capítulo
11. Inteligencia humana y artificial en el diagnóstico diferencial
En la década de
1990 la inteligencia se definió como una capacidad mental muy general, que
entre otras cosas implica la capacidad para razonar, planear, resolver
problemas, desarrollar el pensamiento abstracto, comprender ideas complejas y
aprender de la experiencia.
Los pacientes
buscan a los profesionales de la salud para resolver su problema médico; éste
comienza con un nuevo conjunto de signos y síntomas subjetivos y
objetivos. La tarea del médico es
identificar la enfermedad o trastorno particular que causa los signos y
síntomas, lo que se conoce como diagnóstico diferencial. El desarrollo y
refinamiento de la inteligencia diagnóstica (humana y artificial) puede mejorar
la capacidad de los profesionales de la salud para hacer un diagnóstico
diferencial más preciso.
Excepto por las
enfermedades psiquiátricas y los trastornos del tejido conectivo, la gran
mayoría de las enfermedades carece de un conjunto necesario y suficiente de
signos y síntomas con el cual pueda hacerse un diagnóstico clínico confiable. Otra situación que hace del diagnóstico
diferencial una tarea difícil y compleja
es el hecho de que los pacientes pueden desarrollar signos y síntomas
compartidos por dos o más enfermedades.
Con el tiempo
los médicos novatos aceptan que no todos los signos y síntomas característicos
de una enfermedad se encontrarán en un caso particular de la misma;
comprenderán que la mayoría de los casos incluye manifestaciones compartidas
por dos o más enfermedades y que el
diagnóstico diferencial de las enfermedades imprecisas es una decisión
probabilística más que determinista. Es con la experiencia práctica y la
realimentación que los médicos principiantes aprenden que el diagnóstico
diferencial es complejo, ya que la mayoría de las enfermedades carece de una definición
clara de los antecedentes y hallazgos de físicos clínicos necesarios y
suficientes. El diagnóstico de diferencial de las categorías nosológicas
imprecisas o polimórficas constituye una tarea que se efectúa con juicios en
condiciones de incertidumbre.
Robert Gagné
sugiere que los seres humanos tienen 5 capacidades intelectuales básicas:
-
Para desarrollar las bases del
conocimiento mediante la adquisición de información.
-
Para realizar varias
habilidades intelectuales generalizables.
-
Para construir y ejecutar
estrategias cognitivas.
-
Para aplicar habilidades
psicomotoras
-
Para desarrollar actitudes.
Los programas de
educación médica han operado con la suposición de que la competencia
diagnóstica se basa sobre todo en el desarrollo de la segunda de éstas cinco
capacidades, capacidades para realizar varias actividades intelectuales
generalizables, que en medicina se han denominado razonamiento
hipotético-deductivo, habilidades para solucionar problemas, pensamiento de
orden superior, razonamiento crítico, etc. Los educadores médicos asumen que,
una vez desarrolladas estas habilidades intelectuales generalizables permiten a
los médicos mantener un desempeño de alto nivel, competencia médica, para
cualquiera y todos los problemas diagnósticos y las etiologías relacionados con
éstos.
No obstante los
estudios demuestran que el desempeño diagnóstico de los estudiantes de medicina
y de los médicos varía: 1) de un problema a otro, 2) en un mismo problema y 3)
en función del carácter más o menos típico (facilidad/dificultad) de un
conjunto particular de signos y síntomas con los que se manifiesta una
enfermedad determinada.
Actualmente se
cree que el desempeño diagnóstico depende más de la solidez de la base de
conocimientos con los que cuente el médico para enfrentar el problema
diagnóstico en cuestión, los diagnósticos diferenciales relacionado con el
problema y que el caso en cuestión tenga un cuadro típico o atípico, aunque no
hay duda acerca de que las habilidades intelectuales son un factor, tienen un peso menos que el conocimiento
específico sobre el problema y la enfermedad.
En 1960 y 1970
Newell y Simon sugirieron que podía utilizarse formas teóricas de conocimiento
y mecanismos cognitivos (procesadores de información) como base para crear
módulos computacionales o herramientas que pudieran simular las actividades
humanas para solución de problemas, como las tareas de categorización y
clasificación. Se refirieron a estas herramientas como sistemas de
procesamiento de información. Su trabajo conduciría a un nuevo campo llamado
inteligencia artificial (IA), en el que los investigadores podrían modelar el
desempeño humano con exactitud creciente mediante el uso de estructuras base
del conocimiento y mecanismos para el procesamiento de la información cada vez
más refinados.
Dos componentes
operativos importantes de un IPS se llamaron heurísticas débiles y heurísticas
fuertes; las primeras eran aplicables a una amplia variedad de problemas, pero
no conducían a una solución correcta para un problema determinado; las segundas
no eran aplicables ampliamente a los problemas, pero permitían la
interpretación eficiente y efectiva de problemas y tareas específicos para los
que estaban diseñadas.
Conforme los
modelos de mente manejados con IA evolucionaban, las heurísticas débiles
llegarían a representar las habilidades intelectuales de aplicación amplia
(mecanismos de procesamiento de información), mientras que las heurísticas
fuertes representarían las estructuras básicas de conocimiento para problemas y
tareas específicas (formas de conocimiento almacenadas en la memoria). El éxito
inicial de estos modelos computacionales de la toma de decisión humana dieron
una razón a los investigadores para creer que podrían servir como base para
diseñar representaciones neurobiológicas de las funciones cerebrales que hacen
posible las actividades humanas para resolver problemas.
En la década de
1970, Anderson exploró el modo en que la organización de la información
adquirida y las experiencias vitales se almacenaban en la memoria y así
permitían la solución de problemas. Los autores propusieron la teoría Carácter
Adaptativo del Pensamiento (ACT-R) en la que las estructuras basadas en el
conocimiento para problemas y tareas específicos se asignaban como declarativas
o de procedimiento, las primeras representaban el conocimiento de “qué”, “que”
o “hechos”, mientras que las segundas, en forma de proposiciones si/entonces,
representaban el conocimiento de “cómo”. La organización o construcción de
bases de conocimiento de procedimientos depende del desarrollo de mecanismos de
procesamiento de información más profundos, que permiten a los aprendices
transformar el conocimiento declarativo en conocimiento procedimental.
A finales de la
década de 1990, los investigadores usaron técnicas de neuroimágenes para
obtener evidencia de la validez de las estructuras de la base de conocimiento
declarativo y procedimental descritos en la teoría de Anderson; para ello
demostraron que la información en forma de conocimiento declarativo se almacena
en el hipocampo y la parte medial del lóbulo temporal, mientras que el
conocimiento propositivo o procedimental se almacena en estructuras corticales
y subcorticales.
Los trabajos
conjuntos de Newell, Simon, Anderson, y otros empezaron mejoraron la
comprensión del posible papel y las interacciones entre el conocimiento
declarativo y procedimental y las habilidades intelectuales en el desarrollo de
la inteligencia y competencia diagnóstica, también aclararon como las
habilidades intelectuales adicionales (estrategias cognitivas) parece ser parte
del origen de la transformación inteligente del conocimiento declarativo en
procedimental. A finales de los 90s Sloman y otros codificaron varias de estas
teorías en un solo modelo unificado de la manera en que la mente realiza tareas
de categorización y clasificación, la teoría del procesamiento dual o
procesamiento Sistema 1/Sistema 2.
El procesamiento
por el Sistema 1 permite hacer un diagnóstico al determinar si el patrón de
signos y síntomas es: 1) similar a por lo menos un caso previo diagnosticado
correctamente de una enfermedad, almacenado en la memoria de largo plazo, o 2)
similar a una representación resumida, sintetizada o prototípica de una
enfermedad almacenada en la memoria de largo plazo.
En un
diagnóstico mediado por el Sistema 2 se crean reglas para sopesar cada signo y
síntoma, y se almacenan en la memoria de largo plazo; después se recuperan de
modo deliberado mediante mecanismos de procesamiento del Sistema 2 para
construir poco a poco un argumento en favor o en contra del nuevo caso como
representación de una u otra enfermedad.
En la década de
1980 Papa propuso la KBIT (knowledge based inference tool) que señalaba que 1)
la base de conocimiento declarativo de los médicos consistía en estimaciones de
la frecuencia con la que un signo o síntoma particular se relaciona con una
enfermedad determinada, 2) el conocimiento declarativo se transforma en
conocimiento procedimental en la forma de reglas de si/entonces que sopesan el
peso relativo de la presencia o ausencia de un signo o síntoma determinado en
favor o en contra de cada enfermedad, 3) conforme se reúnen signos y síntomas
durante el estudio del paciente, un mecanismo procesador de la información suma
estas reglas de peso relativo para cada enfermedad en consideración, y 4) la
enfermedad con el mayor peso acumulado representa el diagnóstico más probable.
Muchas escuelas
de educación superior emplean el instruccionismo educativo como su principal
método de enseñanza, este es una estrategia en la que los estudiantes reciben
de modo pasivo grandes cantidades de conocimiento declarativo en lo que suele
ser un aula grande. El entrenamiento médico orientado al conocimiento
declarativo parecería dificultar el desarrollo de la inteligencia diagnóstica
porque impide el desarrollo de las formas del procesamiento dual.
Como resultado
de la enseñanza médica con una orientación instruccionista los estudiantes
tiene el conocimiento declarativo pero no pueden aplicarlo.
En su teoría de
aprendizaje de la experiencia, Kolb sugería que un entrenamiento que apoyara al
mismo tiempo la adquisición de información y el desarrollo de capacidades
intelectuales y que también proporcionara experiencias concretas, permitiría a
los estudiantes desarrollar el conocimiento procedimental necesario para
realizar de forma gradual tareas significativas de manera competente. Gagné
sugirió que después de la adquisición de información verbal consciente
(declarativa), las habilidades intelectuales del aprendiz pueden desarrollarse
de un modo jerárquico mediante: 1) el establecimiento de discriminaciones entre
las descripcioes verbales de los objetos; 2) la formulación de conceptos
concreto a partir de la información adquirida; 3) la construcción de reglas; 4)
la construcción de reglas de orden superior y 5) la formulación de capacidades
para resolver problemas.
Ericsson sugirió
que cuando los aprendices participan en múltiples oportunidades prácticas
deliberadas enfocadas en problemas y tareas, y los instructores proporcionan a
los aprendices una guía o realimentación específica para ellas, se acelera la
transformación de novato en solucionador competente de problemas.
La incapacidad
para resolver un nuevo problema análogo y más complejo a los problemas
resueltos antes se llama fenómeno de contenido o especificidad de caso o
problema de transferencia en ciencias del aprendizaje.
Cada vez más
investigadores desarrollan herramientas de soporte para las decisiones
diagnósticas diseñadas para aumentar la exactitud diagnóstico de los médicos al
tiempo que reducen los costos derivados del estudio médico de los pacientes. En
los primeros años de desarrollo de estas herramientas, los investigadores
crearon programas computacionales basados en reglas sencillas denominados
“sistemas expertos”, que utilizaba estructuras de conocimiento si-entonces y
mecanismos de inferencia simples diseñados para enfocarse en un dominio médico
con definición muy estrecha. El éxito condujo a la expansión de la base de
conocimiento contenida en estos sistemas expertos, de manera que al final se
aproximaran a la base de conocimiento y capacidades diagnóstica de un
internista general. Sin embargo su desempeño siempre estaba limitado por la
naturaleza de las reglas establecidas por sus desarrolladores.
En los últimos
20 años, los investigadores de la IA trabajaron en el desarrollo de sistemas
computacionales que pudieran mejorar de manera automática en lugar de depender
de sus desarrolladores para actualizar, modificar o arreglar nuevas reglas o
mejores algoritmos. Las herramientas de IA con capacidad para el aprendizaje
autorregulado se conocen como herramientas basadas en aprendizaje de la
máquina. La base fundamental para su construcción es un marco conceptual
referido como redes neurales artificiales (RNA), el aprendizaje por RNA se
produce por ajustes incrementales en el peso de la respuesta de la unidad
neural a los estímulos. Estos ajustes están mediados por señales de
realimentación que indican si la respuesta a un estímulo determinado fue
correcta o no. La IA también podría ser aplicada a la realización de
diagnósticos diferenciales utilizando mecanismos parecidos.
El Proyecto del Cerebro Humano intentará
fusionar las tecnologías de la información y las comunicaciones con una nueva
generación de supercomputadoras que en conjunto sean capaces de rastrear de
manera sistemática y representar las cadenas complejas de causalidad que van
desde los genes hasta la función cognitiva. 
