¿Cuáles son las características ideales para los algoritmos de atención médica?

El uso de algoritmos con fines de atención médica, aunque aún en desarrollo, se populariza desde años recientes. El portal de estadística Statista calcula que, para 2025, el mercado global de inteligencia artificial para el cuidado de la salud incrementará a más de 28 mil millones de dólares. Pensando en este crecimiento y en contribuir en el correcto desarrollo de la tecnología, especialistas en la materia dieron a conocer seis características ideales para los algoritmos de atención médica.

Publicado en la revista PLOS One, el artículo contiene seis objetivos a conseguir durante el desarrollo de algoritmos de machine learning destinados a ayudar a los médicos en tomas de decisiones médicas y recomendaciones para los pacientes. Aunque actualmente existen pautas para garantizar que se informe a la comunidad de atención médica de forma clara y estandarizada sobre estos algoritmos, aún no existe un marco para su evaluación. Según los autores, su intención es proveer un conjunto de atributos clave mínimos indispensables para la implementación de algoritmos destinados a la atención médica, señalan en un comunicado de PLOS One.

Con esto en mente, los especialistas recomiendan que, en primera instancia, los algoritmos para la atención médica deben ser explicables. En concreto, deben poder aclarar la importancia relativa de varias características de un paciente y su condición médica para determinar los resultados y, sobre todo, no confundir asociación con casualidad. En segunda instancia, deben ser dinámicos, es decir, capaces de ajustar sus predicciones según los cambios en tiempo real de las características del paciente.

La tercera característica es la precisión, con la que el algoritmo debe poder aprovechar al máximo los datos recopilados, lo suficiente como para capturar sólidamente la condición cambiante de un paciente. Los algoritmos de atención médica igualmente deben ser autónomos, con capacidad para aprender y devolver resultados con un aporte humano mínimo. En quinto lugar, deben ser justos y dar cuenta de cualquier sesgo implícito e inequidad social. Finalmente, deben ser reproducibles, es decir, deben poder compartirse ampliamente con la comunidad investigadora para su validación.

Para demostrar este marco de características ideales, los investigadores lo utilizaron en la evaluación de ocho algoritmos muy citados en la literatura académica. Sin embargo, ninguno cumplió con las seis características propuestas y detectaron oportunidades de mejora en cuanto autonomía, equidad, explicabilidad y reproducibilidad.

Un marco de este tipo ayudaría a mejorar las propuestas existentes de uso de algoritmos de machine learning para la atención médica y podría acelerar su implementación. Al día de hoy, muchos estudios proponen aplicaciones tan relevantes como predecir el riesgo de padecer esquizofrenia mediante un análisis sanguíneo y machine learning. Igualmente el machine learning podría detectar la enfermedad de Alzheimer con el análisis de imágenes médicas, información del movimiento del paciente, grabaciones del habla y otros recursos, incluso recopilados desde casa. Otros usos de algoritmos de machine learning en la medicina incluyen predecir la supervivencia de los pacientes en cuidados intensivos, predecir el progreso de pacientes con Covid-19, o incluso identificar potenciales medicamentos para el SARS-CoV-2.

Emplear algoritmos de machine learning para la atención médica es una propuesta prometedora, tanto en beneficios para la salud como en términos comerciales y económicos. Sin embargo, es importante trabajar en un marco de evaluación que permita garantizar su funcionamiento óptimo, como proponen estas seis características ideales para los algoritmos de atención médica.