Xavier Bonfill Cosp es médico, catedrático de Medicina Preventiva y Salud Pública de la Universitat Autònoma de Barcelona, máster en Salud Pública por la Columbia University de Nueva York y médico especialista en Oncología Médica y en Medicina Preventiva y Salud Pública. Es el Director del Servicio de Epidemiología Clínica del Hospital de la Santa Creu i Sant Pau de Barcelona.
Xavier Bonfiill, miembro emérito de la Colaboración Cochrane, es una las personas determinantes para el desarrollo de la epidemiología clínica en España y en los países latinoamericanos. En 1997 fundó el Centro Cochrane Español —que en el 2000 pasó a ser Centro Cohrane Iberoamericano—, del que depende la Red Cochrane Iberoamericana, habiendo sido su director hasta el año 2023.
21/08/2024
¿Qué se puede esperar a corto, medio y largo plazo de la interacción de la denominada inteligencia artificial con la inteligencia humana?
A modo de introducción
He podido leer algunos de los interesantes artículos publicados en esta sección del blog de MedicineAI y después de reflexionar, he llegado a la conclusión de que una ponencia sobre enseñanza de la Medicina e IA que tuve que preparar el año pasado para un acto en Quito podría ser de suficiente utilidad para compartirlo. Como digo, el enfoque es sobre la enseñanza de la Medicina pero pienso que no está ni mucho menos alejado de la reflexión que se impulsa en este blog.
Xavier Bonfill (21/08/2024)
SOBRE LA ENSEÑANZA DE LA MEDICINA EN LA ERA DE LA INTELIGENCIA ARTIFICIAL. Ponencia presentada al Consejo de Gobierno de la Universidad UTE, Quito. Ecuador.
Xavier Bonfill Cosp. Junio de 2023.
Sin ser yo un especialista en la materia, sí que me preocupa como profesor, investigador, ciudadano y paciente potencial cómo va a cambiar la enseñanza de la Medicina a raíz de la irrupción de la inteligencia artificial (IA). Les ruego, por tanto, benevolencia al juzgar estas ideas que he articulado consultando varios artículos de expertos (entre otros, los profesores Castells, Adell, la UNESCO o la propia IA) con la esperanza de que puedan resultar suficientemente útiles.
La rápida difusión del ChatGPT en entornos educativos ha disparado las alarmas. Pero una mirada serena sobre un proceso imparable requiere recordar lo que ya sabemos sobre el efecto de la introducción de computadoras conectadas a internet en las escuelas. La principal conclusión establecida por los estudios de OCDE-PISA es que el efecto sobre el aprendizaje es nulo o incluso negativo, pero puede ser positivo cuando hay una fuerte implicación de los profesores, guiando a los alumnos. Y si los enseñantes están en general demasiado ocupados y las administraciones no se preocupan de capacitarlos, la conexión con los alumnos es demasiado deficiente y abandonados a sí mismos, los alumnos no tienen criterios para discriminar entre la masa de informaciones que encuentran. Es más, los expertos sugieren que los libros de texto tienen efectos más positivos para el aprendizaje porque sus contenidos están supervisados por comisiones académicas teóricamente competentes.
La inteligencia artificial altera las reglas del juego, según los primeros estudios disponibles. Según las encuestas, serán particularmente útiles para los enseñantes, que podrán actualizar sus conocimientos en un mundo en que la información cambia constantemente. Pero también los estudiantes, en todos los niveles de educación, parecen beneficiarse mayoritariamente. En un mundo en que la información está en internet, la memorización y la repetición es una pérdida de tiempo. Lo esencial es enseñar a seleccionar la información y a recombinarla, tal como ha venido proponiendo la Medicina basada en la evidencia (MBE) y el Aprendizaje basado en Problemas (ABP). A ambas propuestas con la IA se les abre un sinfín de oportunidades pero también de retos.
El proceso iterativo de la MBE y del ABP, desde la identificación de incertidumbres y de hiatos de conocimiento, la conversión a preguntas estructuradas, la búsqueda y selección de la mejor evidencia, la lectura crítica y síntesis y la aplicación de los hallazgos a un paciente concreto podrán ser facilitados enormemente por la IA a partir de su capacidad de aprendizaje y de autocorrección, gracias al acceso inmediato a gigantescas cantidades de datos y al entrenamiento automático que puede ir adquiriendo a base de repeticiones y de la capacidad de sus algoritmos para aprender de manera independiente de los errores señalados, primero por un supervisor humano entrenado y posteriormente asimilados de forma autónoma. En el fondo, la toma racional de decisiones supone un pensamiento lógico y jerárquico que puede ser transcrito a algoritmos en un lenguaje que las máquinas pueden interpretar y ejecutar con mucha mayor rapidez y consistencia que el ser humano. El aprendizaje humano es progresivo y se desarrolla a partir de la exposición a diversas situaciones de forma consecutiva, proceso que puede llevar años; en cambio, la adquisición de estos datos por parte de una máquina es mucho más rápida, ya que esta no se agota (puede trabajar 24 h al día) y no tiene funciones vitales (alimentación, descanso u ocio) ni huelgas o enfermedades.
Por tanto, la enseñanza de la Medicina debe adaptarse al impacto en la práctica clínica que empieza a tener y tendrá en el futuro la IA pues de lo contrario estaríamos desaprovechando las oportunidades que supone e ignorando los límites y retos que plantea. Prácticamente, no hay área en la Medicina que no vaya a quedar transformada por la IA pero algunas de las potenciales aplicaciones de la IA en la Medicina son:
- Diagnóstico y detección de enfermedades: Los sistemas de IA pueden analizar grandes cantidades de datos, como imágenes médicas, resultados de pruebas y datos clínicos, para ayudar en la detección temprana y el diagnóstico preciso de enfermedades.
- Asistencia en la toma de decisiones clínicas: Los sistemas de IA pueden ayudar a los médicos en la toma de decisiones clínicas al proporcionar recomendaciones basadas en la evidencia científica y en la interpretación de datos médicos, lo cual puede ayudar a reducir errores y mejorar la precisión en el tratamiento y la asistencia.
- Investigación: La IA puede acelerar el proceso de investigación al analizar grandes conjuntos de datos y encontrar patrones subyacentes, lo que puede llevar al descubrimiento de nuevos enfoques terapéuticos. Además, la IA puede ayudar en la predicción de la eficacia y la seguridad de los tratamientos.
- Actualización y seguimiento de la evidencia: La IA puede monitorear de manera continua la literatura científica para identificar nuevas investigaciones relevantes y actualizaciones de la evidencia. Puede alertar a los profesionales de la salud sobre nuevos estudios, cambios en las pautas de la práctica clínica y advertencias sobre potenciales efectos adversos o interacciones.
- Personalización de la Medicina: La IA puede utilizar datos clínicos del paciente, como los existentes en la historia clínica, análisis de laboratorio y datos genéticos, cuestionarios específicos, etc. para personalizar las recomendaciones existentes. Al considerar las características individuales del paciente, la IA además puede presentar las distintas opciones terapéuticas específicas a cada paciente para que decida de acuerdo con sus preferencias y valores.
Por ello, es imprescindible que la enseñanza de los estudiantes de Medicina se adapte cuanto antes a los desafíos que implica la progresiva disponibilidad de la IA en los entornos clínicos y asistenciales. Como educadores, es necesario que conozcamos qué puede hacer, cómo lo hace y qué no puede hacer la IA, incluso teniendo en cuenta que nos encontramos todavía en una fase muy preliminar de su desarrollo.
Hay dos grandes tipos de preguntas educativas que nos podemos hacer sobre la IA: las primeras y más inmediatas, se pueden englobar bajo la rúbrica ‘educar con la ayuda de la IA’. Las segundas, más a medio plazo, consistirían en ‘educar para la era de la IA’.
¿Qué se ha investigado hasta la fecha sobre ‘educar con la ayuda de la IA’? En una reciente revisión sistemática se identificaron cuatro grandes categorías con varios temas en cada una: a) IA en el aprendizaje, como en la asignación de tareas a los estudiantes en base a su competencia actual, en el análisis de su trabajo para retroalimentarles sobre su desempeño; b) IA en la enseñanza, como en los sistemas de tutoría inteligente, que recomiendan contenidos didácticos y tareas personalizadas a los estudiantes, combinadas con las enseñanzas asistidas por ordenador y, también, para apoyar el desarrollo profesional de los docentes; c) IA en la evaluación, para proporcionar una calificación automática a los trabajos de los estudiantes y predecir su rendimiento futuro, permitiendo anticipar medidas correctoras si fueran necesarias; y finalmente, d) IA en la administración, para mejorar el rendimiento de las plataformas de gestión, apoyar la toma de decisiones educativas basadas en evidencias y automatizar las tareas administrativas y burocráticas para así liberar tiempo a los educadores para que se centren en las actividades de enseñanza más significativas.
En el ámbito más específico de la enseñanza de la Medicina, las probables aportaciones de la IA pueden ser:
- Realidad aumentada y virtual: La IA puede combinarse con tecnologías de realidad aumentada y virtual para crear experiencias de aprendizaje inmersivas. Los estudiantes podrán interactuar con modelos 3D del cuerpo humano, visualizar enfermedades y explorar sistemas biológicos complejos, lo que facilitaría la comprensión de conceptos médicos difíciles; podrán practicar procedimientos médicos complejos, como cirugías, en un entorno seguro y controlado.
- La IA puede generar con relativa facilidad nuevos escenarios y casos a resolver basados en situaciones del mundo real. Los estudiantes pueden trabajar en estos casos simulados y enfrentar desafíos similares a los que encontrarían en su práctica profesional. La IA puede ajustar la complejidad de los casos según el nivel de habilidad y conocimiento de los estudiantes, brindando una experiencia de aprendizaje personalizada.
- Generación de parámetros reales y no subjetivos por parte del examinador que determinen los niveles de aptitud de los alumnos. La IA puede proporcionar retroalimentación instantánea y precisa a los estudiantes sobre sus respuestas y soluciones a los problemas planteados.
- Apoyo en la búsqueda de información: La IA puede ayudar a los estudiantes a encontrar rápidamente información relevante y confiable para abordar los problemas planteados. Mediante el procesamiento del lenguaje natural y la comprensión de contexto, la IA puede proporcionar recomendaciones de lecturas, artículos científicos, estudios de casos y otras fuentes de información relacionadas con el problema en cuestión.
- Síntesis y resumen de la evidencia: La IA puede ayudar a sintetizar y resumir la evidencia científica relevante de manera rápida y precisa. Puede analizar múltiples fuentes de información y proporcionar un resumen objetivo de los estudios, sus resultados y conclusiones. Ello ahorraría muchísimo tiempo invertido en buscar y revisar la literatura científica.
- Colaboración y discusión: La IA puede facilitar la colaboración y la discusión entre los estudiantes que trabajan en grupo. Puede proporcionar herramientas de comunicación y colaboración, sugerir enfoques alternativos y fomentar la participación equitativa de todos los miembros del equipo.
Y en cuanto a ‘educar para la era de la IA’, ¿qué se ha reflexionado hasta ahora? Es evidente que se trata de un tema en el que existen más preguntas que respuestas pues es bastante más complejo y poliédrico que el de ‘educar con la ayuda de la IA’. Por ejemplo: ¿qué deben saber y saber hacer con la IA los estudiantes de Medicina?, ¿qué deben saber los futuros médicos sobre la IA para ejercer bien su profesión? Avanzar en las posibles respuestas a estas cuestiones debe ser una tarea de futuro progresiva pero ineludible para los docentes y para las autoridades académicas.
Pero a la vez, ante tamañas oportunidades que apunta la IA, es importante tener en cuenta que la IA no puede ni debe reemplazar al profesional clínico en su interacción directa con los pacientes, ni anular su juicio clínico. La experiencia clínica y el razonamiento humano siguen siendo esenciales para interpretar críticamente y aplicar la evidencia científica en el contexto de cada paciente individual. Por otro lado, ya nos hemos dado cuenta de que la introducción de la IA en todos los ámbitos de la vida plantea muchos dilemas éticos, legales, sociales, políticos, económicos, educativos, etc… que podrían causar una situación (des)gobernada por la maximización de beneficios de las empresas del sector, quizá las únicas que dispondrían de los recursos necesarios para ampliar la frontera de los sistemas de IA. Tampoco son menores las amenazas a la intimidad de las personas derivadas de la posible vulneración de la seguridad de los datos, ni el riesgo de aumentar la brecha digital y la desigualdad si no se garantiza un acceso equitativo a la tecnología.
Por descontado, hay que evaluar y validar las aplicaciones de la IA tal como se hace con otras tecnologías médicas y asimismo, es imprescindible regular bien su uso, cuando todavía estamos a tiempo, por parte de organismos internacionales independientes, tal como sucede con la energía nuclear. En cuanto a la introducción de la IA en la enseñanza universitaria, hay varios valores fundamentales que creo deberían preservarse en el futuro de manera perentoria. Estos valores incluyen:
- Interacción humana y relaciones: La interacción directa entre profesores y estudiantes, así como entre estudiantes, es esencial para un entorno educativo enriquecedor. La conexión personal, la tutoría, el intercambio de ideas y el trabajo en equipo son elementos valiosos que fomentan el aprendizaje significativo y el desarrollo personal.
- Pensamiento crítico y habilidades de resolución de problemas: La enseñanza universitaria debe seguir promoviendo el pensamiento crítico, la capacidad de analizar y evaluar de manera rigurosa la información, así como la habilidad de resolver problemas complejos. Estas capacidades permiten a los estudiantes desarrollar un enfoque reflexivo y analítico en su aprendizaje y en su vida profesional.
- Desarrollo de habilidades sociales y emocionales: Las habilidades sociales y emocionales, como la empatía, la comunicación efectiva, el trabajo compartido y la inteligencia emocional, son fundamentales en el mundo laboral y en la vida en general. La enseñanza universitaria debe asegurar las oportunidades para desarrollar estas habilidades, ya que contribuyen al éxito profesional y a la construcción de relaciones saludables.
- Ética y responsabilidad: A medida que la tecnología continúa evolucionando, es importante man tener un enfoque ético y promover la responsabilidad social en la enseñanza universitaria. Los estudiantes deben comprender las implicaciones éticas de sus decisiones, así como los impactos sociales, culturales y ambientales de su trabajo.
- Aprendizaje continuo y adaptabilidad: La educación universitaria debe fomentar una mentalidad de aprendizaje continuo y adaptabilidad. Es crucial que los estudiantes desarrollen la capacidad de aprender de forma autónoma, para actualizarse y adaptarse a los cambios en su campo profesional a lo largo de sus vidas.
En el fondo, estos principios se basan en la idea de que la educación no solo consiste en adquirir conocimientos específicos sino también en cultivar habilidades, actitudes y valores que promuevan el crecimiento personal y profesional a largo plazo y a la vez, contribuir al sostenimiento y equilibrio colectivos. La IA y otras tecnologías pueden ser herramientas valiosas para apoyar el proceso educativo, pero nunca deberían soslayar la importancia de los valores fundamentales mencionados. Ojalá todos aquellos implicados en la enseñanza universitaria y clínica de la Medicina le concedamos a la introducción y uso de la IA en nuestro campo la importancia estratégica que se merece y encontremos las fórmulas para colaborar.