Después de su triunfo en Jeopardy!, la IA de IBM parecía preparada para revolucionar la medicina. Los doctores siguen esperando
Por Eliza Strickland
En 2014, IBM abrió una nueva y elegante sede para su división de inteligencia artificial, conocida como IBM Watson. Dentro de la torre de cristal en el bajo Manhattan, los empleados de IBM pueden llevar a posibles clientes y periodistas visitantes a la “sala de inmersión”, que se asemeja a un planetario en miniatura. Allí, en el espacio oscuro, los visitantes se sientan en taburetes giratorios mientras los gráficos de fantasía destellan alrededor de las pantallas curvas que cubren las paredes. Es lo más cerca que puede estar, dicen los usuarios de IBM, de estar dentro del cerebro electrónico de Watson.
Una deslumbrante demostración de 2014 de la capacidad intelectual de Watson mostró su potencial para transformar la medicina mediante la inteligencia artificial, un objetivo que la directora ejecutiva de IBM, Virginia Rometty, a menudo llama la meta de la compañía. En la demostración, Watson tomó una colección extraña de síntomas de pacientes y presentó una lista de posibles diagnósticos, cada uno anotado con el nivel de confianza de Watson y enlaces a la literatura médica de respaldo.
Dentro de los cómodos confines de la cúpula, Watson nunca dejó de impresionar: sus bancos de memoria contenían el conocimiento de todas las enfermedades raras y sus procesadores no eran susceptibles al tipo de sesgo cognitivo que puede confundir a los médicos. Podría resolver un caso difícil en cuestión de segundos. Si Watson pudiera llevar esa experiencia instantánea a hospitales y clínicas de todo el mundo, parecía posible que la IA pudiera reducir los errores de diagnóstico, optimizar los tratamientos e incluso aliviar la escasez de médicos, no reemplazando a los médicos, sino ayudándolos a hacer su trabajo más rápido y mejor.
Fuera de la sede corporativa, sin embargo, IBM ha descubierto que su poderosa tecnología no es rival para la complicada realidad del sistema de salud actual. Y al tratar de aplicar Watson al tratamiento del cáncer, uno de los mayores desafíos de la medicina, IBM encontró un desajuste fundamental entre la forma en que las máquinas aprenden y la forma en que trabajan los médicos.
El audaz intento de IBM de revolucionar la atención médica comenzó en 2011. ¡El día después de que Watson derrotara a dos campeones humanos en el juego Jeopardy! , IBM anunció una nueva trayectoria profesional para el ganador del concurso de IA: se convertiría en médico de IA. IBM tomaría la tecnología de vanguardia que mostró en la televisión, principalmente, la capacidad de comprender el lenguaje natural, y la aplicaría a la medicina. Las primeras ofertas comerciales de Watson para el cuidado de la salud estarían disponibles en 18 a 24 meses, prometió la compañía.
De hecho, los proyectos que IBM anunció ese primer día no arrojaron productos comerciales. En los ocho años transcurridos desde entonces, IBM ha anunciado muchos más esfuerzos de alto perfil para desarrollar tecnología médica impulsada por la inteligencia artificial, muchos de los cuales han fracasado y algunos han fracasado espectacularmente. La compañía gastó miles de millones en adquisiciones para reforzar sus esfuerzos internos, pero los conocedores dicen que las empresas adquiridas aún no han contribuido mucho . Y los productos que han surgido de la división Watson Health de IBM no se parecen en nada al brillante médico de inteligencia artificial que alguna vez se imaginó: son más como asistentes de inteligencia artificial que pueden realizar ciertas tareas de rutina.
“Desde el punto de vista de la reputación, creo que están metidos en problemas”, dice Robert Wachter , presidente del departamento de medicina de la Universidad de California, San Francisco, y autor del libro de 2015 The Digital Doctor: Hope, Hype, and Harm at the El amanecer de la era informática de la medicina (McGraw-Hill). En parte, dice, IBM está sufriendo su ambición: fue la primera empresa en hacer un gran esfuerzo para llevar la IA a la clínica. Pero también se ganó la mala voluntad y el escepticismo al jactarse de las habilidades de Watson. “Llegaron primero con el marketing, luego con el producto, y entusiasmaron a todos”, dice. “Entonces el caucho se echó a la carretera. Este es un conjunto de problemas increíblemente difíciles e IBM, al ser el primero en salir, lo ha demostrado para todos los demás “.
En una conferencia de profesionales de TI de la salud de 2017, el director ejecutivo de IBM, Rometty, dijo a la multitud que la inteligencia artificial “es real, es común, está aquí y puede cambiar casi todo lo relacionado con la atención médica”, y agregó que podría marcar el comienzo de una “edad de oro médica”. . ” No es la única que ve una oportunidad: los expertos en informática y medicina coinciden en que la IA tiene el potencial de transformar la industria de la atención médica. Sin embargo, hasta ahora, ese potencial se ha demostrado principalmente en experimentos cuidadosamente controlados. Los reguladores solo han aprobado algunas herramientas basadas en IApara uso en hospitales reales y consultorios médicos. Esos productos pioneros funcionan principalmente en el ámbito visual, utilizando visión por computadora para analizar imágenes como rayos X y escaneos de retina. (IBM no tiene un producto que analice imágenes médicas, aunque tiene un proyecto de investigación activo en esa área).
Sin embargo, al mirar más allá de las imágenes, incluso la mejor IA de hoy en día lucha por dar sentido a información médica compleja. Y codificar la experiencia de un médico humano en software resulta ser una propuesta muy complicada. IBM ha aprendido estas dolorosas lecciones en el mercado, mientras el mundo observaba. Si bien la compañía no se da por vencida en su tiro a la luna, sus fallas de lanzamiento han demostrado a los tecnólogos y médicos lo difícil que es construir un médico de inteligencia artificial.
El Jeopardy! La victoria en 2011 mostró la notable habilidad de Watson con el procesamiento del lenguaje natural (PNL). Para jugar, tuvo que analizar pistas complicadas llenas de juegos de palabras, buscar bases de datos de texto masivas para encontrar posibles respuestas y determinar la mejor. Watson no era un motor de búsqueda glorificado; no solo devuelve documentos basados en palabras clave. En su lugar, empleó cientos de algoritmos para mapear las “entidades” en una oración y comprender las relaciones entre ellas. ¡Usó esta habilidad para dar sentido tanto a Jeopardy! pista y los millones de fuentes de texto que extrajo.
“Casi parecía que Watson podía entender el significado del lenguaje, en lugar de simplemente reconocer patrones de palabras”, dice Martin Kohn , quien era el científico médico jefe de IBM Research en el momento del Jeopardy! partido. “Era un orden de magnitud más poderoso de lo que existía”. Además, Watson desarrolló esta capacidad por sí solo, a través del aprendizaje automático. Los investigadores de IBM entrenaron a Watson dándole miles de Jeopardy! pistas y respuestas que fueron etiquetadas como correctas o incorrectas. En este complejo conjunto de datos, la IA descubrió patrones e hizo un modelo de cómo pasar de una entrada (una pista) a una salida (una respuesta correcta).
Mucho antes de que Watson protagonizara Jeopardy! etapa, IBM había considerado sus posibilidades para el cuidado de la salud. La medicina, con sus montones de datos de pacientes, parecía un ajuste obvio, sobre todo cuando los hospitales y los médicos estaban cambiando a los registros de salud electrónicos. Si bien algunos de esos datos pueden ser digeridos fácilmente por máquinas, como resultados de laboratorio y mediciones de signos vitales, la mayor parte es información “no estructurada”, como notas del médico y resúmenes de alta hospitalaria. Ese texto narrativo representa alrededor del 80 por ciento del registro de un paciente típico, y es un guiso de jerga, taquigrafía y afirmaciones subjetivas.
Kohn, quien llegó a IBM con un título en medicina de la Universidad de Harvard y un título en ingeniería del MIT, estaba emocionado de ayudar a Watson a abordar el lenguaje de la medicina. “Parecía que Watson tenía el potencial de superar esas complejidades”, dice. Al convertir sus poderosas habilidades de PNL en medicina, decía la teoría, Watson podía leer los registros de salud de los pacientes, así como todo el corpus de literatura médica: libros de texto, artículos de revistas revisados por pares, listas de medicamentos aprobados, etc. Con acceso a todos estos datos, Watson podría convertirse en un superdoctor, discerniendo patrones que ningún humano podría detectar.
“Los médicos van a trabajar todos los días, especialmente las personas que están en primera línea, los médicos de atención primaria, con el entendimiento de que no pueden saber todo lo que necesitan saber para practicar la mejor, más eficiente y más efectiva medicina posible”. dice Herbert Chase , profesor de medicina e informática biomédica en la Universidad de Columbia que colaboró con IBM en sus primeros esfuerzos de atención médica. Pero Watson, dice, podría mantenerse al día, y si se convierte en una herramienta de “apoyo a las decisiones clínicas”, también podría permitir a los médicos mantenerse al día. ¡En lugar de un peligro! Una pista, un médico podría darle a Watson el historial del caso de un paciente y pedirle un diagnóstico o un plan de tratamiento óptimo.
Chase trabajó con investigadores de IBM en el prototipo de una herramienta de diagnóstico, lo que deslumbró a los visitantes en la sala de inmersión de Watson. Pero IBM decidió no comercializarlo y Chase se separó de IBM en 2014. Está decepcionado con el lento progreso de Watson en medicina desde entonces. “No tengo conocimiento de ningún jonrón espectacular”, dice.
Es uno de los primeros entusiastas de Watson que ahora están consternados. Eliot Siegel , profesor de radiología y vicepresidente de sistemas de información de la Universidad de Maryland, también colaboró con IBM en la investigación de diagnóstico. Si bien cree que las herramientas habilitadas por IA serán indispensables para los médicos dentro de una década, no está seguro de que IBM las construya. “No creo que estén a la vanguardia de la IA”, dice Siegel. “Las cosas más emocionantes están sucediendo en Google, Apple y Amazon”.
En cuanto a Kohn, que dejó IBM en 2014, dice que la empresa cayó en una trampa común: “No basta con demostrar que tienes una tecnología potente”, afirma. “Demuéstreme que realmente hará algo útil, que mejorará mi vida y la vida de mis pacientes”. Kohn dice que ha estado esperando ver artículos revisados por pares en las revistas médicas que demuestren que la IA puede mejorar los resultados de los pacientes y ahorrar dinero a los sistemas de salud. “Hasta la fecha, hay muy pocas publicaciones de este tipo”, dice, “y nada de importancia para Watson”.
La primera incursión de la IA en la atención médica
Los médicos son un grupo conservador, por una buena razón, y lentos para adoptar nuevas tecnologías. Pero en algunas áreas del cuidado de la salud, los profesionales médicos están comenzando a ver los sistemas de inteligencia artificial como confiables y útiles. Estos son algunos de los primeros pasos hacia la medicina de la IA.
CIRUGÍA ROBÓTICA | ANÁLISIS DE IMAGEN | ANÁLISIS GENÉTICO | PATOLOGÍA |
---|---|---|---|
Actualmente se usa solo para pasos de rutina en procedimientos simples como cirugía ocular con láser y trasplantes de cabello. | Los expertos apenas están comenzando a utilizar sistemas automatizados para ayudarlos a examinar radiografías, escaneos de retina y otras imágenes. | Con las exploraciones del genoma convirtiéndose en una parte rutinaria de la medicina, las herramientas de inteligencia artificial que extraen información rápidamente de los datos se están volviendo necesarias. | Los sistemas experimentales han demostrado ser expertos en el análisis de muestras de biopsias, pero aún no están aprobados para uso clínico. |
SOPORTE DE DECISIONES CLÍNICAS | ENFERMERÍA VIRTUAL | ADMINISTRACION MEDICA | SALUD MENTAL |
Los hospitales están introduciendo herramientas para aplicaciones como la predicción de un shock séptico, pero aún no han demostrado su valor. | Los sistemas rudimentarios pueden controlar a los pacientes entre las visitas al consultorio y proporcionar alertas automáticas a los médicos. | Las empresas se apresuran a ofrecer herramientas habilitadas para inteligencia artificial que pueden aumentar la eficiencia en tareas como facturación y reclamaciones de seguros. | Los investigadores están explorando aplicaciones como el seguimiento de la depresión mediante la extracción de datos de teléfonos móviles y redes sociales. |
Al tratar de llevar la IA a la clínica, IBM estaba asumiendo un enorme desafío técnico. Pero habiéndose quedado atrás de gigantes tecnológicos como Google y Apple en muchos otros dominios de la computación, IBM necesitaba algo grande para mantenerse relevante. En 2014, la compañía invirtió mil millones de dólares en su unidad Watson , que estaba desarrollando tecnología para múltiples sectores comerciales. En 2015, IBM anunció la formación de una división especial de Watson Health y, a mediados de 2016, Watson Health había adquirido cuatro compañías de datos de salud por un costo total de alrededor de $ 4 mil millones. Parecía que IBM tenía la tecnología, los recursos y el compromiso necesarios para hacer que la IA funcionara en el cuidado de la salud.
Hoy en día, los líderes de IBM hablan del esfuerzo de Watson Health como “un viaje” por un camino con muchos giros y vueltas. “Es una tarea difícil inyectar IA en la atención médica y es un desafío. Pero lo estamos haciendo ”, dice John E. Kelly III, vicepresidente senior de IBM para soluciones cognitivas e investigación de IBM. Kelly ha guiado el esfuerzo de Watson desde Jeopardy! días, y a fines de 2018 también asumió la supervisión directa de Watson Health. Él dice que la empresa ha cambiado cuando lo necesita: “Seguimos aprendiendo, por lo que nuestras ofertas cambian a medida que aprendemos”.
La herramienta de diagnóstico, por ejemplo, no se introdujo en el mercado porque el caso comercial no estaba allí, dice Ajay Royyuru, vicepresidente de investigación de ciencias de la vida y atención médica de IBM. “El diagnóstico no es el lugar para ir”, dice. “Eso es algo que los expertos hacen bastante bien. Es una tarea difícil, y no importa qué tan bien la hagas con la IA, no desplazará al practicante experto “. (No todo el mundo está de acuerdo con Royyuru: un informe de 2015 sobre errores de diagnóstico de las Academias Nacionales de Ciencias, Ingeniería y Medicina declaró que mejorar los diagnósticos representa un “imperativo moral, profesional y de salud pública”).
En un intento por encontrar el caso comercial para la IA médica, IBM llevó a cabo una cantidad vertiginosa de proyectos dirigidos a todos los diferentes actores del sistema de atención médica: médicos, personal administrativo, aseguradoras y pacientes. Lo que une todos los hilos, dice Kelly, es un esfuerzo por proporcionar “apoyo a la toma de decisiones utilizando IA [que analiza] conjuntos de datos masivos”. El proyecto más publicitado de IBM se centró en la oncología, donde esperaba desplegar las capacidades “cognitivas” de Watson para convertir los macrodatos en tratamientos personalizados contra el cáncer para los pacientes.
En muchos intentos de aplicaciones, la PNL de Watson luchó por dar sentido al texto médico, al igual que muchos otros sistemas de inteligencia artificial. “Lo estamos haciendo increíblemente mejor con la PNL que hace cinco años, pero todavía somos increíblemente peores que los humanos”, dice Yoshua Bengio , profesor de ciencias de la computación en la Universidad de Montreal e investigador líder en inteligencia artificial. En los documentos de texto médico, dice Bengio, los sistemas de inteligencia artificial no pueden comprender la ambigüedad y no detectan pistas sutiles que un médico humano notaría. Bengio dice que la tecnología actual de PNL puede ayudar al sistema de atención de la salud: “No es necesario tener un conocimiento completo para hacer algo increíblemente útil”, dice. Pero ninguna IA construida hasta ahora puede igualar la comprensión y el conocimiento de un médico humano. “No, no estamos allí”, dice.
El trabajo de IBM sobre el cáncer es el mejor ejemplo de los desafíos que enfrentó la empresa. “No creo que nadie tuviera idea de que tomaría tanto tiempo o sería tan complicado”, dice Mark Kris , especialista en cáncer de pulmón del Memorial Sloan Kettering Cancer Center, en la ciudad de Nueva York, que ha liderado la colaboración de su institución con IBM Watson. desde 2012.
El esfuerzo por mejorar la atención del cáncer tuvo dos vías principales. Kris y otros médicos destacados de Sloan Kettering capacitaron un sistema de inteligencia artificial que se convirtió en el producto Watson for Oncology en 2015. En todo el país, médicos destacados del MD Anderson Cancer Center de la Universidad de Texas, en Houston, colaboraron con IBM para crear una herramienta diferente llamada Asesor Experto en Oncología. MD Anderson llegó a probar la herramienta en el departamento de leucemia, pero nunca se convirtió en un producto comercial.
Ambos esfuerzos han recibido fuertes críticas. Un artículo reprobable sobre Watson for Oncology alegaba que proporcionaba recomendaciones inútiles y, a veces, peligrosas (IBM refuta estas acusaciones ). En términos más generales, Kris dice que a menudo ha escuchado críticas de que el producto no es “IA real”. Y el proyecto MD Anderson fracasó dramáticamente: una auditoría de 2016 de la Universidad de Texas encontró que el centro oncológico gastó $ 62 millones en el proyecto antes de cancelarlo. Una mirada más profunda a estos dos proyectos revela un desajuste fundamental entre la promesa del aprendizaje automático y la realidad de la atención médica, entre la “IA real” y los requisitos de un producto funcional para los médicos de hoy.
Se suponía que Watson for Oncology aprendería al ingerir la vasta literatura médica sobre el cáncer y los registros de salud de pacientes con cáncer reales. La esperanza era que Watson, con su gran poder de cómputo, examinara cientos de variables en estos registros, incluidos datos demográficos, características de los tumores, tratamientos y resultados, y descubriera patrones invisibles para los humanos. También se mantendrá actualizado con la gran cantidad de artículos de revistas sobre tratamientos contra el cáncer que se publican todos los días. Para los oncólogos de Sloan Kettering, sonaba como un avance potencial en la atención del cáncer. Para IBM, sonaba como un gran producto. “No creo que nadie supiera lo que nos esperaba”, dice Kris.
Watson aprendió con bastante rapidez cómo escanear artículos sobre estudios clínicos y determinar los resultados básicos. Pero resultó imposible enseñar a Watson a leer los artículos como lo haría un médico. “La información que los médicos extraen de un artículo, que utilizan para cambiar su atención, puede no ser el punto principal del estudio”, dice Kris. El pensamiento de Watson se basa en estadísticas, por lo que todo lo que puede hacer es recopilar estadísticas sobre los principales resultados, explica Kris. “Pero los médicos no trabajan de esa manera”.
En 2018, por ejemplo, la FDA aprobó un nuevo fármaco contra el cáncer “independiente de los tejidos”que es eficaz contra todos los tumores que presentan una mutación genética específica. El fármaco se aceleró basándose en resultados espectaculares en solo 55 pacientes, de los cuales cuatro tenían cáncer de pulmón. “Ahora decimos que todos los pacientes con cáncer de pulmón deberían someterse a pruebas de detección de este gen”, dice Kris. “Todas las pautas anteriores se han descartado, basadas en cuatro pacientes”. Pero Watson no cambiará sus conclusiones basándose en solo cuatro pacientes. Para resolver este problema, los expertos de Sloan Kettering crearon “casos sintéticos” de los que Watson pudo aprender, esencialmente pacientes imaginarios con ciertos perfiles demográficos y características de cáncer. “Creo en la analítica; Creo que puede descubrir cosas ”, dice Kris. “Pero cuando se trata de cáncer, realmente no funciona”.
¿Estás de acuerdo?
Varios estudios han comparado las recomendaciones para el tratamiento del cáncer de Watson for Oncology con las de los oncólogos hospitalarios. Los porcentajes de concordancia indican la frecuencia con la que los consejos de Watson coincidieron con los planes de tratamiento de los expertos.
La comprensión de que Watson no podía extraer de forma independiente conocimientos de las noticias de última hora en la literatura médica fue solo el primer golpe. Los investigadores también descubrieron que no podía extraer información de los registros médicos electrónicos de los pacientes como esperaban.
En MD Anderson, los investigadores pusieron a Watson a trabajar en los registros de salud de los pacientes con leucemia y rápidamente descubrieron lo difícil que era trabajar con esos registros. Sí, Watson tenía fenomenales habilidades en PNL. Pero en estos registros, es posible que falten datos, que estén escritos de forma ambigua o que estén fuera de orden cronológico. En un artículo de 2018 publicado en The Oncologist , el equipo informó que su Asesor Experto en Oncología con tecnología Watson tuvo un éxito variable en la extracción de información de documentos de texto en registros médicos. Tenía puntuaciones de precisión que iban del 90 al 96 por ciento cuando se trataba de conceptos claros como el diagnóstico, pero puntuaciones de solo el 63 al 65 por ciento para la información dependiente del tiempo, como los plazos de la terapia.
En un golpe final al sueño de un superdoctor de IA, los investigadores se dieron cuenta de que Watson no puede comparar a un nuevo paciente con el universo de pacientes con cáncer que han llegado antes para descubrir patrones ocultos. Tanto Sloan Kettering como MD Anderson esperaban que la IA imitara las habilidades de sus oncólogos expertos, que aprovechan su experiencia con los pacientes, los tratamientos y los resultados cuando diseñan una estrategia para un nuevo paciente. Una máquina que pudiera hacer el mismo tipo de análisis de población, más rigurosamente y usando miles de pacientes más, sería enormemente poderosa.
Pero los estándares actuales del sistema de atención médica no fomentan ese aprendizaje en el mundo real. El Asesor Experto en Oncología del MD Anderson emitió solo recomendaciones “basadas en evidencia” vinculadas a las pautas médicas oficiales y los resultados de los estudios publicados en la literatura médica. Si un sistema de inteligencia artificial basara sus consejos en patrones que descubrió en los registros médicos, por ejemplo, que a cierto tipo de paciente le va mejor con un determinado medicamento, sus recomendaciones no se considerarían basadas en evidencia, el estándar de oro en medicina. Sin los controles estrictos de un estudio científico, tal hallazgo se consideraría solo correlación, no causalidad.
Kohn, antes de IBM, y muchos otros piensan que los estándares de la atención médica deben cambiar para que la IA se dé cuenta de todo su potencial y transforme la medicina. “El patrón oro no es realmente el oro”, dice Kohn. Los sistemas de inteligencia artificial podrían considerar muchos más factores de los que jamás estarán representados en un ensayo clínico y podrían clasificar a los pacientes en muchas más categorías para brindar una “atención verdaderamente personalizada”, dice Kohn. La infraestructura también debe cambiar: las instituciones de atención médica deben aceptar compartir sus datos patentados y controlados por la privacidad para que los sistemas de inteligencia artificial puedan aprender de millones de pacientes seguidos durante muchos años.
Según informes anecdóticos , IBM ha tenido problemas para encontrar compradores para su producto de oncología Watson en Estados Unidos. Algunos oncólogos dicen que confían en su propio juicio y no necesitan que Watson les diga qué hacer. Otros dicen que sugiere solo tratamientos estándar que conocen bien. Pero Kris dice que algunos médicos lo encuentran útil como una segunda opinión instantánea que pueden compartir con los pacientes nerviosos. “Tan imperfecto como es y limitado como es, es muy útil”, dice Kris. Los representantes de ventas de IBM han tenido más suerte fuera de los Estados Unidos, con hospitales en India, Corea del Sur, Tailandia y más allá adoptando la tecnología. Muchos de estos hospitales utilizan con orgullo la marca IBM Watson en su marketing, y les dicen a los pacientes que recibirán atención oncológica impulsada por la inteligencia artificial.
En los últimos años, estos hospitales han comenzado a publicar estudios sobre sus experiencias con Watson for Oncology. En India, los médicos del Manipal Comprehensive Cancer Center evaluaron a Watson en 638 casos de cáncer de mama y encontraron una tasa de concordancia del 73 por ciento en las recomendaciones de tratamiento; su puntuación se redujo por un rendimiento deficiente en el cáncer de mama metastásico. A Watson le fue peor en el Centro Médico Gil de la Universidad de Gachon, en Corea del Sur, donde sus principales recomendaciones para 656 pacientes con cáncer de coloncoincidió con los de los expertos sólo el 49 por ciento de las veces. Los médicos informaron que a Watson le fue mal con pacientes mayores, no sugirió ciertos medicamentos estándar y tenía un error que hizo que recomendara vigilancia en lugar de tratamiento agresivo para ciertos pacientes con cáncer metastásico.
Estos estudios tenían como objetivo determinar si la tecnología de Watson for Oncology funciona como se esperaba. Pero ningún estudio ha demostrado todavía que beneficie a los pacientes. Wachter de UCSF dice que ese es un problema creciente para la empresa: “¡IBM sabía que la victoria era Jeopardy! y la asociación con Memorial Sloan Kettering les ayudaría a entrar en la puerta. Pero necesitaban mostrar, con bastante rapidez, un impacto en los resultados duros “. Wachter dice que IBM debe convencer a los hospitales de que el sistema vale la inversión financiera. “Es muy importante que salgan con éxito”, dice. “Success es un artículo del New England Journal of Medicine que muestra que cuando usamos Watson, a los pacientes les fue mejor o ahorramos dinero”. Wachter todavía está esperando que aparezcan estos artículos.
Kris de Sloan Kettering no se desanima; dice que la tecnología solo mejorará. “Como herramienta, Watson tiene un potencial extraordinario”, dice. “Espero que las personas que tienen la capacidad intelectual y la capacidad informática se mantengan en ello. Es un viaje largo, pero vale la pena “.
Están surgiendo algunas historias de éxito de Watson Health; en ciertas aplicaciones limitadas y controladas, Watson parece estar agregando valor. Tomemos, por ejemplo, el producto Watson for Genomics , que se desarrolló en asociación con la Universidad de Carolina del Norte, la Universidad de Yale y otras instituciones. La herramienta la utilizan los laboratorios de genética que generan informes para los oncólogos en ejercicio: Watson toma el archivo que enumera las mutaciones genéticas de un paciente y, en solo unos minutos, puede generar un informe que describe todos los fármacos y ensayos clínicos relevantes. “Permitimos que los laboratorios escalen”, dice Vanessa Michelini , una ingeniera distinguida de IBM que dirigió el desarrollo y lanzamiento del producto en 2016.
Watson lo pasa relativamente bien con la información genética, que se presenta en archivos estructurados y no tiene ambigüedad: o hay una mutación o no. La herramienta no emplea la PNL para extraer registros médicos, sino que la usa solo para buscar libros de texto, artículos de revistas, aprobaciones de medicamentos y anuncios de ensayos clínicos, donde busca declaraciones muy específicas.
Los socios de IBM en la Universidad de Carolina del Norte publicaron el primer artículo sobre la efectividad de Watson for Genomics en 2017. Para el 32 por ciento de los pacientes con cáncer inscritos en ese estudio, Watson detectó mutaciones potencialmente importantes no identificadas por una revisión humana, lo que hizo que estos pacientes candidatos para un nuevo fármaco o un ensayo clínico recién inaugurado. Pero hasta el momento no hay indicios de que Watson for Genomics genere mejores resultados.
El Departamento de Asuntos de Veteranos de EE. UU. Utiliza los informes de Watson for Genomics en más de 70 hospitales en todo el país, dice Michael Kelley , director del programa nacional de oncología de VA. El VA probó por primera vez el sistema contra el cáncer de pulmón y ahora lo usa para todos los tumores sólidos. “Creo que mejora la atención al paciente”, dice Kelley. Cuando los oncólogos de VA deciden sobre un plan de tratamiento, “es una fuente de información que pueden aportar a la discusión”, dice. Pero Kelley dice que no piensa en Watson como un médico robot. “Tiendo a pensar en él como un robot que es un maestro bibliotecario médico”.
La mayoría de los médicos probablemente estarían encantados de tener un bibliotecario de IA a su entera disposición, y si eso es lo que IBM les había prometido originalmente, es posible que hoy no se sientan tan decepcionados. La historia de Watson Health es una advertencia de arrogancia y exageración. A todo el mundo le gusta la ambición, a todo el mundo le gustan los disparos a la luna, pero nadie quiere subirse a un cohete que no funciona.
Hasta ahora, pocos éxitos
IBM comenzó su esfuerzo por llevar a Watson a la industria del cuidado de la salud en 2011. Desde entonces, la compañía ha hecho casi 50 anuncios sobre asociaciones que estaban destinadas a desarrollar nuevas herramientas habilitadas para la inteligencia artificial para la medicina. Algunas colaboraciones trabajaron en herramientas para médicos e instituciones; algunos trabajaron en aplicaciones para consumidores. Si bien muchas de estas alianzas aún no han dado lugar a productos comerciales, IBM dice que los esfuerzos de investigación han sido valiosos y que hay muchas relaciones en curso. Aquí hay una muestra representativa de proyectos.
Este artículo aparece en la edición impresa de abril de 2019 como “IBM Watson, Heal Thyself”.