"Einstein no era malo en el colegio y la inteligencia artificial (IA) no es lo que creemos que es. Su concepto no para de cambiar". La conferencia inaugural del 23 Congreso Nacional Farmacéutico versó sobre la Inteligencia artificial en salud: separando hechos de ficción y así la empezó Ignacio Hernández ...
"Einstein no era malo en el colegio y la inteligencia artificial (IA) no es lo que creemos que es. Su concepto no para de cambiar". La conferencia inaugural del 23 Congreso Nacional Farmacéutico versó sobre la Inteligencia artificial en salud: separando hechos de ficción y así la empezó Ignacio Hernández Medrano, neurólogo por el Hospital Ramón y Cajal de Madridy cCo-fundador y director Médico de Savana. El concepto es dinámico, líquido. En este momento histórico es algo muy concreto: "El traductor de Google traduce todos los idiomas del mundo, pero no conoce ninguno. Poque ha visto muchos ejemplos en Internet. Los niños aprenden por repetición. Aprender por reglas es menos eficiente que aprender por casos". La traducción es machine learning. Lo que da es "problemas resueltos". Desde que se introdujo el aprendizaje automático, los ordenadores son más listos desde que pueden aprender.
Añadió que los residentes de los hospitales también aprenden por repetición. Desde que vamos al colegio desde pequeñitos, funcionamos por repetición. Las aprobaciones por la FDA de sistemas de IA ya en práctica real no paran de crecer. Llevamos diez años. No es el futuro, sino el presente. "Las máquinas ven más que nosotros. Por eso estamos como locos por la IA en Sanidad. Nos permite ver más lejos", dijo. Se puede predecir sensibilidad a una droga en cáncer. Cada vez hay más herramientas que no paran de llegar. Defendió que es más poderoso distinguir algo en el futuro que hacerlo en el presente. En lo sanitario, se tendrán algoritmos de machine learning que clasifiquen, por ejemplo, a través del fondo de ojo. "Es fondo de ojo y quién tendrá fallo renal", matizó. Machine learning es diagnóstico, predicción del riesgo. Ayudara a clasificar a los pacientes. Como clínico, a él lo que le fascina es que se puede adelantar qué paciente tendrá un rebrote, te acerca a la medicina personalizada.
Remarcó que 2024 es el momento en el que se mezclan varias capas de datos. Lo definió como multi-modal. Es predicción, lo cambia todo, por lo que hay que dar a los gestores una buena infraestructura de capa de datos, el data-lake. Estamos entrando en esto. Tras la pandemia, se han liberado fondos para crear estos lagos de datos.
Habló de las limitaciones, del GAP entre la eficacia y la efectividad. Empieza a haber unas guías para asegurar que los data lakes son correctos. Se ha avanzado en tener herramientas que den validez de la IA. Incluso, se está entando en la fase de tener ensayos clínicos. Va llegando a la práctica clínica. No siempre sabes que los utilizas. El ensayo clínico más grande hasta la fecha en IA ha sido en Suecia, con 30.000 mujeres, con mamografías.
De la IA generativa, describió que aprende y que te da algo nuevo. Esto se puede llevar a la imagen. Le das muchos caballos y te pinta un nuevo caballo. Le das muchos textos y te da un nuevo texto. La IA generativa irrumpirá en lo sanitario. Se verá en todo lo que tenga que ver, por ejemplo, con documentación clínica. Se verá en los sistemas de farmacia hospitalaria.
La predicción contrafactual es otro ejemplo. El ser humano entiende el contexto. Es la inteligencia narrativa. Eso no lo tiene el machine learning, que sólo puede pensar de manera lógica. Las máquinas no pueden sustituir a los humanos porque no son funcionales. Eso sí, son herramientas para los seres humanos.
