La revolución de la Inteligencia Artificial en la Medicina: perspectivas de Julio Mayol

En el marco del ciclo Megatrends2024 organizado por la Fundación Innovación Bankinter, se ha llevado a cabo un apasionante webinar con el destacado catedrático de cirugía, Julio Mayol. Este evento se inscribe dentro de una serie de encuentros que abordan las megatendencias identificadas en nuestro informe anual, el cual ofrece una visión prospectiva del futuro basada en el consenso de más de 800 expertos internacionales y nacionales.

Megatrends2024: un vistazo al futuro

El informe Megatrends2024 es una herramienta esencial para anticiparse a los cambios tecnológicos y sociales que moldearán nuestro futuro. Entre las diez megatendencias destacadas, dos fueron el foco de nuestro reciente webinar: la inteligencia artificial y la medicina de precisión. Estas tendencias prometen revolucionar sus respectivos campos y presentan una confluencia que redefine la forma en que entendemos y practicamos la medicina.

El webinar: Inteligencia artificial y la nueva frontera de la medicina

Durante el webinar titulado «Inteligencia artificial: la nueva frontera de la medicina«, Julio Mayol aborda el tema de cómo la Inteligencia Artificial (IA) está transformando la medicina en una disciplina más predictiva, preventiva, personalizada, equitativa y participativa. Explora la revolución que la IA representa en la mejora de la calidad del cuidado médico, optimizando procesos desde el diagnóstico hasta el tratamiento y habla de cómo la IA está marcando la nueva frontera en la medicina, prometiendo revoluciones significativas en la forma en que se practica y se entiende el cuidado de la salud.

Julio Mayol, con una carrera que abarca desde su formación en la Universidad Complutense de Madrid y el Hospital Beth Israel de Boston, hasta su rol como delegado del decano para nuevas tecnologías y comunicación, comparte su vasta experiencia y visión sobre el impacto de la IA en la medicina. Según Mayol, estamos en el umbral de una revolución que cambiará profundamente la estructura de poder en las sociedades, al permitir que los pacientes interactúen directamente con sistemas de IA para la toma de decisiones sobre su salud.

Si quieres ver el webinar, aquí puedes hacerlo:

IA: la nueva frontera de la medicina con Julio Mayol

A continuación, resumimos las ideas y reflexiones de Julio Mayol:

La inteligencia artificial sigue siendo un tema central de este momento, especialmente la inteligencia artificial generativa, pero también en otras áreas como la robótica o el machine learning. Y, por otra parte, la medicina de precisión sigue avanzando, logrando hitos como la reciente aprobación por parte de la Comisión Europea de un tratamiento basado en la adición genética para curar enfermedades previamente incurables.

Un poco de perspectiva: el origen de la IA

La inteligencia artificial (IA) se define como la capacidad de las máquinas para simular habilidades cognitivas humanas como razonar, aprender, planificar y crear. Este concepto ha evolucionado gracias a los esfuerzos de muchas personas, pero tres figuras destacan especialmente:

• Ada Lovelace: hija de Lord Byron, es considerada la primera persona en crear una máquina que podía pensar, un concepto revolucionario para su tiempo.
• Alan Turing: considerado el verdadero artífice de la revolución de la IA. Aunque Turing nunca usó el término «inteligencia artificial», sus ideas sobre computación y la formulación del concepto teórico de la máquina de Turing en 1936 sentaron las bases de la computación moderna. En 1950, publicó el artículo «¿Pueden las máquinas pensar?» en la revista MIND, introduciendo el famoso Test de Turing.
• John von Neumann: matemático y polímata, fue mentor de Alan Turing y desarrolló la arquitectura de los ordenadores que conocemos hoy. Su trabajo durante la Guerra Fría, particularmente en la estrategia de la «destrucción mutua asegurada», también tuvo un impacto significativo en el desarrollo de la IA.

El desarrollo de la IA ha pasado por diferentes etapas y desafíos. En 1955, John McCarthy acuñó por primera vez el término «inteligencia artificial» y organizó el Dartmouth Summer Research Project, donde definió la IA como la construcción de máquinas capaces de usar el lenguaje, formar abstracciones y conceptos, resolver problemas y mejorarse a sí mismas.

El progreso en la IA ha sido impulsado por tres habilitadores claves desde 2005:

1. Conocimientos sobre el cerebro humano: especialmente a partir de los descubrimientos de Ramón y Cajal sobre cómo las neuronas forman redes para procesar información, lo que inspiró las redes neuronales y el aprendizaje profundo.
2. Big Data e Internet de las Cosas: la acumulación de grandes cantidades de datos etiquetados ha facilitado el entrenamiento de redes neuronales.
3. Gran capacidad de procesamiento y computación: los avances en hardware han permitido manejar y procesar estos datos a gran escala.

Estos habilitadores han dado lugar a dos grandes campos de la IA: la IA discriminativa, que predice resultados futuros basándose en datos históricos, y la IA generativa, que puede crear nuevos resultados a partir de datos previos, produciendo así algo totalmente nuevo.

La revolución de la IA generativa en la medicina

La inteligencia artificial generativa está provocando una transformación profunda en la medicina, comparable a revoluciones históricas como la industrial o la invención de la imprenta. Antiguamente, los médicos eran vistos como los «magos de la tribu» con un conocimiento exclusivo que les otorgaba un gran poder. Con la revolución científica, esta figura evolucionó hacia un enfoque basado en la experimentación y el ensayo clínico. En el siglo XXI, la IA generativa está desplazando al médico como el único intermediario del conocimiento, permitiendo que los pacientes interactúen directamente con sistemas de IA para tomar decisiones sobre su salud. Esta tecnología está impactando todos los dominios de la atención sanitaria, desde la generación y gestión del conocimiento, hasta la educación y la práctica clínica. Sin embargo, esto ha llevado a que los profesionales médicos pasen más tiempo interactuando con sistemas de información que con los pacientes.

Un ejemplo destacado de las capacidades de la IA generativa es su aplicación en la creación de pacientes sintéticos. Esto se puede utilizar para suplir la falta de datos en ciertos estudios, facilitando la realización de ensayos clínicos complejos y costosos. Además, la UNESCO ha abordado el uso de herramientas como ChatGPT en la investigación y educación superior, señalando sus múltiples aplicaciones y abriendo debates sobre la propiedad intelectual y la ética en el uso de estos sistemas.

La inteligencia artificial generativa también juega un papel crucial en la educación y formación médica. Julio Mayol menciona que él mismo utiliza un agente basado en GPT para responder preguntas de sus estudiantes las 24 horas del día, los 7 días de la semana, sobre cualquier tema relacionado con la patología quirúrgica de cuarto de medicina. Este sistema también genera preguntas del MIR para entrenar a los estudiantes sin necesidad de recurrir a academias tradicionales.

El potencial de estas herramientas fue probado junto a Álvaro Fuentes, un antiguo estudiante que ahora es cirujano torácico en el Hospital Río Clínico de Valladolid. Comprobaron que GPT 3.5, sin entrenamiento específico, podía superar las oposiciones de cirujano torácico en el Servicio Andaluz de Salud. Además de GPT, existen otros modelos como Med-Gemini, una IA de Google específicamente entrenada para medicina, que supera a GPT-4 en el examen USMLE, y además puede interactuar con videos quirúrgicos para entrenar a los estudiantes en procedimientos complejos.

Otro avance significativo es la creación de la herramienta Dx29 por Julián Isla de la Fundación 29, diseñada para diagnosticar enfermedades raras. Esta herramienta, que utiliza IA generativa, está integrada en el sistema de atención primaria de Madrid y ayuda tanto a pacientes como a profesionales a diagnosticar con mayor precisión. Dx29 ya ha identificado a cinco niños con enfermedades raras y cuenta con más de 500 usuarios diarios, demostrando su impacto en la medicina moderna.

El futuro de la IA en la medicina

El futuro de la inteligencia artificial (IA) en la medicina promete ser aún más revolucionario de lo que ya hemos visto. Muchas personas subestiman el impacto potencial de la IA generativa, pero su capacidad para transformar el sector salud es inmensa. Un ejemplo de esta evolución es NAV29, una herramienta desarrollada en colaboración con Julián Isla y su fundación, diseñada para que los pacientes gestionen su propia información y tomen decisiones informadas sobre su salud. Este enfoque cambia la dinámica tradicional entre médicos y pacientes, otorgando más poder y conocimiento a estos últimos.

En términos de acceso a tratamientos y diagnósticos, el proyecto AiCCESS, en el que participa el Dr. Mayol, busca utilizar IA generativa para abordar las carencias en cirugía segura, obstetricia y anestesia para millones de personas en todo el mundo. Este proyecto involucra a cirujanos e investigadores de Estados Unidos, Escocia y el Hospital Clínico San Carlos.

En otro ámbito completamente diferente, Johnson & Johnson y Verb Surgical destacan en el campo de la cirugía robótica, utilizando redes neuronales convolucionales para acelerar el aprendizaje y mejorar la práctica quirúrgica. La IA también tiene el potencial de revolucionar el diseño de fármacos y soluciones terapéuticas a nivel molecular.

El cambio que la inteligencia artificial (IA) está trayendo es profundo y aún estamos comenzando a entender su verdadero alcance. La IA tiene la capacidad de presentar habilidades cognitivas similares a las humanas, lo que plantea preguntas interesantes: ¿puede la IA alucinar, olvidar o desarrollar demencia? ¿Pueden mentir las máquinas? Las alucinaciones en las IA son comparables a mentiras, ya que estas máquinas intentan satisfacer nuestras expectativas basándose en patrones de comportamiento que encuentran en los datos con los que han sido entrenadas. Un fenómeno conocido es el catastrophic forgetting, que ocurre cuando una red neuronal se sobreentrena con ciertos datos, llevando a un olvido drástico de información anterior. Otro problema es el aprendizaje incestuoso, que se da cuando una IA se entrena con productos generados por otras IA en lugar de datos diversos, lo que deteriora la calidad del modelo hasta colapsarlo. Estos desafíos subrayan la importancia de diversificar las fuentes de datos y de ser conscientes de los límites y riesgos inherentes a la inteligencia artificial, especialmente en aplicaciones críticas como la medicina.

¿Y puede demostrar la IA empatía? un estudio publicado en JAMA Internal Medicine comparó las respuestas de máquinas y médicos a preguntas formuladas por pacientes en redes sociales, concluyendo que el 80% de las respuestas de las máquinas eran consideradas más empáticas que las de los humanos. Esto demuestra la capacidad de la IA para simular empatía, aunque no sienta como los humanos.

Además, un test de Turing realizado para evaluar la personalidad de chatbots como GPT 3.5 y GPT 4 mostró que estos modelos pueden comportarse de manera similar a los humanos en diversas dimensiones de la personalidad. Esto se debe a que han sido entrenados con datos humanos, desarrollando habilidades cognitivas comparables a las nuestras.

En conclusión, la IA generativa está en camino de redefinir completamente el panorama médico, desde la relación entre pacientes y profesionales hasta el diseño y la implementación de tratamientos avanzados.

Cómo preparar a tu organización para la IA

• Actuar con rapidez: la evolución de la IA es extremadamente rápida. Nuevas versiones y tecnologías emergen constantemente, como fue el caso reciente de GPT-4o de OpenAI y Gemini de Google. Es crucial mantenerse al día y adaptarse rápidamente a estos cambios.
• Comprender los principios básicos: no es necesario ser un experto, pero sí es fundamental entender cómo funciona la IA. Los modelos de lenguaje como los Large Language Models se basan en álgebra lineal y estadística. Conocer estos fundamentos ayuda a establecer expectativas realistas y aprovechar la IA eficazmente.
• Desarrollar una estrategia clara: es vital tener un propósito definido para el uso de la IA en medicina. Identificar los objetivos y cómo la IA puede contribuir a alcanzarlos asegura una implementación dirigida y efectiva.
• Abordar problemas éticos y legales: la implementación de IA en medicina debe considerar los aspectos éticos y legales. Es crucial establecer directrices claras para el uso responsable de la IA, protegiendo tanto a los pacientes como a los profesionales.
• Identificar casos de uso valiosos: es importante identificar en qué áreas la IA puede generar el mayor valor y mejorar la vida de las personas. Esto permite una utilización más focalizada y efectiva de la tecnología.
• Invertir en innovación y cambio cultural: la adopción de la IA requiere, además de inversión en tecnología e innovación, un cambio cultural. Los profesionales deben estar abiertos a nuevas formas de trabajar y colaborar con la IA.
• Formación y entrenamiento: la educación continua es esencial. Reskilling y upskilling de los trabajadores aseguran que estén preparados para utilizar las nuevas herramientas de IA y enfrentarse a los desafíos del futuro.

Preparar una organización para la inteligencia artificial (IA) es esencial para aprovechar al máximo su potencial y enfrentar los desafíos que plantea, cuenta Julio Mayol. Presenta los pasos clave para estar listo para la IA:

Por último, dice el Dr. Mayol, necesitamos arquitectos de futuro, visionarios que puedan diseñar y guiar el uso ético de la IA. Toda nueva tecnología trae nuevas responsabilidades. Es fundamental coordinar los esfuerzos para evitar que la carrera por el control de la IA termine en tragedia.

“El sueño de nuestra especie es sustituirnos, debemos volver a lo básico, debemos volver a los principios, abandonar las pantallas y volvernos a la interacción humana.”

Julio Mayol

Preguntas y respuestas con Julio Mayol

A continuación, resumimos el turno de preguntas y respuestas del Dr. Mayol con la audiencia:

¿Qué innovaciones en inteligencia artificial estás más entusiasmado por ver desarrolladas en el campo de la medicina en los próximos años?

Estoy entusiasmado por aquellas innovaciones que mejoren la calidad de vida y la equidad en el acceso a servicios médicos, eliminando prácticas innecesarias y mejorando la seguridad del paciente. La IA debe permitir a los profesionales de la salud enfocarse más en los pacientes y menos en las máquinas.

¿Crees que tendremos una máquina-médico en casa en el futuro próximo?

No en un futuro inmediato, pero ya contamos con tecnologías que desempeñan funciones similares, como ChatGPT.

¿Podrías compartir algún caso de éxito específico donde la inteligencia artificial haya tenido un impacto significativo en el cuidado de un paciente en concreto?

La herramienta Dx29 en Madrid está ayudando a diagnosticar enfermedades raras, reduciendo considerablemente el tiempo necesario para obtener un diagnóstico.

¿Qué tipo de estudios y evidencias se requieren para validar la efectividad y seguridad de las aplicaciones de Inteligencia Artificial en Medicina?

La IA discriminativa se valida con ensayos clínicos comparando su precisión con diagnósticos humanos. La IA generativa, debido a su naturaleza cambiante, es más difícil de validar y requiere establecer claras responsabilidades en su uso.

¿Qué futuros avances en el campo de la visión artificial en el campo médico piensas que vendrán en el futuro cercano?

Es posible que en el futuro cercano podamos capturar imágenes del cerebro y convertirlas mediante IA para que personas sin visión puedan «ver» su entorno.

¿Y se están poniendo en práctica temas ya para la demencia? ¿Hay avances en esto?

Aunque hay investigaciones en curso para encontrar biomarcadores y nuevas moléculas mediante IA, aún no existen soluciones efectivas implementadas para la demencia.

¿Crees que estamos muy lejos de las máquinas autodoc que diagnostican y curan por sí solas, que vemos en las películas de ciencia ficción?

En los próximos cinco o diez años, probablemente no. Sin embargo, en regiones con acceso limitado a médicos, cualquier avance en IA sería muy significativo.

Con respecto a la propiedad de los resultados obtenidos con la Inteligencia Artificial, ¿quién sería el propietario final: el sujeto que realiza la consulta, el creador del método de Inteligencia Artificial o los sujetos cuyos datos han sido utilizados para entrenar los modelos?

Este es un debate legal no resuelto. Actualmente, se cuestiona cómo se han entrenado los modelos de IA y con qué datos, planteando desafíos sobre la propiedad y la autorización de uso de estos datos.

¿Qué tan viable es la predicción o detección de enfermedades mentales con alta precisión utilizando la clasificación de imágenes?

Las herramientas actuales permiten diagnosticar condiciones neurológicas específicas y descartar lo que es normal, pero aún no hay soluciones prácticas y efectivas para predecir enfermedades mentales con alta precisión.

¿Qué recomendaciones tienes para la formación de futuros médicos en el uso de la inteligencia artificial?

Es necesario reformar los programas de formación médica para incluir la IA desde el primer año. En la Universidad Complutense, hemos lanzado una asignatura sobre la Aplicación Práctica de la IA, pero los currículos deben adaptarse para evitar la obsolescencia.

Este webinar es una muestra más del compromiso de la Fundación Innovación Bankinter con la difusión del conocimiento y la promoción de la innovación. A lo largo del año, seguiremos las megatendencias, desentrañando cómo pueden influir y mejorar diversos aspectos de nuestras vidas y la sociedad en general. Los invitamos a estar atentos a nuestros próximos eventos y a descargar el informe Megatrends2024 desde nuestra web para obtener una visión completa de las tendencias que definirán el futuro.