← Volver al inicio

La IA aprende a hacer preguntas y elegir pruebas paso a paso: un estudio de Microsoft supera el 80% de precisión diagnóstica en casos simulados

Partir de pistas limitadas y decidir después qué preguntar y qué pruebas realizar acerca la evaluación diagnóstica de la IA al razonamiento clínico. Pero entre una puntuación alta en historias clínicas y una mejora real de la atención al paciente queda un camino que requiere evidencia.

By SURL BioNews

La dificultad del diagnóstico suele estar en lo que ocurre antes de llegar a la respuesta: ¿qué síntomas merecen más preguntas, qué prueba puede reducir las posibilidades y cuándo conviene dejar de buscar? Un estudio del equipo de Microsoft publicado el 22 de octubre en *Science* permitió que la IA obtuviera pistas paso a paso a partir de información limitada, para evaluar si podía llegar al diagnóstico siguiendo ese recorrido. Los resultados muestran una precisión superior al 80% en ambos conjuntos de casos simulados, pero el estudio aún no ha demostrado que el sistema pueda aportar el mismo beneficio a pie de cama.

El estudio utilizó un diseño de «diagnóstico secuencial». A diferencia de las pruebas que presentan de una vez la historia clínica completa y piden elegir una respuesta, los participantes leen primero una breve descripción clínica y luego deciden qué información solicitar o qué pruebas pedir. SDBench, el marco de evaluación de diagnóstico secuencial creado por el equipo, registra si el diagnóstico es correcto, qué información se solicitó y el coste estimado de las pruebas, con la intención de incorporar también el proceso de razonamiento a la puntuación.

El sistema evaluado, Microsoft AI Diagnostic Orchestrator (MAI-DxO), simula una discusión entre varios médicos: propone posibles enfermedades, cuestiona las conclusiones actuales y ajusta el diagnóstico diferencial a medida que aparecen nuevas evidencias. Según el anuncio de Microsoft, el sistema también sopesa la información que podrían aportar las pruebas y su coste para decidir el siguiente paso de verificación.

El resumen del artículo señala que el sistema alcanzó una precisión diagnóstica del 83.2% en los casos de discusión clínico-patológica de *The New England Journal of Medicine*, y del 80.3% en la evaluación de registros de visitas a urgencias de MIMIC-IV-ED. Los médicos generalistas que participaron en la comparación obtuvieron un 36.1% y un 46.8%, respectivamente. Microsoft añade que el primer conjunto incluía 304 casos complejos y que el resultado de los médicos, de alrededor del 36%, se obtuvo en condiciones que permitían consultar fuentes de referencia externas; estas condiciones de comparación son un contexto imprescindible para interpretar la diferencia.

Los dos conjuntos de datos ofrecieron escenarios de prueba distintos: los casos de la revista pusieron a prueba el razonamiento sobre enfermedades complejas, mientras que los registros de urgencias ampliaron la evaluación a motivos de consulta más habituales. Sin embargo, ambos reconstruyen el proceso diagnóstico en un entorno controlado. Estos resultados no permiten concluir directamente que la IA sea superior a todos los médicos, ni responden a si puede reducir los diagnósticos omitidos en la práctica real, acortar la espera para recibir tratamiento o mejorar los resultados de los pacientes. Los costes de las pruebas también proceden de estimaciones y no pueden interpretarse directamente como ahorros ya logrados por los hospitales.

Para que otros investigadores puedan examinar el método, Microsoft afirma que publicará el marco de evaluación y el código de evaluación correspondientes a una parte de los casos de la revista, incluidos el suministro de información, la determinación de si las respuestas son correctas y la estimación de costes. Esto ayudará a equipos externos a reproducir las pruebas y comparar otros modelos; sin embargo, la publicación se limita a una parte de los casos, por lo que sigue siendo necesario tener en cuenta los límites de los datos y métodos de evaluación.

El siguiente paso serán los estudios con participación real de pacientes. Microsoft anunció que planea colaborar con el Beth Israel Deaconess Medical Center de Boston para que los pacientes interactúen directamente con el sistema y comparar después los resultados con las evaluaciones independientes de los médicos. Este estudio prospectivo aún tiene pendientes sus resultados; la precisión actual del 80% respalda la necesidad de seguir validando el sistema. Cómo integrar la IA en la atención clínica, cuándo debe intervenir un médico y si puede mejorar la atención son cuestiones que todavía deberán responderse, una por una, en el entorno clínico.

References

  1. Science / PubMed
  2. Microsoft AI