La salud es una de las industrias tomadas como “conejillo de indias” de la tendencia de Machine Learning. Al aplicar esta tendencia tecnológica en el sector salud, ingenieros de software y médicos buscan 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 con 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 el encargado de diagnosticar y tratar nuestro padecimiento aterra a médicos y pacientes por igual, después de todo, es natural que un humano espere que otro de la misma especie sea su médico.
En este sentido, varios médicos han cuestionado y debatido sobre si la práctica médica debe abrir sus puertas a la tecnología a tal punto que pueda llegarse a la escena planteada anteriormente. Existen argumentos bastante 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 responsable legal si, por ejemplo, un robot se equivocara en el tratamiento?
Los que están a favor
Para algunos otros la realidad es que ya no hay marcha atrás. Aún queda mucho por aceptar y adaptarse a la tecnología de Machine Learning en la salud es necesario.
Los médicos e ingenieros promotores del Machine Learning argumentan que las ventajas son enormes en eficiencia, certeza, costos y alcances de la práctica médica. Es cierto -que hasta hoy- los promotores no hablan de sustituir por completo la práctica médica, sino que el argumento se centra en enriquecerla como nunca antes en la historia de la humanidad.
¿Cómo se está aplicando hoy el Machine Learning en la salud?
Prevención de cáncer con fotografías
Google Photos o Facebook identifican y reconocen nuestro rostro y el de nuestros familiares o amigos. Dicha tecnología representó la base para que, con el análisis de millones de fotografías, un software sea capaz de identificar el cáncer de piel y ojos en etapas tempranas, por ejemplo. Así que no nos sorprenda que en el futuro Facebook compre una de esas empresas y la red social se convierta también en un proveedor de salud más.
Hacer pre-diagnósticos y clasificaciones
Hoy día los softwares de Expediente Clínico modernos son capaces de pre-diagnosticar 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?
José Miguel Sainz se desempeña como director de mercadotecnia en Ecaresoft y es miembro del equipo fundador de Nimbo X.
