Con el proyecto de inteligencia artificial HCA Healthcare, Google busca innovar en la asistencia médica con el uso de los datos de los pacientes y almacenando la información.
El gigante de la tecnología está preparándose con una fuerza competitiva contra Amazon y Microsoft, pero los expertos dicen que existen una serie de desafíos para la tecnología en el mundo de la medicina.
Al final de cada turno de hospital, la enfermera saliente tiene que poner rápidamente al día a la entrante sobre todos los pacientes a su cargo. Este “traspaso” puede adoptar múltiples formas, como conversaciones, notas manuscritas e historias clínicas electrónicas. “[Es] una parte arriesgada de la asistencia médica, porque estamos transfiriendo información de un proveedor médico a otro”, afirma Michael Schlosser, vicepresidente sénior de transformación e innovación asistencial de HCA Healthcare. “Tenemos que asegurarnos de que se hace de forma precisa y de que nada se nos escapa”.
Schlosser y su equipo de HCA, con sede en Nashville —uno de los mayores sistemas médicos del país, con 180 hospitales y unos 37 millones de pacientes al año—, pensaron que esta transferencia de información podía ser una buena oportunidad para aplicar la inteligencia artificial generativa. Los grandes modelos lingüísticos son buenos para resumir y organizar datos. Pero cuando HCA buscó posibles proveedores en el mercado, Schlosser dice que no encontró ninguna empresa que creara soluciones para este problema.
HCA ya tenía una asociación con Google Cloud, así que recurrieron al paquete de software de Google llamado Vertex AI, que ayuda a los clientes a generar e implantar modelos de aprendizaje automático. Google ofrece su propio modelo básico, conocido como PaLM, pero la plataforma es agnóstica en cuanto a modelos, lo que significa que los clientes también pueden utilizar GPT-4 de OpenAI, Llama de Facebook, Titan de Amazon o cualquier otro modelo de su elección.
En un intento por atraer a más clientes del sector médico, Google también ha estado desarrollando un gran modelo lingüístico específico para este sector. La empresa anunció el martes que lanzará la última versión -denominada Med-PaLM 2- a un mayor número de clientes en septiembre. HCA es uno de los varios clientes del sector médico que han tenido acceso anticipado, junto con el gigante farmacéutico Bayer, la empresa de historiales médicos electrónicos Meditech y las empresas de salud digital Infinitus Systems y Huma. Este renovado impulso a la sanidad se produce en un momento en que Microsoft y Amazon están haciendo sus propias incursiones en el sector impulsadas por la IA, y no está nada claro cuál saldrá vencedor cuando se disipe la polvareda.
“Aún estamos a cinco minutos de la maratón”, afirma Chirag Dekate, analista de Gartner, sobre el panorama de la IA en el sector médico.
En 2021, Google disolvió su división independiente Google Health, pero afirmó que los esfuerzos relacionados con la salud continuarían en toda la empresa. Sus recientes soluciones de IA en el sector están orientadas a resolver problemas parciales. Por ejemplo, Google lanzó el año pasado herramientas de IA para ayudar a las organizaciones médicas a leer, almacenar y etiquetar radiografías, resonancias magnéticas y otras imágenes médicas. A principios de este año, la empresa presentó herramientas de IA para ayudar a las aseguradoras médicas a acelerar la autorización previa.
Según Greg Corrado, responsable de IA médica de Google, la propia tecnología de IA hace necesario centrarse en los casos de uso. A pesar de la expectación que despiertan los grandes modelos lingüísticos, afirma que es “ingenuo” esperar que sean “capaces de hacer cualquier cosa de forma experta desde el primer momento”, y añade que “en la práctica, estos sistemas siempre requieren la identificación de casos de utilización específicos”.
Le podría interesar: “Esta startup de IA en salud tiene como objetivo mantener a los médicos actualizados sobre la última ciencia”
Cuando se trata de grandes modelos de lenguaje, Google ha estado jugando a ponerse al día con OpenAI, la startup detrás del chatbot viral ChatGPT, que ha recibido una inversión de 10 mil millones de dólares de Microsoft. En 2022, Microsoft adquirió Nuance Communications por 18.800 millones de dólares, lo que le dio un punto de apoyo importante para vender nuevos productos de IA a clientes hospitalarios, ya que el software de dictado médico de Nuance ya es utilizado por 550.000 médicos. “Nuance tiene una enorme huella en la atención médica”, afirma Alex Lennox-Miller, analista de CB Insights, lo que hace que Microsoft esté “bien posicionada” para el uso de su software de IA generativa para tareas administrativas en el sector.
Antes del auge de la IA generativa, Amazon, Microsoft y Google competían por los clientes de la nube. Con 48.100 millones de dólares en ingresos en la nube en 2022, Amazon tiene alrededor del 40% de la cuota de mercado, según la firma de investigación tecnológica Gartner. Microsoft le sigue con un 21,5%, mientras que Google se sitúa en cuarto lugar, por detrás de Alibaba Group, con más de 9.000 millones de dólares en ingresos en la nube y un 7,5% del mercado.
Tampoco es de extrañar que todos ellos traten ahora de dirigirse específicamente a clientes del sector médico, un sector complejo y muy regulado, afirma Dekate. Según Dekate, esto se debe a que si uno es capaz de demostrar casos de utilización en un entorno más complejo, como la sanidad o los servicios financieros, indica a otros clientes que la IA generativa está lista para una adopción más amplia.
Pero nadie ha llegado todavía a ese punto. Lo que todas las empresas de la nube han presentado a los clientes son bloques de construcción, dice Dekate. Es decir, muchas formas de utilizar sus plataformas de IA en aplicaciones a medida que sus clientes tienen que crear. Pero lo que esos clientes quieren son soluciones completas.
“Amazon, Google y Microsoft están luchando por dominar las alturas de mando de la economía de la IA generativa”, afirma Dekate. “Pero ninguno de ellos ha articulado una historia vertical lo suficientemente buena”.
Dado que la asistencia médica está tan regulada y las consecuencias de los errores son tan elevadas, los casos de uso de IA generativa deben empezar siendo muy pequeños. Para HCA, esto significa que un hospital, UCF Lake Nona, está probando actualmente la herramienta de transferencia como prueba de concepto. La IA ingiere los datos del paciente de las últimas 12 horas, incluidos resultados de laboratorio, medicación, acontecimientos importantes, y escupe un resumen del traslado, que también incluye sugerencias sobre lo que la enfermera entrante debería pensar en las próximas 12 horas, dice Schlosser.
Aunque se ha creado utilizando el software Vertex AI de Google, HCA ha estado experimentando con distintos modelos de base, como PaLM y Med-PaLM. “De hecho, estamos haciendo muchas pruebas para ver si el modelo genérico funciona mejor y si un modelo con formación médica ofrece más precisión y mejores resultados”, explica Schlosser. “Imagino que ambos tendrán papeles importantes en el futuro que intentamos crear”.
La idea de utilizar múltiples modelos para resolver un problema complejo, lo que se conoce como inteligencia artificial “compuesta”, presenta un reto interesante para los proveedores de la nube, afirma Dekate. Ofrecen al mismo tiempo sus propios modelos internos, pero también se asocian con otras empresas para ofrecer “la promesa de elegir”, afirma. Dekate espera que cada vez más Google, Microsoft y Amazon empiecen a ofrecer servicios para ayudar a los clientes a evaluar distintos modelos. Schlosser afirma que, hasta ahora, HCA ha aplicado un enfoque manual a la evaluación, haciendo que médicos y enfermeras valoren los resultados del modelo en relación con lo que haría el equipo humano en una comparación directa.
Corrado afirma que, en el estado actual de la técnica, los modelos generativos de IA pueden compararse a “un asistente ansioso y estudioso que se esfuerza por hacer un buen trabajo. Y hay que ver el resultado de forma crítica, como un borrador, y decir: “Bueno, ¿qué se te ha escapado? ¿En qué te has equivocado?”.
OpenAI considera que cuanto mayor sea la cantidad de datos con los que se entrena el modelo, mejor. Su modelo GPT-3, que se entrenó en Internet abierto, tenía unos 175.000 millones de parámetros, y se cree que la última versión, GPT-4, tiene más de un billón de parámetros (aunque la empresa no ha confirmado públicamente la cantidad total). Google afirma que los modelos PaLM y Med-PaLM más grandes tienen 540.000 millones de parámetros. La empresa no ha querido hacer comentarios sobre el tamaño de PaLM 2.
Pero a medida que los modelos se entrenan con más y más datos, pueden surgir problemas de rendimiento. En julio, un grupo de investigadores de Stanford y UC Berkeley afirmó que sus pruebas sugerían que el rendimiento de GPT-4 había sufrido cierta degradación con el tiempo, haciéndose eco de informes anecdóticos que pueden verse en foros de desarrolladores. Aunque se trata de un hallazgo preliminar y los investigadores todavía están aprendiendo cómo funcionan los modelos generativos de IA, esto suscita cierta preocupación, sobre todo porque no está del todo claro cómo llegan a sus respuestas estos sistemas de IA. “Uno de los mayores problemas de estos algoritmos en la atención sanitaria va a ser su dificultad para ser transparentes”, afirma Lennox-Miller.
Corrado afirma que estas preocupaciones son precisamente la razón por la que Google está experimentando con modelos LLM especializados que se entrenan con conjuntos de datos más limitados. Si no se adaptan los modelos a casos de uso específicos, como la sanidad, “se corre el riesgo de tener una navaja suiza, que no es el mejor cuchillo ni el mejor destornillador. Y tampoco es el mejor palillo de dientes. Y creemos que es mejor, sobre todo en estos entornos de alto valor, hacer una adaptación al dominio, entender cuál es el caso de utilización y tener el mismo tipo de evaluación rigurosa de la calidad y control de versiones que se esperaría de un producto real”.
Otro reto para la mayoría de los grandes modelos lingüísticos es que no están aprendiendo constantemente. Suelen tener una fecha límite para sus datos de entrenamiento. Por ejemplo, la versión gratuita de ChatGPT se entrenó con datos hasta septiembre de 2021. Pero los conocimientos en el ámbito de la salud avanzan constantemente, por lo que los médicos que utilizan estas herramientas deben tener una idea clara de lo recientes que son los datos con los que trabajan. Corrado afirma que Google aún está decidiendo cuál será el límite, pero que se comunicará a los clientes. “No confiamos en que estos sistemas lo sepan todo sobre la práctica de la medicina”, afirma Corrado.
En los hospitales del futuro, Schlosser imagina un “asistente de IA para el equipo asistencial” que, en su opinión, tendrá “un poder asombroso para reducir la carga administrativa”. HCA también ha estado trabajando con Google y la empresa de IA ambiental Augmedix, que cotiza en bolsa, para automatizar la toma de notas médicas en urgencias. Schlosser afirma que unos 75 médicos de cuatro hospitales de HCA utilizan esta tecnología. El “santo grial” para los médicos, dice, es que podrían centrarse en atender a los pacientes y “la documentación se ocuparía de sí misma”. El motivo por el que empiezan en urgencias es que es uno de los lugares más complicados para demostrar que la tecnología funciona.
Cuando se trata de utilizar la herramienta de Augmedix, el médico pide directamente al paciente su consentimiento para grabar el examen y utilizar una herramienta de IA para tomar notas, dice Schlosser. En el caso de la herramienta de transferencia de la enfermera, que no está orientada al paciente, entra dentro del consentimiento de privacidad más amplio de HCA sobre el uso de los datos del paciente para la investigación y la mejora de procesos, afirma. HCA también está trabajando en el utilización de IA generativa para los resúmenes de altas de urgencias, así como para los traspasos de urgencias a hospitalización. Schlosser afirma que cuando HCA piense en ampliar el utilización de la IA con fines administrativos, la empresa tendrá que considerar “la forma correcta de hacer saber a todos los pacientes que una IA forma parte de un proceso de prestación de asistencia”.
El consentimiento y la privacidad son preocupaciones importantes en torno al uso de la IA en la atención médica y Google generó una controversia significativa con una asociación anterior con el sistema hospitalario Ascension utilizando IA para analizar millones de registros médicos. En 2019, los informes sobre el “Proyecto Nightingale” de la compañía plantearon preocupaciones sobre la privacidad y la seguridad de los datos. Tanto Google como Ascension dijeron que el trabajo cumplía con las leyes federales de privacidad del paciente.
Lea también: “La OMS pide ‘cautela’ en el uso de la inteligencia artificial en el ámbito de la salud”
En el caso de PaLM y Med-PaLM, Google dice que ninguno de los modelos está siendo entrenado con datos de pacientes en HCA o cualquier otro cliente. “Los datos de HCA son datos de HCA y de nadie más”, dice el CEO de Google Cloud, Thomas Kurian, a Forbes. “Piense en ellos como una bóveda en nuestra nube que solo se utiliza para entrenar la versión del modelo que están utilizando. No se comparte con nadie más. Ninguno de esos datos se usa para mejorar nuestro modelo base”.
A pesar de los retos que plantea la IA generativa, desde las capacidades técnicas hasta las preocupaciones por la privacidad y los datos, Schlosser es optimista en cuanto a que las herramientas basadas en la tecnología pasarán a formar parte del conjunto de herramientas estándar de los médicos. HCA está adoptando un enfoque lento basado en aliviar algunas de las cargas de su trabajo diario, dice, porque piensa que una vez que los médicos empiecen a adoptar la IA, estarán en condiciones de orientar la mejor manera de utilizarla para aplicaciones más complicadas.
“Quiero que los médicos acepten plenamente la IA como un aliado que les facilita la vida, antes de que empecemos a entrar en algunas de esas áreas más controvertidas”, afirma.