Autor(es): Yosra Magdi Mekki
Año: 2024
Referencia bibliográfica:
Mekki, Y. M. (2024). Physicians Should Build Their Own Machine-Learning Models. Patterns, 5, 100948. https://doi.org/10.1016/j.patter.2024.100948
Categoría asignada: Innovación y emprendimiento
Resumen:
El artículo Physicians Should Build Their Own Machine-Learning Models defiende que los médicos deben estar capacitados para desarrollar sus propios modelos de aprendizaje automático (ML) en lugar de depender exclusivamente de expertos en tecnología. La autora, Yosra Magdi Mekki, plantea un enfoque centrado en los médicos como usuarios finales de estas herramientas, argumentando que la revolución actual de la IA en la salud es más una “revolución de la experiencia de usuario (UX)” que una innovación puramente tecnológica.
Mekki destaca que la colaboración entre expertos en ML y médicos suele estar limitada por la falta de comprensión mutua, lo que impide una integración eficiente de la IA en la práctica clínica. A través de su experiencia como desarrolladora de ML y médica en formación, la autora observa cómo esta falta de comunicación a menudo resulta en modelos que no responden adecuadamente a las necesidades clínicas. Por ello, propone un cambio en el enfoque hacia la creación de herramientas accesibles y personalizables que permitan a los médicos sin conocimientos técnicos profundos crear y ajustar modelos de IA para sus propias necesidades.
Un aspecto central del artículo es la discusión sobre cómo los avances en la experiencia de usuario (UX) pueden facilitar el uso de la IA por parte de los médicos. Mekki sugiere que los desarrolladores deberían enfocarse en crear interfaces intuitivas que permitan a los profesionales de la salud construir sus propios modelos de IA de manera simple, de la misma forma en que hoy en día las personas pueden construir sitios web sin conocimientos avanzados de programación. Esto democratizaría el acceso a las herramientas de IA en entornos hospitalarios y clínicas con recursos limitados.
El artículo propone una estrategia llamada “enfoque de luz focalizada”, que consiste en dirigir recursos computacionales y fondos de investigación hacia el desarrollo de marcos generales, en lugar de modelos únicos para casos específicos. La autora argumenta que, al proporcionar herramientas modulares que los médicos pueden adaptar a sus propios flujos de trabajo, se fomentaría una mayor adopción y creatividad en el uso de IA en la medicina. Esto permitiría a los médicos adaptar modelos para sus pacientes, sin necesidad de depender de laboratorios de IA o de grandes inversiones en recursos computacionales.
Mekki también menciona ejemplos actuales de plataformas que simplifican el uso de IA en la investigación biomédica, como BioAutoMATED y Stanford’s Spezi, que permiten a los usuarios sin experiencia técnica crear modelos de IA para tareas específicas como el análisis de imágenes o la secuenciación biológica. Estas plataformas representan un primer paso hacia la integración de herramientas de IA accesibles en la práctica médica.
Otro tema importante es la necesidad de mejorar la formación en IA para estudiantes de medicina y médicos en ejercicio. Mekki señala que, aunque muchos médicos reconocen el potencial de la IA, a menudo se sienten intimidados por la barrera técnica que supone la construcción de modelos. Por lo tanto, aboga por la inclusión de programas educativos accesibles que enseñen los conceptos básicos de IA y ML, y que permitan a los médicos experimentar con herramientas personalizadas para desarrollar soluciones adaptadas a sus pacientes.
El artículo concluye con una visión a largo plazo en la que los médicos, incluso aquellos con poca o ninguna formación técnica, puedan diseñar y ajustar sus propios modelos de IA mediante plataformas intuitivas. Esto no solo reduciría la dependencia de los especialistas en tecnología, sino que también promovería un enfoque más centrado en el paciente, donde los médicos podrían adaptar la IA a las necesidades específicas de sus prácticas.
En resumen, el artículo aboga por un cambio en el paradigma de la IA en la salud, en el que los médicos tengan un papel más activo en el desarrollo de las herramientas que utilizan. Esto, según la autora, no solo aceleraría la adopción de la IA en la medicina, sino que también mejoraría la precisión y la personalización de la atención médica mediante la utilización de modelos específicos para cada paciente.
