Un estudio sobre modelos predictivos de IA «frágiles» proporciona una «advertencia» sobre su uso en medicina

anuncio

Existe la esperanza de que la inteligencia artificial tenga el potencial de mejorar el tratamiento médico al predecir los resultados de los pacientes, pero un nuevo estudio advierte que los modelos impulsados ​​por IA pueden tener limitaciones.

Investigadores de la Universidad de Colonia en Alemania y la Universidad de Yale en Estados Unidos analizaron el modelo de aprendizaje automático para ver qué tan bien predijo las respuestas de los pacientes con esquizofrenia a los medicamentos antipsicóticos.

Este tipo de predicción puede resultar muy útil en medicina, especialmente en psiquiatría, donde los pacientes responden de forma diferente al tratamiento.

«Algunas personas responden muy bien a los medicamentos y otras no, y esto a veces dificulta aliviar sus síntomas lo más rápido posible», afirmó Josef Kampetz, profesor de psiquiatría biológica de la Universidad de Colonia y coautor del estudio. El estudio, para Euronews Next.

«A menudo, los médicos y profesionales de la salud no tienen una buena manera de predecir qué paciente responderá bien a qué medicamento», afirmó.

El resultado de este problema es que encontrar el mejor tratamiento puede llevar mucho tiempo, algo que algunos esperan que los modelos de IA cambien.

Pero los nuevos resultados publicados en Revista de ciencia Descubrió que, aunque los modelos estadísticos de IA eran muy precisos cuando se entrenaban y usaban en un conjunto de datos de prueba en particular, no podían generalizarse a otros estudios.

Esto sugiere que «los modelos predictivos del aprendizaje automático son frágiles y que un rendimiento excelente en un contexto clínico no es un predictor sólido del rendimiento en pacientes futuros», escribieron los autores.

Desislava Bachamanova, profesora del Babson College en EE. UU. que estudia análisis predictivo y aprendizaje automático, dijo que el estudio señala varias «limitaciones importantes» del uso de estos modelos para tratar pacientes y «ofrece una advertencia sobre la aplicación de la inteligencia artificial en la medicina». «. Generalmente».

«Uno de los problemas fundamentales es la naturaleza de los datos médicos. Para funcionar bien, los modelos de IA necesitan enormes cantidades de datos de alta calidad; sin embargo, recopilar datos sobre el tratamiento de los pacientes es caro», añadió Bashamanova, que no participó en el estudio.

«Los pacientes a menudo entran y salen del sistema, reciben tratamiento en diferentes instituciones y, a veces, dan declaraciones falsas sobre cómo siguen las recomendaciones de sus médicos. Es difícil seguir su trayectoria completa y vincularla con resultados específicos», afirmó.

¿Cómo probaron los investigadores los modelos?

En una prueba, los investigadores entrenaron y probaron los modelos de IA con los mismos datos, mientras que en otra utilizaron una «validación cruzada» donde dividieron los datos en subconjuntos: entrenaron el modelo de IA en un subconjunto y probarlo en otro. subconjunto varias veces.

De hecho, cuando dividieron los datos en diferentes grupos, descubrieron que el modelo funcionó “bastante bien pero en realidad” peor sin dividir los datos.

También probaron los modelos de manera más rigurosa, entrenándolos con los datos de un estudio y probándolos con los datos de otro estudio.

Descubrieron que “los modelos de IA funcionan bien cuando se usan en un estudio en particular, pero cuando se los saca del contexto del estudio, funcionan muy mal”, dijo Kampetz.

¿Qué significa esto para el uso futuro de la IA para predecir resultados de salud?

Bachamanova dijo que se necesita más investigación sobre cómo mejorar la recopilación de datos y la confiabilidad de los modelos predictivos para el tratamiento médico.

«A largo plazo, la IA será esencial para alcanzar el siguiente nivel de progreso médico. Sin embargo, hacer realidad este potencial requerirá una transformación en toda la industria en la forma en que se adquieren, procesan, almacenan y analizan los datos médicos utilizando modelos avanzados», afirmó. agregado.

Mientras tanto, Kampitz predice que estos modelos predictivos, especialmente en psiquiatría, no se utilizarán clínicamente durante mucho tiempo.

anuncio

En áreas de la medicina donde los datos están más estructurados y dependen menos de los cuestionarios de los pacientes, la aplicación clínica de la IA puede no estar muy lejos, pero en psiquiatría, «eso significa probablemente más de una década», dijo Kampitz.

Pero no tiene dudas de que «eventualmente tendrá un impacto».