Moderado por Eduardo del Piano, vicepresidente de Usuaria, el panel “Desmitificando la GEN AI”; Diego Branca, Digital health, BI, CX & Omnichannel Director de Roche Argentina; Diego Waksman, CIO del Hospital Alemán; Claudia Tejedor, CIO de Medifé; Pablo Jaca, CIO de Diagnóstico Maipú – DASA Argentina; y Daniel Luna, CIO del Hospital Italiano de Buenos Aires (HIBA). El disparador fue la pregunta ¿qué entienden por Inteligencia Artificial Generativa?
Para Tejedor de Medifé, “la IA generativa permite crear contenidos originales y puede interpretar el contexto” y sobre su aplicación en la prepaga, señaló que “si bien no tenemos proyectos específicos; sí exploramos alianzas, arquitecturas de datos e interoperabilidad, e interacciones de lenguaje natural con los socios para usar nuevas tecnologías”. En Roche están utilizando IA generativa para llegar con educación médica como prueba piloto. DASA trabaja en obtener imágenes de mejor calidad con diagnósticos más acertados y veloces (con validación de médicos). Hospital Alemán hizo un intento de resumir HCE y buscar hallazgos para lograr un modelo conversacional y hacerle preguntas y, según Waksman, “resulta, pero no encuentra aplicabilidad en la lógica costo-beneficio, por lo que estamos buscando explorar la realización de bases vectoriales y usar la IA paga solo para el lenguaje”.
En el caso del HIBA, antes de la pandemia tenían un programa de IA que utilizaba algoritmos de aprendizaje automáticos con diferentes dominios. “Utilizamos sistemas basados en reglas como, por ejemplo, alertas en HCE que tengan efecto tanto en médicos como en pacientes, y técnicas de procesamiento de lenguaje natural, visión computacional para predicción de diagnóstico, hallazgo en imágenes, dermatología, etc”, detalló Luna. Sin embargo, muchas fueron dejando de utilizarse este año por tres motivos: fuga de talentos, la no disponibilidad de grandes volúmenes de datos para el entrenamiento y que el mercado va más rápido de lo que lo pueden hacer las organizaciones médicas en este aspecto: “Entonces no conviene generar sino convertir para incorporar”, opinó Luna.
Hace dos años, en HIBA comenzaron a seguir el concepto de probar grandes modelos de lenguaje, definiendo qué tecnología y para qué según las necesidades de los médicos. Encontraron que estos últimos no lo usarían para diagnósticos diferenciales o para generación de altas, pero sí para tareas administrativas y para consultar datos del paciente con aquellos que tienen muchos años de información clínica en el repositorio.
Recientemente, iniciaron un proyecto con un modelo RAR que permite todo quede en la base de la institución, se le da el contexto de los datos del paciente, se anonimiza y luego se envía al consumo de cualquier LLM que sea más económico en el momento. “Fue implementado en la central de emergencias, hoy está en piloto y andando excelentemente bien”, expresó Luna y vaticinó: “Solo con el dominio de las evoluciones cambiará el modelo de documentación clínica, y la idea es reconvertirlo para darlo como servicio, con beneficios a un modelo coloquial”.
La ética y la IA. “Los sesgos de entrenamiento es el más importante”, según Daniel Luna de HIBA. “Sucede que los grandes modelos del lenguaje han absorbido todo lo que está en Internet y todo lo que es occidental, además del problema ético de las alucinaciones porque están preparados para contestar algo y lo que no saben lo inventan, también que no hay modelo regulatorio porque siempre la normativa va detrás del avance tecnológico, pero seguramente serán restrictivas recién cuando todo haya sucedido, y por último el uso por parte del profesional que debe ser considerado como de instancia de validación con grado médico y el modo de resolverlo por ahora es que sí o sí estas herramientas sean asistentes de un humano que toma las decisiones”.
“La confidencialidad será un fuerte tema ético”, dijo Waksman del Hospital Alemán; mientras que Jaca de Dasa destacó que “cuando los médicos observan los beneficios, dejan de temer por la pérdida de su trabajo frente a las nuevas tecnologías”, y Branca de Roche coincidió en que “nuestra experiencia muestra que el miedo a ser reemplazados por la IA no es una barrera”.
Para Luna, “hay que diferenciar las especialidades, aún la cirugía robótica es un transductor del humano al robot, pero aquellos que tienen basado su trabajo esencialmente en el análisis de información para la toma de decisiones, habrá asistentes que lo ayudarán, pero a largo plazo se convertirán en asistentes de asistentes”.
Con todo, el valor estará en la educación de las nuevas generaciones de médicos donde lo que hace años debían aprender de memoria y ahora se hace de modo más sistémico basado en problemas, en un futuro no muy lejano los profesionales habrán aprendido a trabajar con asistentes conversacionales. “Vamos a vivir diez años de transición en el modelo de formación y asistencia, con la oportunidad de que una medicina que en los últimos 50 años se ha visto hiper especializada y sobrecargada de mucho trabajo que alejó al profesional del paciente, tenga la oportunidad a través de este tipo de herramientas de conectar nuevamente con lo empático, lo emocional, lo táctil, lo conversacional con el paciente, mientras el asistente genere pronósticos y modelos de tratamiento”, concluyó Luna.
Daniel Luna, CIO del Hospital Italiano de Buenos Aires (HIBA), habló de dos grandes planos para observar la utilidad de la IA generativa como asistente con el ser humano en el medio de su aplicación: el del paciente individual y el del grupo de pacientes.
En el primer caso, definió tres instancias: pre-asistencial, asistencial y post-asistencial; y dos nuevas dimensiones: transaccional y puramente asistencial. Y dijo que “en el pre-asistencial no se podrá evitar el uso de la IA porque es masivo y gratuito y deberemos lidiar con el Dr.GPT, quedando fuera del alcance de las organizaciones médicas qué se puede hacer con eso”. Pero puso en valor el modelo pre-asistencial desde lo transaccional “es donde más tiene para aportar hasta ahora, especialmente para la autogestión de los pacientes, facturación, turnos, portales que sirvan para educar y prevenir, etc”. Y tildó de “disruptivo” el modelo de cambio en la documentación clínica del plano asistencial a través de los asistentes virtuales “ya sean multimodales o monomodales por texto”, mientras que en el caso post-asistencial “tanto para seguimiento de información, educación para el paciente cuando ya tiene un diagnóstico también puede generar una gran revolución”.
Acerca de su aplicación en los grupos de pacientes, la impresión de Luna es que “los grandes modelos de lenguaje bien aplicados se van a comer los procesos de Data Analytics y Machine Learning tradicionales”.
