Computadoras en el aprendizaje de medicina
| Introducción y objetivos |
El aprendizaje automatizado (AA) es un campo de la ciencia informática que explora y estudia técnicas para dotar a los sistemas de computación de la capacidad de aprender a través de la entrada de datos. El interés global en el potencial de aprendizaje de los sistemas de computación ha aumentado en forma sostenida en los últimos años y, consecuentemente, las técnicas de AA han hecho importantes avances en muchas áreas.
Las ciencias de la salud se han mostrado especialmente interesadas en modelos automatizados capaces de brindar decisiones diagnósticas y de establecer predicciones, basadas en el análisis de la información aportada. Los algoritmos de AA ya han demostrado una alta exactitud para el diagnóstico de ciertas enfermedades, como la retinopatía diabética.
Existe una convicción generalizada de que el AA producirá cambios importantes en las ciencias de la salud en los próximos años, especialmente en las disciplinas médicas que requieren modelos pronósticos de alta precisión (por ej., oncología) o que se basan en el reconocimiento de patrones (por ej., radiología y patología).
Sin embargo, son prácticamente inexistentes los estudios comparativos que investiguen la efectividad de los sistemas de decisiones sustentadas por AA (SDS-AA) sobre la morbimortalidad de diversas enfermedades.
Tampoco existen estudios sobre los efectos indeseables o las consecuencias adversas no intencionales producidas por la utilización de SDS-AA en la práctica clínica. El objetivo de los autores de esta revisión fue considerar los aspectos relacionados con los efectos adversos de los SDS-AA.
| Reducción de las destrezas médicas |
El desentrenamiento puede afectar la capacidad del médico para brindar una opinión informada sobre la base de los síntomas presentes, de los signos detectables y de los datos disponibles
La confianza excesiva en las capacidades de los procesos automatizados es un tema central relacionado con la incorporación de los SDS-AA a la práctica clínica, y se asocia con el concepto más amplio de la dependencia excesiva de la tecnología en las ciencias de la salud.
| Si bien la eficiencia de la introducción de sistemas de automatización es innegable en el corto plazo, a largo plazo estas herramientas pueden conducir al fenómeno del “desentrenamiento” (reducción en el operador del nivel de destreza requerido para una tarea, cuando parte de sus componentes, o todos ellos, son automatizados). Este fenómeno puede ser la causa de graves perturbaciones o de ineficiencias en el desempeño cuando ocurre una falla de los sistemas tecnológicos. |
El desentrenamiento puede afectar la capacidad del médico para brindar una opinión informada sobre la base de los síntomas presentes, de los signos detectables y de los datos disponibles. Un estudio realizado sobre interpretación de mamografías por parte de médicos radiólogos mostró una disminución de 14% en la sensibilidad diagnóstica ante imágenes detectadas por una computadora.
Otro estudio sobre médicos residentes de medicina interna observó que la precisión diagnóstica de los médicos disminuía de 57% a 48% cuando se les presentaban electrocardiogramas con un diagnóstico automatizado incorrecto.
Los autores de la revisión sostienen que es necesario efectuar en el futuro más investigaciones para definir si los SDS-AA, que pueden realizar tareas con la misma eficacia, o incluso con mayor eficacia, que las personas, pueden llevar a la pérdida de la autoconfianza del médico y afectar su disposición para proporcionar interpretaciones diagnósticas.
| Predominio del texto sobre el contexto |
Sin contexto y sin considerar la incertidumbre implícita a la clínica, los algoritmos no pueden reemplazar a la experiencia humana
Las tecnologías de AA pueden llevar a poner mayor énfasis en lo que puede considerarse como “texto” (por ej., datos brutos), a expensas de otros elementos que ofrecen mayor dificultad para ser descriptos simplemente ("contexto").
La confianza en los SDS-AA se basa en la premisa de que los datos digitales proporcionan representaciones completas y confiables del fenómeno al cual se espera que describan con precisión.
Esto puede representar un problema cuando el contexto clínico no es tenido en cuenta, particularmente si el médico no mantiene un grado de alerta sobre la existencia de elementos clínicos que no están explícitamente incluidos en la historia clínica. Esta información faltante puede desembocar en interpretaciones parciales o equivocadas de los SDS-AA.
Por otra parte, el hecho de basarse exclusivamente en decisiones diagnósticas, terapéuticas o pronósticas generadas por SDS-AA puede conducir a los médicos a un menor interés y a una menor habilidad para llevar a cabo evaluaciones holísticas de los pacientes, con una pérdida concomitante de aspectos valiosos e irreemplazables de la experiencia humana, tales como los aspectos psicológicos, relacionales, sociales y organizacionales.
Comentarios
Para ver los comentarios de sus colegas o para expresar su opinión debe ingresar con su cuenta de IntraMed.
