Intel·ligència artificial en medicina amb el Dr. Fernando Eiras | Código Médico

La intel·ligència artificial fa temps que es desenvolupa en l’àmbit sanitari, però en els darrers anys ha començat a incorporar-se de manera més visible als hospitals i als serveis clínics.

En aquest capítol de Código Médico, el Dr. Gonzalo Baquero entrevista el Dr. Fernando Eiras, metge intensivista amb experiència en el desenvolupament de models d’intel·ligència artificial aplicats a la medicina i a la farmacologia.

A partir de la seva tasca a l’UCI i en projectes de recerca, el Dr. Eiras comparteix com s’estan utilitzant aquestes eines, quins límits presenten i quins aspectes cal tenir en compte abans d’integrar-les en el dia a dia assistencial.

La UCI: on les dades obren noves possibilitats

Un dels punts de partida és clar: la UCI és un dels espais de l’hospital on es generen més dades en temps real.

Monitoratge continu, respiradors, hemofiltres, dispositius que registren constants de manera permanent… Aquest volum d’informació converteix la UCI en un entorn especialment interessant per entrenar models predictius.

Quan es parla d’intel·ligència artificial en medicina en aquest context, es fa referència a eines capaces de detectar patrons i anticipar possibles deterioraments abans que siguin evidents. No substitueixen la valoració clínica, però poden aportar una capa addicional d’anàlisi basada en dades.

Quines aplicacions reals s’estan desenvolupant

Sota el terme “intel·ligència artificial” s’hi inclouen tecnologies molt diverses. No és el mateix un model clàssic de Machine Learning que un model de llenguatge natural.

A l’hospital del Dr. Eiras treballen en diverses línies:

Models predictius

Per exemple, en pacients amb hemorràgia subaracnoidal, amb l’objectiu d’anticipar complicacions abans que es manifestin clínicament.

Clusterització de pacients

Agrupar pacients segons característiques obtingudes a partir de dades com la calorimetria indirecta. En patologies com la sèpsia, on l’evolució no és homogènia, aquesta diferenciació pot aportar informació addicional.

Models de llenguatge natural (LLM)

En fases més inicials i tenint en compte la regulació europea, s’explora el seu paper com a eina de suport a la presa de decisions i en tasques documentals.

La intel·ligència artificial no és una solució única: és un conjunt d’eines amb aplicacions i limitacions específiques.

Riscos i límits de la intel·ligència artificial en sanitat

El Dr. Eiras planteja una comparació senzilla per explicar-ne els límits: quan prescrius un fàrmac saps com actua i quins poden ser els seus efectes adversos. Amb la tecnologia, hauríem d’aplicar la mateixa lògica.

Entre els riscos que es mencionen:

• Al·lucinacions en models de llenguatge: respostes que poden semblar coherents però no ser correctes.
• Manca d’explicabilitat, l’anomenada “caixa negra”, on coneixem l’entrada i la sortida però no sempre el raonament intern.
• Dependència de la qualitat de la dada, ja que un model és tan fiable com la informació amb què s’entrena.

També aborda la dificultat d’accés a dades sanitàries i la necessitat de protegir-les adequadament. La idea no és frenar la innovació, sinó comprendre-la abans d’incorporar-la a la pràctica.

Pot la intel·ligència artificial substituir el metge?

La qüestió sorgeix inevitablement. En el moment actual, la intel·ligència artificial necessita supervisió mèdica. No treballa de manera autònoma en la pràctica clínica ni assumeix responsabilitat.

El seu paper s’orienta més cap al suport: optimitzar tasques repetitives, ajudar en la redacció d’informes o actuar com una segona verificació en determinats processos.

El desenvolupament és ràpid, però el criteri clínic continua sent imprescindible.

Implantar IA en un hospital: per on començar

Des de la seva experiència en gestió sanitària, el Dr. Eiras proposa un ordre lògic per introduir la intel·ligència artificial en un centre hospitalari:

• Formar el personal.
• Millorar la qualitat i l’estructura de les dades.
• Optimitzar processos interns abans de desenvolupar models complexos.
• Validar els models en diferents entorns.

Molts projectes no avancen per dificultats organitzatives o per problemes d’accés a les dades, més que per limitacions tècniques. Abans de desenvolupar eines complexes, convé disposar d’una base sòlida.

La formació com a base

Davant la pregunta sobre com pot formar-se un metge en intel·ligència artificial, la resposta és realista.

No hi ha un únic itinerari. Es pot començar per comprendre com es construeix un model de Machine Learning des de l’inici: quines dades s’utilitzen, com es depuren, com s’entrenen i com es validen.

A partir d’aquí, congressos, ponències i programes específics poden ajudar a ampliar coneixements. Entendre els fonaments permet utilitzar l’eina amb més seguretat.

Mirant cap al futur de la intel·ligència artificial en medicina

De cara als pròxims anys, es planteja que la intel·ligència artificial pot ajudar a optimitzar el temps, reduir la càrrega burocràtica i reforçar la presa de decisions clíniques com a segona verificació.

Si aconsegueix alliberar part del treball repetitiu i aportar suport basat en dades, pot contribuir a una pràctica més eficient. La tecnologia avança. El criteri professional continua sent l’eix.

Código Médico

Código Médico és el podcast impulsat per Mutual Mèdica, creat per metges i pensat per a metges.

En aquesta segona temporada abordem qüestions que estan transformant la professió des de dins, basades en dos pilars: el futur de la medicina i l’acompanyament al metge.

Pots escoltar l’episodi complet i seguir el podcast a YouTube, Spotify, Amazon Music, iVoox i Apple Podcasts.