Todas las semanas, Eli Gelfand, jefe de cardiología general en el Centro Médico Beth Israel Deaconess en Boston, pierde mucho tiempo en cartas de apelación que no quiere escribir, todas dirigidas a aseguradoras que cuestionan sus recomendaciones.
Un nuevo fármaco para un paciente con insuficiencia cardíaca. Una tomografía computarizada para un paciente con dolor en el pecho. Un nuevo fármaco para un paciente con síndrome del corazón rígido. “Estamos hablando de cartas para cosas que salvan vidas”, dice Gelfand, quien también es profesor asistente en la Escuela de Medicina de Harvard.
Entonces, cuando ChatGPT de OpenAI comenzó a aparecer en los titulares de texto generalmente coherente generado por inteligencia artificial, Gelfand vio la oportunidad de ahorrar algo de tiempo.
Le dio al bot información básica sobre un diagnóstico y los medicamentos que había recetado (omitiendo el nombre del paciente) y le pidió que escribiera una carta de apelación para una aseguradora, con referencias a artículos científicos.
ChatGPT le dio una carta viable, la primera de muchas. Y aunque las referencias a veces pueden ser incorrectas, Gelfand le dijo a Forbes que las letras requieren una “edición mínima”. De manera crucial, han reducido el tiempo que dedica a escribirlos a un minuto en promedio. Y funcionan.
Gelfand ha utilizado ChatGPT para unas 30 cartas de apelación, la mayoría de las cuales han sido aprobadas por las aseguradoras, dice.
Pero no se hace ilusiones de que ChatGPT o la IA que lo impulsa salvarán el sistema de salud de Estados Unidos, en el corto plazo.
“Básicamente está haciendo mi vida un poco más fácil y espero que los pacientes obtengan los medicamentos que necesitan a un ritmo mayor”, dice Gelfand. “Esta es una solución alternativa para un problema que en realidad no debería existir”.
Ese problema: Estados Unidos gasta más dinero en administración de atención médica que cualquier otro país.
En 2019, alrededor de una cuarta parte de los 3,8 billones de dólares gastados en atención médica se destinaron a cuestiones administrativas como las que lamenta Gelfand.
Se estima que alrededor de 265 mil millones fueron “desperdicio”: gastos innecesarios por la tecnología anticuada que sustenta el sistema de salud de los Estados Unidos, Gelfand puede usar un chatbot para generar electrónicamente una carta de apelación.
Pero tiene que enviarlo por fax a la aseguradora. Y eso resume el desafío al que se enfrentan las empresas que esperan crear herramientas administrativas de inteligencia artificial que ahorren tiempo para un sistema de atención médica estancado en la década de 1960.
ChatGPT no solucionará la atención médica, pero podría ahorrarle algo de tiempo a los médicos
La máquina de fax no va a desaparecer pronto, dice Nate Gross, cofundador y director de estrategia de Doximity, una plataforma de redes sociales con sede en San Francisco utilizada por dos millones de médicos y otros profesionales de la salud en los EU. Es por eso que la nueva herramienta de flujo de trabajo de Doximity, DocsGPT, un chatbot que ayuda a los médicos a escribir una amplia gama de cartas y certificados, está conectado a su herramienta de envío de faxes en línea.
“Nuestra tesis de diseño es hacer que sea lo más fácil posible para los médicos interactuar con los nuevos estándares digitales, pero también ser compatible con todas las cosas antiguas con las que realmente se ejecuta la atención médica”, dice Gross.
A menudo denominado “LinkedIn para médicos”, Doximity tiene una capitalización de mercado de 6,300 millones y genera la mayor parte de sus ingresos (344 millones en su año fiscal 2022) de compañías farmacéuticas que buscan publicidad y sistemas de salud que buscan contratar.
Pero también ofrece una gama de herramientas para que los médicos ayuden a “cortar el corte”: jerga médica para reducir la carga administrativa. Las versiones básicas generalmente son gratuitas con ventas adicionales para integraciones empresariales, dice Gross.
DocsGPT se basa en ChatGPT pero está capacitado en datos de atención médica, como cartas de apelación de seguros anónimas.
Los médicos pueden usar la herramienta para redactar cartas, incluidas referencias de pacientes, apelaciones de seguros, notas de agradecimiento para colegas, instrucciones posteriores a la cirugía e incluso certificados de defunción.
Proporciona una biblioteca de indicaciones seleccionadas basadas en lo que otros médicos han buscado en el pasado y está diseñado para recordar a los médicos que lo usan que no es un profesional médico. Antes de cada respuesta que genera DocsGPT, aparece un descargo de responsabilidad en la parte superior, que le pide al usuario que “edite con precisión antes de enviar”.
En una llamada de ganancias a principios de este mes, se le preguntó al cofundador y director ejecutivo Jeff Tangney cómo planeaba Doximity monetizar DocsGPT.
“Voy a hacer una broma aquí”, respondió. “Probablemente pasamos más tiempo preocupándonos por la responsabilidad de ese producto que por su monetización hasta ahora”.
Un futuro de conversariones Bot-To-Bot
Si bien DocsGPT podría ahorrar algo de tiempo para el médico, el intercambio posterior con las compañías de seguros por fax y teléfono significa que aún puede llevar días verificar los beneficios del seguro de un paciente u obtener una autorización previa para la aprobación de una cirugía.
Actualmente, una persona en el consultorio de un médico o en un hospital que mira una pantalla debe llamar a una persona de una compañía de seguros que también está mirando una pantalla para clasificar manualmente los detalles específicos de los beneficios del seguro de cada paciente.
Eso consume mucho tiempo tanto para las aseguradoras como para los médicos, y la escasez de trabajadores no está ayudando.
“No se trata solo de que sea lento, es que las cosas no se están haciendo”, dice Ankit Jain, cofundador y director ejecutivo de inteligencia artificial conversacional, de Sistemas Initus. “Había [una aseguradora] con la que estábamos hablando que tenía 32 tráileres de faxes que estaban atrasados”.
Con Infinitus, que recaudó más de 50 millones desde que lo fundó en 2019, Jain está tratando de construir un futuro en el que, en lugar de que las personas discutan sin cesar los beneficios y las aprobaciones, los bots hablen por ellos.
“Cuando un médico inventa cosas, eso se llama mentir. Cuando un modelo inventa cosas, usamos esta extraña frase llamada alucinación”.
Jain, ex Googler y cofundador del fondo Gradient Ventures del gigante tecnológico centrado en la IA, dice que el problema es que cada médico, aseguradora y sistema de salud registra la información en diferentes formatos.
A diferencia de los sufridos empleados de la industria de la salud, la IA puede darle sentido rápidamente. Infinitus ha construido sus propios modelos y no se basa en la tecnología de OpenAI, pero Jain dice que la premisa subyacente es la misma: “Lo que hacen los modelos de lenguaje grande es decir: ‘Tíranos todos esos datos’. Y los modelos de lenguaje grande puede extraer las conexiones correctas entre frases y conceptos.”
Hasta ahora, la conversación es unilateral: Infinitus usó modelos de lenguaje grande para crear Eva Lightyear, un robot que ha realizado más de 1 millón de llamadas a compañías de seguros en nombre de médicos para verificar los beneficios del seguro y los requisitos de autorización previa.
Un día, espera que Eva no llame a un humano al otro lado del teléfono, sino a otro robot, aunque no literalmente.
“No son robots hablando con robots en inglés o intercambiando faxes entre ellos”, dice Jain. “Eso se convierte en una API. El futuro debe ser las autopistas digitales, donde simplemente envíe información, se juzgue, se adjudique y obtenga una respuesta instantánea”.
Si bien Jain puede ser optimista sobre la automatización de extremo a extremo, cuando se trata de la adopción, los chatbots y otros tipos de tecnología impulsada por IA se enfrentan a un serio obstáculo: los modelos como ChatGPT emiten falsedades como si fueran verdad y tienen que volver a capacitarse constantemente. con la información más actualizada que existe.
“Cuando un médico inventa cosas, eso se llama mentir. Cuando un modelo inventa cosas, usamos esta extraña frase llamada alucinación”, dice Nigam Shah, científico jefe de datos de Stanford Healthcare.
ChatGPT solo se capacitó con los datos disponibles hasta 2021 y no se actualiza periódicamente. El campo de la medicina cambia constantemente, con nuevas pautas, medicamentos y dispositivos que salen al mercado, lo que significa que los datos desactualizados plantearían un problema.
Shah dice que no ve la posibilidad de una amplia adopción de la IA generativa en el cuidado de la salud hasta que existan sistemas para volver a entrenar regularmente a los modelos con nueva información y detectar cuándo las respuestas son incorrectas. “Tenemos que averiguar cómo verificar la veracidad y veracidad de la salida”, dice.
También existe el riesgo de que un médico, sin importar cuán bien intencionado sea, ingrese información de salud protegida en ChatGPT.
Si bien la anonimización y el cifrado son dos formas de proteger los datos de los pacientes, estas medidas por sí solas pueden no ser suficientes, dice Linda Malek, socia del bufete de abogados Moses Singer.
“Incluso si intenta desidentificar los datos almacenados en ChatGPT, las capacidades de IA pueden volver a identificar la información”, dice.
“ChatGPT también es un objetivo particular para los ciberdelincuentes, porque puede utilizarse para ransomware y diferentes tipos de ciberataques”.
Dejando a un lado los peligros potenciales, los logros de la IA generativa continúan asombrando a los usuarios. En enero, los investigadores descubrieron que ChatGPT podía aprobar el examen de licencia médica de Estados Unidos con una “precisión moderada” sin ningún entrenamiento especial. (No está solo en esto: al menos otros dos programas de IA, Flan-PaLM de Google y el bot chino Xiaoyi, impulsado por IA, también han aprobado los exámenes nacionales de licencia médica).
La motivación era hacer que ChatGPT realizara tareas estandarizadas sin estar específicamente capacitado en ningún conjunto de datos de atención médica, dice Morgan Cheatham, vicepresidente de Bessemer Venture Partners y estudiante de medicina en la Universidad de Brown, coautor del estudio, que se publicó en PLOS Digital.
Si bien Cheatham dice que los resultados sugieren que los modelos de lenguaje grande de ChatGPT “tienen un valor inherente en las aplicaciones de atención médica”, dice que cualquier camino a seguir requerirá un “enfoque de gatear, caminar, correr”.
Por ahora, la esperanza es que la IA generativa pueda ayudar a los médicos a centrar su atención y su tiempo en la parte más importante de su trabajo: sus pacientes.
“Lo que me entusiasmó de convertirme en médico fue la interacción cara a cara en la sala de examen con otro ser humano”, dice David Canes, urólogo de Beth Israel Lahey Health y cofundador de la empresa emergente de educación de pacientes Wellprept. “Lo que se entromete ahora son miles de clics del mouse y entradas del teclado”.
Canes dice que planea usar ChatGPT para “comunicaciones de bajo riesgo” y espera con ansias el día en que pueda pasar menos tiempo lidiando con la interminable burocracia.
“Mis días serían perfectos si solo estuvieran llenos de atención al paciente. Lo amo tanto ahora como siempre”, dice. “Observo estas mejoras y me hace realmente hesperanza de que estemos al borde de una nueva era en la que se pueden minimizar los peores aspectos de la medicina”.
Fuente: forbes