Machine Learning. ¿Amenaza o progreso para el médico?
Los promotores del Machine Learning argumentan que las ventajas son enormes en eficiencia, certeza, costos y alcance de la práctica médica.
La salud es unas de las industrias tomadas como “conejillos de indias” de la tendencia de Machine Learning. Lo que ingenieros de software y médicos buscan al aplicar esta tendencia de tecnología es lograr reducir errores humanos, mejorar la calidad de la atención y hacer la salud más accesible (económica y geográficamente).
Machine Learning es una aplicación basada en algoritmos de Inteligencia Artificial que provee a un software la capacidad de aprender y mejorar en experiencia. Un software provisto con Machine Learning accede a los datos y aprende de ellos por sí mismo.
Machine Learning en la salud.
Los que están en contra
La idea futurista y Hollywoodense de que se nos acerque un humanoide y sea él el encargado de diagnosticar y tratar nuestro padecimiento; por supuesto que eso aterra tanto a médicos como a pacientes. Es natural que un humano espere que otro humano sea su médico.
Varios médicos del mundo han cuestionado y debatido sobre si la práctica médica debe abrir las puertas a la tecnología a tal punto de llegar a la escena anterior. Existen argumentos sólidos para cuestionarlo. Desde la privacidad o propiedad de los datos del paciente utilizados por el médico pasando por la “deshumanización” de la medicina y llegando hasta discusiones legales de quién sería el responsable legal si por ejemplo un robot se equivocara en el tratamiento.
Los que están a favor
Para algunos la realidad es que ya no hay marcha atrás y queda por aceptar y adaptarse a la tecnología de Machine Learning en la salud.
Los médicos e ingenieros promotores del Machine Learning argumentan que las ventajas son enormes en eficiencia, certeza, costos y alcance de la práctica médica. Es cierto que –hasta hoy– los promotores no hablan de sustituir por completo la práctica médica sino que el argumento es enriquecerla como nunca en la historia del hombre.
¿Cómo se está aplicando hoy el Machine Learning en la salud?
Prevención de cáncer con fotografías.
Google Photos o Facebook identifica y reconoce nuestro rostro y el de nuestros familiares o amigos. Esa tecnología representó la base para que con el análisis de millones de fotografías un software pueda identificar cáncer de piel u ojos en etapas tempranas, por ejemplo. Así que no nos sorprenda que en el futuro Facebook compre a una de esas empresas y ahora la red social se convierta también en un proveedor de salud.
Hacer prediagnósticos y clasificaciones.
Hoy los softwares de Expediente Clínico modernos son capaces de prediagnosticar y sugerir tratamientos al médico con los datos iniciales de consulta. Así se logra que los médicos sean más rápidos y eficientes en su consulta médica.
Además también estos softwares pueden beneficiar a la hospitalización porque son capaces de clasificar y hacer regresiones para contestar preguntas como cuántos días de hospitalización exactos requerirá el paciente y cuánto gastará
Originalmente publicado por José Miguel Sainz, Nov 27, 2017