalidad y su potencial ilimitado para incidir en los pacientes.
La IA generativa podría ser el avance tecnológico más profundo de nuestra era. Sin embargo, la sociedad debe esforzarse de manera concertada por establecer las protecciones adecuadas que garanticen su uso seguro y responsable. Tenemos las herramientas para hacerlo, pero ahora necesitamos reunir la voluntad colectiva.
