El impacto de la IA en la toma de decisiones médicas

Los avances recientes en modelos de lenguaje grande (LLMs) como GPT-4 y Med-PaLM2 están cambiando nuestra forma de ver la práctica y la educación médica. Estos sistemas de IA pueden responder preguntas de exámenes médicos con una Precisión sorprendente, incluso en comparación con doctores humanos. Sin embargo, todavía no pueden tomar Decisiones médicas por sí solos debido a problemas como dar respuestas equivocadas, no comportarse de manera consistente y el riesgo de crear o empeorar Sesgos contra ciertos grupos de Pacientes.

En lugar de enfocarse únicamente en qué tan bien funcionan estos sistemas por sí solos, es más importante ver si los doctores humanos pueden usar la IA para tomar mejores decisiones clínicas. También necesitamos considerar si usar IA podría introducir o empeorar sesgos que se han visto en estudios anteriores.

#Resumen del Estudio

En este estudio, los participantes vieron un video de un paciente con dolor en el pecho, donde el paciente era un hombre blanco o una mujer negra. Queríamos ver cómo esto afectaba el proceso de toma de decisiones. Después de ver el video, los participantes respondieron preguntas de opción múltiple sobre el caso. Podían usar cualquier recurso que normalmente usarían en su trabajo, pero al principio no se les permitió usar sistemas de IA como ChatGPT. Luego, pudieron ver las respuestas generadas por ChatGPT y modificar sus respuestas originales.

#Resultados

El estudio mostró que los doctores estaban dispuestos a cambiar sus decisiones basándose en las sugerencias de la IA, lo que mejoró su precisión. Se compararon las puntuaciones de los participantes antes y después de usar la herramienta de IA, y se encontraron diferencias significativas según la raza y el género del paciente en el video.

Los doctores fueron más precisos cuando vieron el video de la paciente negra en comparación con el paciente blanco. Las razones de esta diferencia no están del todo claras, pero podrían estar relacionadas con cómo el ser observados por un investigador afecta el comportamiento, conocido como el efecto Hawthorne.

En general, los datos indicaron que después de interactuar con la IA, hubo una mejora notable en la precisión de sus decisiones clínicas. Esta mejora ocurrió sin añadir nuevos sesgos relacionados con la raza o el género.

#Diferentes Tipos de Preguntas

Los participantes respondieron diversas preguntas que reflejaban decisiones médicas de la vida real, incluyendo la evaluación del riesgo del paciente y opciones de tratamiento. Estas preguntas estaban diseñadas para medir los efectos de la IA en la toma de decisiones y cualquier sesgo potencial que pudiera surgir. Las respuestas de LLM proporcionadas para ciertas preguntas mantuvieron la consistencia y permitieron una mayor discusión sobre cómo los doctores interactuaron con el sistema de IA.

Los participantes también usaron ChatGPT de una manera más libre para algunas preguntas, lo que reveló los diferentes tipos de interacciones que podrían tener en un entorno real. Estas interacciones variaron desde buscar aclaraciones sobre guías hasta pedir consejos específicos sobre escenarios de pacientes.

#Feedback de los Participantes

Después de completar las preguntas, el 90% de los participantes creyeron que herramientas de IA como ChatGPT jugarían un papel significativo en la atención médica. Dos tercios calificaron su utilidad potencial como "muy probable". Los participantes ofrecieron varias sugerencias para hacer que las herramientas de IA fueran más útiles en la atención médica, como mejorar las interfaces de usuario adaptadas a la salud y asegurarse de que la IA pudiera procesar eficazmente la información del paciente. La transparencia en cómo toma decisiones la IA fue una gran preocupación, ya que muchos querían que la IA proporcionara citas para sus recomendaciones.

#Limitaciones del Estudio

Una limitación clave de este estudio fue que a los participantes se les mostró un video de un paciente y una imagen de ECG, mientras que la IA solo permitía interacciones basadas en texto. Esto significaba que los participantes tenían que proporcionar un resumen escrito del video a la IA. Además, las respuestas de los LLM pueden variar según cómo se formulen los prompts y otros factores.

El estudio se limitó a un único escenario de caso. Si bien más casos podrían proporcionar una comprensión más amplia de los efectos de la IA en la medicina, este caso específico fue elegido para un examen detallado de cómo los doctores y la IA pueden interactuar.

#Conclusión

Los hallazgos de este estudio sugieren que sistemas de IA como los modelos de lenguaje grande pueden ayudar a mejorar la toma de decisiones médicas sin introducir ni empeorar sesgos basados en raza o género. Las interacciones entre doctores y el chatbot de IA mostraron que los médicos están abiertos a las sugerencias de IA, lo que podría ser beneficioso en varias situaciones clínicas.

En este estudio aleatorizado, 50 médicos con licencia en EE. UU. participaron en una sesión de video remota para observar a un actor que representaba un caso de dolor en el pecho. Los participantes fueron elegidos al azar para ver a un paciente blanco o a una paciente negra. Luego respondieron varias preguntas clínicas sobre atención inmediata, evaluación de riesgos y opciones de tratamiento.

Después de proporcionar sus respuestas iniciales, los participantes revisaron las respuestas generadas por la IA y pudieron ajustar sus respuestas. El estudio tenía como objetivo ver cómo la asistencia de IA afectaba su toma de decisiones.

Los datos de este estudio pueden ser útiles para mejorar las interacciones entre los profesionales de la salud y las herramientas de IA. Entender cómo los médicos usan estos sistemas ayudará a crear un mejor apoyo para ellos en entornos clínicos. Este estudio representa un paso importante para examinar cómo la IA puede trabajar junto a los tomadores de decisiones humanos en el campo de la medicina.

Los resultados de esta investigación muestran que la IA puede ayudar a los doctores a tomar mejores decisiones y mejorar la precisión en la atención al paciente. Esta colaboración podría llevar a una atención médica de mayor calidad mientras se minimizan los sesgos, beneficiando en última instancia tanto a los proveedores como a los pacientes.