En medicina, varias cabezas piensan mejor que una
Errar es de humanos. Pero en la medicina, los errores cuestan vidas y muchos de ellos se deben a un diagnóstico incorrecto. Sin embargo, ¿y si se pudiera aumentar la precisión diagnóstica combinando el diagnóstico de diferentes médicos? Un equipo internacional de investigadores respaldado por el proyecto HACID, financiado con fondos europeos, desarrolló un procedimiento totalmente automatizado que utiliza técnicas de ingeniería del conocimiento a fin de aprovechar al máximo la inteligencia colectiva (IC) en la medicina y la asistencia sanitaria.
Uno contra muchos
El equipo probó su solución con más de mil trescientos casos médicos proporcionados por The Human Diagnosis Project, una plataforma de colaboración masiva médica. Cada caso fue diagnosticado de forma independiente por diez diagnosticadores. El equipo comparó los diagnósticos individuales con su solución colectiva y, de este modo, descubrió que su método aumentaba de forma sustancial la precisión diagnóstica. Los diagnósticos individuales alcanzaron una precisión del 46 %. En cambio, la agrupación de las decisiones de 10 diagnosticadores la aumentó al 76 %. «Nuestros resultados revelan el potencial para salvar vidas que supone aprovechar la IC de la comunidad médica mundial para reducir los errores de diagnóstico y aumentar la seguridad de los pacientes», afirman los investigadores en su artículo publicado en la revista «PNAS». El mayor reto a la hora de combinar diagnósticos independientes procedentes del diagnóstico abierto es identificar cuales de ellos hacen referencia al mismo concepto médico, lo cual implica problemas mundanos como las diferentes grafías, el uso de mayúsculas y las erratas. También conlleva cuestiones más complejas, como si dos diagnósticos informados son equivalentes o no. Para identificar conceptos médicos exactos a partir de diagnósticos expresados en texto libre, la solución del equipo se basa en una combinación de grafos de conocimiento semántico, procesamiento del lenguaje natural y la terminología clínica multilingüe más exhaustiva del mundo (la ontología SNOMED Clinical Terms) para su normalización. «Esta labor es un proceso totalmente automatizado, que abarca desde la agregación de diagnósticos hasta la evaluación de los resultados obtenidos mediante IC, lo que posibilita aprovechar la capacidad de expertos médicos independientes en el ámbito médico en general. Por tanto, esto amplía muchísimo la aplicación de la IC en el diagnóstico médico, lo que va más allá de la simple clasificación binaria o multiclase o de las tareas de estimación numérica», comentan los autores del estudio. «Nuestros resultados revelan que la agregación de respuestas independientes de múltiples usuarios da lugar a mejoras sustanciales en la precisión diagnóstica a través de reglas de agregación, especialidades médicas, síntomas principales y niveles de antigüedad de los usuarios».
Sin intervención humana
La solución elimina toda intervención humana manual. En una noticia de «EurekAlert!», el coautor del estudio, el doctor Vito Trianni, del Consejo Nacional de Investigación de Italia, entidad coordinadora del proyecto HACID, afirma: «Una aportación fundamental de nuestro trabajo es que, aunque los diagnósticos proporcionados por personas mantienen su primacía, nuestros procedimientos de agregación y evaluación están totalmente automatizados, lo que evita posibles sesgos en la generación del diagnóstico final y permite que el proceso sea más rápido y rentable». Es más, dado que la solución está totalmente automatizada, «puede funcionar en un entorno clínico real al instante, en el que se desconoce la verdad fundamental en el momento de emitir las opiniones», se lee en el artículo. Los investigadores colaboran ahora en el proyecto HACID (Hybrid Human Artificial Collective Intelligence in Open-Ended Decision Making) para acercar su aplicación al mercado. Para más información, consulte: Página web del proyecto HACID
Palabras clave
HACID, médico, diagnóstico, diagnóstico incorrecto, precisión, inteligencia colectiva, medicina, diagnosticador