En fechas recientes se ha popularizado un término dentro del ámbito tecnológico. Se trata del machine learning y aunque se asocia con la informática en realidad también se puede aplicar con el trabajo de los médicos. Se trata de una nueva herramienta que no sólo puede acelerar el tiempo para el desarrollo de fármacos, sino también reducir la carga administrativa de los doctores, lo que se traduce en un menor riesgo al Síndrome de Burnout.
También lee: ENARM: ¿Cuántos médicos extranjeros presentan el examen según la CIFRHS?
¿Qué es el machine learning?
El machine learning o aprendizaje automático es una rama de la Inteligencia Artificial (IA) que permite a las computadoras aprender y tomar decisiones por sí mismas sin necesidad de ser programadas explícitamente para cada tarea.
Para explicarlo de otra forma, actúa como un copiloto clínico de alta precisión. Mientras que un médico humano basa sus decisiones en su experiencia y en la literatura científica que ha podido estudiar, un modelo tecnológico puede cruzar en segundos millones de historiales clínicos, estudios genómicos, imágenes radiológicas y signos vitales en tiempo real para ofrecer recomendaciones basadas en evidencia masiva.
Beneficios que ofrece el machine learning a los médicos
Antes que nada es importante aclarar que el machine learning no tiene el objetivo de reemplazar el juicio de los médicos, sino potenciarlo. Además sus beneficios se traducen en cuatros aspectos generales.
Diagnóstico de precisión y detección temprana
El machine learning es extraordinariamente hábil para encontrar anomalías sutiles que el ojo humano puede pasar por alto debido al cansancio o a la saturación visual. Existen algunas especialidades médicas en donde este aspecto es más notorio.
- Radiología y Oncología: Algoritmos de visión por computadora analizan tomografías, resonancias y mastografías para detectar microcalcificaciones o nódulos pulmonares en etapas incipientes, reduciendo significativamente los falsos negativos.
- Dermatología: Análisis de imágenes dermatológicas para diferenciar con alta precisión un lunar benigno de un melanoma.
Medicina personalizada y predictiva
Tradicionalmente, los tratamientos se diseñan basándose en “el paciente promedio”. El machine learning permite transicionar hacia una medicina adaptada al código genético y estilo de vida de cada individuo.
- Modelos de riesgo: Predecir qué pacientes ingresados en urgencias tienen mayor probabilidad de desarrollar sepsis en las próximas horas, permitiendo al personal de enfermería y terapia intensiva actuar antes de que aparezcan los síntomas críticos.
- Farmacogenómica: Analizar bases de datos moleculares para predecir qué pacientes responderán mejor a una terapia oncológica específica o quiénes tienen mayor riesgo de sufrir reacciones adversas graves.
También lee: IMSS fortalece su Centro Virtual para Emergencias y Desastres: así funciona durante el Mundial
Reducción del Síndrome de Burnout
Una parte importante del agotamiento médico o Síndrome de Burnout proviene del tiempo invertido en llenar expedientes clínicos y realizar tareas burocráticas.
- Procesamiento de Lenguaje Natural (PLN): Herramientas de machine learning pueden “escuchar” la consulta médico-paciente y transcribirla de forma estructurada directamente al Expediente Clínico Electrónico, devolviéndole al médico tiempo valioso para mirar e interactuar con su paciente.
- Triaje automatizado: Priorización de flujos de trabajo en urgencias o priorización de la lectura de estudios de imagen.
Aceleración en el desarrollo de fármacos
El proceso de llevar un nuevo medicamento al mercado suele tomar más de una década. El machine learning pretende revolucionar este campo al simular interacciones químicas a nivel molecular en entornos virtuales, seleccionando en semanas los compuestos candidatos con mayor probabilidad de éxito antes de pasar a los ensayos clínicos en humanos.
Al final, el verdadero beneficio del machine learning es liberar a los médicos de las tareas mecánicas y analíticas repetitivas para que pueda concentrarse en lo que mejor sabe hacer: el arte de curar y cuidar al paciente.
