👩‍🚀 Tripulación: La inteligencia artificial como herramienta inesperada

¡Hola Voyager! Bienvenido a nuestro jueves de Tripulación en el que miembros de nuestra gran comunidad comparten sus ideas, experiencias y temas relevantes en este sorprendente ecosistema de Web3.

¡Bienvenido a una publicación más! Esperamos lo disfrutes.

Por: CryptoReuMd

Era mi época de juventud y tranquilidad durante la residencia médica de Reumatología y me aventuraba en el descubrimiento de la investigación científica, aclaro, mi conocimiento médico y estadístico, no es basto y mucho menos extraordinario, pero la curiosidad me ha permitido mantener mi superficie de contacto más allá de la medicina y los conceptos básicos durante la instrucción.

Como bien sabemos, el conocimiento médico está basado en la probabilidad, por ende en la incertidumbre o bien la falta del resto de los elementos del diagnóstico; por lo que los médicos nos basamos en el contexto del paciente con una probabilidad preprueba de comprender el todo, con base en la ignorancia del problema como nuestra herramienta más débil, pero la imposibilidad como la más fuerte.

Sin más, pedí la oportunidad de platicar del Teorema de Bayes. Ajá, ¿qué?... Sí, Bayes, de un análisis estadístico como parte de un resultado probabilístico, teniendo como única información el primer concepto. Por supuesto que el artículo científico fue criticado, llevado a la oscuridad y después de muchos años ni siquiera se tocó otra vez el tema, dejando ese sabor de boca de que ahí había algo más, de que debemos indagar un poco más. Hablando acá de 2016… Aplicando siempre la Navaja de Ockham: “Si ves huellas, no pienses en cebras, sino en caballos”, siendo el resultado más simple, el más probable ¿Pero esto es siempre cierto?, por ahora me he convertido en el detective médico, aquél que siempre escucha crecer el pasto y ve cebras donde todos ven caballos y me llena de felicidad de que Monse siempre me motiva a seguirlo haciendo.

Entrando en tema, Bayes, demuestra que es posible conocer el resultado de un supuesto con base en la probabilidad, conociendo sólo uno de los elementos que lo conforman. Para no dar tantas vueltas en el asunto… Se acuerdan de la película Blackjack (fig 1), cuando nos ofrecen la posibilidad de un cambio de puerta y la respuesta es: el cambio previo, cambia por completo la ecuación, rompiendo por completo en el concepto de que el orden de los factores no altera el resultado. En este caso sí, dado que el árbol de decisiones de un supuesto cambia si las variables iniciales cambian.

Imagina que tu llevas una maleta llena de cosas para ir al trabajo y no sabes si vas o no a llevar un paraguas porque no tienes lugar para más y sales de casa decidido a no llevarlo porque el día está soleado y tu Alexa dijo que la probabilidad de lluvia era del 18% y además es un día precioso, pero escuchas de la vecina Uber que la humedad ha aumentado y que la probabilidad de lluvia asciende al 51%, por lo que te tienes que regresar y deshacer tu maleta y reestructurarla; de tal modo que tu decisión fue altamente influida por un cambio en la primera variable… ¿Qué loco no?

La mayoría de nosotros sólo ignora estos cambios porque son “improbables” pero el teorema puede servir entonces para indicar, cómo debemos modificar nuestras probabilidades subjetivas cuando recibimos información adicional de un experimento. Todo esto ha ido dando lugar a lo que hoy conocemos como árboles de decisión, un concepto básico de la inteligencia artificial.

Hasta hoy, la medicina no ha tocado todas las aristas de los conceptos de inteligencia computacional, realmente sólo los hemos arañado y por mucho tiempo rechazado, ya que nos basamos en el axioma de acción-consecuencia y repetición, concepto simplista del método científico que alberga siempre la posibilidad de ser repetido con una muy baja probabilidad de resultar diferente y este hecho lleva a que controlemos la mayoría de las variables para obtener el mismo resultado, hecho que cada vez entorpece más los resultados por las teorías de caos (entropía), entre más datos (más mensajes) más resultados, alejándonos cada días más de lo que estamos buscando, permitiendo el cierre anticipado de estudios clínicos y cancelar proyectos por tener un erizo de mar en la mano con miedo de que nos lastima en cualquier momento. O, random… la probabilidad de que un fármaco provoque deterioro cognitivo.

Pero con un árbol de decisiones (algoritmo) seremos capaces de diagnosticar desde casa, con el concepto básico de gráficos acíclicos dirigidos de la Red Bayesiana (Sí.. lo que usa Fantom y Avalanche), ahorrar tiempo y costos para nuestros pacientes, desviación de la comisura de los labios, con dolor de cabeza en un paciente X, nos llevará rápidamente al servicios de urgencias, alguno de nosotros con un concepto C, en un contexto R, será posible ser atendido rápidamente por el médico indicado. No habrá médicos malos o poco empáticos sino serán canalizados los pacientes que logren mayor empatía con base en las costumbres, actitudes y soluciones. Imaginen como un Tinder de médicos o algo así… Si esto existe y alguno de ustedes lo crea, déjelo como bien público porque entristece que cuando han salido los algoritmos de lectura de tomografías para cáncer o de fotografías de lesiones en la piel, estas tienen costo; y pues uno entiende pero imagina subir y bajar información al OPStack (Layer 2) y que por el mismo costo de transacción se crean cobro de tarifas y con esto se retroalimenta la aplicación. Bueno, en fin sólo divago más, pero entendiendo el concepto de que es el futuro de la medicina y de cualquier razonamiento práctico que llevamos diario, dejándonos a los expertos la última decisión lógica.

El tema es arisco, incluso para algunos médicos aún, el dejar de lado el método científico habitual por un método probabilístico computacional suena a ciencias oscuras, pero cada día me hace pensar que estamos viviendo ese viaje al oeste y no hay fronteras para seguir descubriendo conceptos de causa y efecto de dispersión.

Escogí este tema debido a que encontré en una de las revistas de más alto prestigio: “Preparing Physicians for the Clinical Algorithm Era” una perspectiva en New England Journal of Medicine, revista que además ya tiene un Podcast y una gran cantidad de herramientas para el futuro de la medicina, empoderando a los médicos en formación y enseñándoles herramientas que el pensamiento lógico de hace 30 años solo soñaba. Y es que se ha vuelto un tema tan fascinante que para los clínicos actuales, viviremos el cambio de paradigma y es un gran momento para seguir aprendiendo y preparar a los jóvenes, basados en CDS (clinical decision supports), así que la IA siguen ahí Anon, siempre han estado ahí y trasciende con nosotros.

No te pierdas nuestro jueves de podcast. En este episodio platicamos con Gonna.eth, fundador de Ethernaut DAO y es Administrador del Concejo de los Optimism Grants, además de ser un delegado del ecosistema de Optimism, con una historia increíble, viviendo rodeado de bienes públicos. Aquí nos cuenta su transición de bienes públicos en el mundo físico a bienes públicos on-chain y su día a día tratando de impulsarlos en el ecosistema.