Si bien las últimas décadas se vieron suscitadas por cambios tecnológicos y culturales que sucedieron a gran velocidad, hay algunos sueños que aún forman parte del ideario popular. ¿Cuántas veces hemos escuchado la famosa frase de “mi hijo el doctor”?
Florencio Sánchez, dramaturgo uruguayo, se encargó a principios del siglo pasado de retratar la lucha de ideas y valores que se desataba en el seno de una familia rural luego de que ésta enviara a su hijo a la ciudad en busca de un título universitario en medicina.
Un estudio publicado en el 2011 (Cyranoski et al.)[56] en la revista Nature, daba constancia que en los países miembros de la Organización para la Cooperación y el Desarrollo Económico (OCDE), el número de doctores recibidos, refiriéndonos a aquellas personas de la academia y la ciencia con títulos de posgrado y no al personal médico o los juristas que en ocasiones se apropian de dicha titulación que no necesariamente les corresponde, ha crecido entre los años 1998 y 2008 un 40%. Esto ha generado que en algunos casos, la oferta supere a la demanda, por lo que muchos terminaron trabajando en puestos en los que sus años de formación no se ven reflejados como deberían luego de semejante esfuerzo.
Volviendo ahora al campo de la medicina, cabe destacar que en los últimos años se han desarrollado magníficas herramientas de AI para el diagnóstico médico. Algunas de estas se encuentran a la par con los diagnósticos de médicos profesionales al punto tal de poder detectar enfermedades específicas como la neumonía a través de imágenes de rayos X o el cáncer de piel analizando una serie de fotos.
Analicemos entonces cómo obtenemos hoy en día nuestros diagnósticos médicos. Nos acercamos a un profesional de la salud, que tras realizar sobre nuestro cuerpo una serie de estudios, procede a emitir su opinión sobre el cuadro que presentamos. Esto es posible gracias a que esta persona gozó probablemente de una buena nutrición al nacer, desarrollando apropiadamente sus capacidades cognitivas, para luego ir a la universidad, en donde estudió y aprobó una gran cantidad de exámenes, para finalmente comenzar a trabajar en la vida real, aplicando la teoría anteriormente aprendida, y afilando sus diagnósticos en base a la práctica continua.
El problema de este modelo es que el conocimiento se encuentra encerrado en las mentes de muy pocas personas. Por más reconocidas y talentosas que sean, no dejan de ser seres humanos, con memorias imperfectas y tiempo más que limitado para mantenerse actualizados sobre los nuevos avances de la ciencia en dicho campo, tal como sostiene Kai-Fu Lee, escritor de AI Super-powers, China, Silicon Valley and the New World Order. Mientras estas palabras están siendo escritas, la empresa DeepMind, ahora propiedad de Alphabet -Google, sigue trabajando en el reconocimiento de enfermedades oculares habiendo demostrado ya altos niveles de efectividad, como si los hubiera emitido un profesional, desde el 2018. Mientras ningún profesional de la salud es capaz de estar actualizado respecto a la totalidad de avances que se producen a diario, una Inteligencia Artificial dedicada a la medicina sería capaz de actualizar su base de datos, y así su conocimiento, en cuestión de segundos, incorporando estudios y descubrimientos nuevos día a día. Es más, todos los médicos y médicas actuales se recibieron antes de que sepamos secuenciar completamente el genoma humano[57]. De hecho, en años recientes AlphaFold, otra creación de DeepMind, que ya es utilizada por millones de investigadores a nivel mundial[58], ha ofrecido la infraestructura necesaria para predecir la estructura de más de 200 millones de proteínas, lo que resultará clave en la compresión de nuestra biología y la lucha contra distintas enfermedades.
Para que quede claro una vez más, tenemos que entender que si la Organización Mundial de la Salud identifica una nueva enfermedad, o una nueva cura para alguna enfermedad llega al mercado, es imposible impartir ese conocimiento a todo el personal médico del mundo al unísono. Una cosa es enviarles ese conocimiento, lo cual es fácil, otra cosa es asegurarse que lo estudien y lo incorporen. Por el contrario, podríamos actualizar la base de datos de nuestro programa con Inteligencia Artificial en tan solo unos pocos minutos y garantizar que todos los nuevos diagnósticos tengan en cuenta la nueva información disponible. No tiene sentido intentar compararnos con una computadora e intentar aprender más rápido que ellas, sencillamente no es posible.
[56] Cyranoski, D., Gilbert, N., Ledford, H., Nayar, A, & Yahia, M. (2011). Education: The PhD factory. Nature. Visto el 28 de junio del 2021, en https://www.nature.com/articles/472276a.
[57] Pennisi, E. (2022). Most complete human genome yet reveals previously indecipherable DNA. Science.org. Visto el 11 de abril del 2022, en https://www.science.org/content/article/most-complete-human-genome-yet-reveals-previously-indecipherable-dna.
[58] European Bioinformatics Institute. (2023). Case study: AlphaFold uses open data and AI to discover the 3D protein universe. Ebi.ac.uk. Visto el 16 de enero del 2023, en https://www.ebi.ac.uk/about/news/perspectives/alphafold-using-open-data-and-ai-to-discover-the-3d-protein-universe.