A pesar de la gran exageración sobre la IA, que incluye la afirmación de que sustituirá muchos puestos de trabajo en el sector sanitario, la IA no se ha difundido rápidamente en comparación con otros sectores debido a las limitaciones de acceso a los datos y a los algoritmos, a las barreras normativas y a los incentivos desajustados.
Limitaciones algorítmicas: Existe un riesgo sustancial de que la #AI genere soluciones con fallos que sólo se descubran después de su despliegue (hay largas listas de ejemplos documentados en referencias, algunas de las cuales he publicado en el pasado, por ejemplo, la radiología). Parte del problema es que a menudo es difícil entender cómo se generó una predicción específica, lo que significa que sin un esfuerzo sustancial, algunos #algoritmos de IA son las llamadas «cajas negras».
Limitaciones de los datos: Los datos médicos suelen ser difíciles de recopilar y de acceder. Los profesionales de la #medicina suelen resentirse del proceso de recogida de datos cuando éste interrumpe su flujo de trabajo, y los datos recogidos suelen estar incompletos. También es difícil agrupar esos datos entre hospitales o entre proveedores de atención sanitaria, en parte porque los sistemas de #historias clínicas electrónicas no son en gran medida compatibles entre los proveedores certificados por el gobierno. Sin grandes conjuntos de datos de alta calidad, puede ser difícil construir Inteligencia Artificial , útiles.
Barreras normativas: La normativa sobre privacidad puede dificultar la recopilación y puesta en común de los #datos sanitarios. En segundo lugar, el proceso de aprobación reglamentaria de una nueva tecnología médica lleva tiempo, y la tecnología recibe un escrutinio considerable. En tercer lugar, los problemas de responsabilidad civil también pueden suponer un obstáculo, ya que los proveedores de atención sanitaria pueden dudar en adoptar una nueva tecnología por miedo a las implicaciones del derecho de responsabilidad civil.
Incentivos desajustados: es menos probable que los conocimientos de IA se incluyan en las funciones clínicas que en las administrativas o de investigación. Los hospitales con un modelo salarial integrado, que tienen más probabilidades de ser dirigidos por personas que han centrado su carrera en la gestión y adoptan un enfoque sistemático de la administración, tienen una mayor tasa de adopción de la IA para los roles administrativos y clínicos, pero no para los roles de investigación en comparación con los #hospitales más propensos a ser gestionados por #médicos.
Aunque la #inteligenciartificial este colaborando ahora, todavía le falta mucho para dar resultados increíbles y confiables; mayormente falta un cambio de #mindset y de #unificar datos con criterio, en este mundo convulsionado de datos.