POSGRADO

Sistemas de Información Mención Inteligencia de Negocios

Sistemas de Soporte a la Toma de Decisiones

Por Eliza Strickland. IEEE Spectrum. Adap. Galo Valverde

Sobre IBM Watson en la Salud

¡Después de su triunfo sobre Jeopardy!, La IA de IBM parecía estar preparada para revolucionar la medicina. Los
médicos todavía están esperando.

En 2014, IBM abrió una nueva y elegante sede para su división

de inteligencia artificial, conocida como IBM Watson . Dentro de
la torre de vidrio en el bajo Manhattan, los IBM pueden llevar a
clientes potenciales y periodistas visitantes a la "sala de
inmersión", que se asemeja a un planetario en miniatura. Allí,
en el espacio oscurecido, los visitantes se sientan en taburetes
giratorios, mientras que los gráficos de lujo parpadean
alrededor de las pantallas curvas que cubren las paredes. Es lo
más cerca que puedes estar, dicen a veces los IBM, estar dentro
del cerebro electrónico de Watson.
Una deslumbrante demostración en el 2014 de la capacidad
mental de Watson demostró su potencial para transformar la
medicina utilizando la IA, un objetivo que la CEO de IBM, Virginia Rometty, llama a menudo a la
luna de la compañía. En la demostración, Watson tomó una extraña colección de síntomas del
paciente y elaboró una lista de posibles diagnósticos, cada uno anotado con el nivel de confianza
de Watson y enlaces a la literatura médica de apoyo.
Dentro de los cómodos confines de la cúpula, Watson nunca dejó de impresionar: sus bancos de
memoria tenían conocimiento de todas las enfermedades raras y sus procesadores no eran
susceptibles al tipo de sesgo cognitivo que puede deshacerse de los médicos. Podría romper un
caso difícil en unos pocos segundos. Si Watson pudiera llevar esa experiencia instantánea a
hospitales y clínicas de todo el mundo, parecía posible que la IA pudiera reducir los errores de
diagnóstico, optimizar los tratamientos e incluso aliviar la escasez de médicos, no reemplazando
a los médicos sino ayudándolos a hacer su trabajo más rápido y mejor.
Sin embargo, fuera de la sede corporativa, IBM ha descubierto que su potente tecnología no es
compatible con la desordenada realidad del sistema de atención médica actual. Y al tratar de
aplicar a Watson al tratamiento del cáncer, uno de los mayores desafíos de la medicina, IBM
encontró un desajuste fundamental entre la forma en que las máquinas aprenden y la forma en
que trabajan los médicos.
El atrevido intento de IBM de revolucionar la atención médica comenzó en 2011. ¡Un día
después, Watson derrotó completamente a dos campeones humanos en el juego
de Jeopardy! IBM anunció una nueva trayectoria profesional para el ganador de su concurso de
AI: se convertiría en un médico de AI. IBM tomaría la tecnología de vanguardia que mostró en la
televisión, principalmente la capacidad de entender el lenguaje natural, y la aplicaría a la
medicina. La primera oferta comercial de Watson para atención médica estaría disponible en 18
a 24 meses, prometió la compañía.
De hecho, los proyectos que IBM anunció ese primer día no rindieron productos comerciales. En
los ocho años transcurridos desde entonces, IBM ha anunciado muchos esfuerzos de alto perfil
para desarrollar tecnología médica impulsada por la inteligencia artificial, muchos de los cuales
han fracasado y otros han fracasado espectacularmente. La compañía gastó miles de millones
en adquisiciones para reforzar sus esfuerzos internos, pero los expertos dicen que las empresas
adquiridas aún no han contribuido mucho . Y los productos que han surgido
de la división Watson Health de IBM no se parecen en nada al brillante médico de IA que alguna
vez se imaginó: se parecen más a los asistentes de AI que pueden realizar ciertas tareas de rutina.

1
 POSGRADO
Sistemas de Información Mención Inteligencia de Negocios
Sistemas de Soporte a la Toma de Decisiones

"Reputativamente, creo que tienen algunos problemas", dice Robert Wachter , director del
departamento de medicina de la Universidad de California en San Francisco, y autor del libro
2015 The Digital Doctor: Hope, Hype, and Harm en el Amanecer de la era de la computadora de
la medicina (McGraw-Hill). En parte, dice, IBM está sufriendo por su ambición: fue la primera
compañía en hacer un gran esfuerzo para llevar la inteligencia artificial a la clínica. Pero también
ganó mala voluntad y escepticismo al jactarse de las habilidades de Watson. "Llegaron con
marketing primero, producto segundo y entusiasmaron a todos", dice. "Entonces la goma salió
a la carretera. Este es un conjunto de problemas increíblemente difíciles, e IBM, al ser el primero
en salir, lo ha demostrado para todos los demás ".
En una conferencia de profesionales de TI de la salud de 2017, el CEO de IBM, Rometty, dijo a la
multitud que “AI es real, que es la corriente principal, que está aquí, y que puede cambiar casi
todo sobre el cuidado de la salud”, y agregó que podría dar paso a una “edad de oro” médica.
"Ella no está sola al ver una oportunidad: los expertos en informática y medicina están de
acuerdo en que AI tiene el potencial de transformar la industria de la salud. Sin embargo, hasta
ahora, ese potencial se ha demostrado principalmente en experimentos cuidadosamente
controlados. Solo unos pocos instrumentos basados en AI han sido aprobados por los
reguladoresPara uso en hospitales y consultorios reales. Esos productos pioneros funcionan
principalmente en el ámbito visual, utilizando la visión artificial para analizar imágenes como
rayos X y escáneres de retina. (IBM no tiene un producto que analice imágenes médicas, aunque
tiene un proyecto de investigación activo en esa área).
Sin embargo, mirando más allá de las imágenes, incluso la mejor IA de hoy se esfuerza por dar
sentido a la información médica compleja. Y codificar la experiencia de un médico humano en
software resulta ser una propuesta muy difícil. IBM ha aprendido estas lecciones dolorosas en
el mercado, como lo veía el mundo. Si bien la compañía no se da por vencida con su disparo a la
luna, sus fallas en el lanzamiento han demostrado a los tecnólogos y a los médicos lo difícil que
es construir un médico de IA.
El Jeopardy! La victoria en 2011 demostró la notable habilidad de Watson con el procesamiento
del lenguaje natural (PNL). Para jugar el juego, tenía que analizar pistas complicadas llenas de
juegos de palabras, buscar bases de datos masivas de texto para encontrar posibles respuestas
y determinar la mejor. Watson no era un buscador glorificado; no solo devolvió documentos
basados en palabras clave. En su lugar, empleó cientos de algoritmos para asignar las
"entidades" en una oración y comprender las relaciones entre ellas. ¡Usó esta habilidad para dar
sentido a los dos Jeopardy! Pista y los millones de fuentes de texto que extrajo.
"Casi parecía que Watson podía entender el significado del lenguaje, en lugar de simplemente
reconocer patrones de palabras", dice Martin Kohn , ¡el científico médico jefe de IBM Research
en el momento de Jeopardy! partido. "Era un orden de magnitud más poderoso de lo que
existía". Es más, Watson desarrolló esta capacidad por su cuenta, a través del aprendizaje
automático. ¡Los investigadores de IBM entrenaron a Watson dándole miles de Jeopardy! Pistas
y respuestas que fueron etiquetadas como correctas o incorrectas. En este complejo conjunto
de datos, la IA descubrió patrones e hizo un modelo de cómo obtener de una entrada (una pista)
a una salida (una respuesta correcta).
¡Mucho antes de que Watson protagonizara Jeopardy! etapa, IBM había considerado sus
posibilidades para la atención de la salud. La medicina, con su gran cantidad de datos de
pacientes, parecía un ajuste obvio, particularmente cuando los hospitales y los médicos estaban
cambiando a los registros electrónicos de salud. Si bien algunos de esos datos pueden ser
fácilmente digeridos por las máquinas, como los resultados de laboratorio y las mediciones de
signos vitales, la mayor parte es información "no estructurada", como las notas de los médicos
y los resúmenes del alta hospitalaria. Ese texto narrativo representa aproximadamente el 80 por

2
 POSGRADO
Sistemas de Información Mención Inteligencia de Negocios
Sistemas de Soporte a la Toma de Decisiones

ciento del registro de un paciente típico, y es un guiso de jerga, taquigrafía y declaraciones

subjetivas.
Kohn, quien llegó a IBM con un título en medicina de la Universidad de Harvard y un título en
ingeniería del MIT, se mostró emocionado de ayudar a Watson a abordar el lenguaje de la
medicina. "Parecía que Watson tenía el potencial de superar esas complejidades", dice. Al
convertir sus poderosas habilidades de la PNL en medicina, Watson pudo leer los registros de
salud de los pacientes y todo el corpus de literatura médica: libros de texto, artículos de revistas
revisadas por pares, listas de medicamentos aprobados, etc. Con el acceso a todos estos datos,
Watson podría convertirse en un superdoctor, discerniendo patrones que ningún humano
podría detectar.
"Los médicos van a trabajar todos los días, especialmente las personas que se encuentran en
primera línea, los médicos de atención primaria, con el entendimiento de que no pueden saber
todo lo que necesitan saber para practicar la mejor medicina, la más eficiente y la más efectiva
posible". dice Herbert Chase , profesor de medicina e informática biomédica en la Universidad
de Columbia que colaboró con IBM en sus primeros esfuerzos de atención médica. Pero Watson,
dice, podría mantenerse al día, y si se convierte en una herramienta para el "apoyo a la decisión
clínica", también podría permitir a los médicos mantenerse al día. ¡En lugar de un peligro! Una
pista: un médico podría darle a Watson el historial de un paciente y pedirle un diagnóstico o un
plan de tratamiento óptimo.
Chase trabajó con los investigadores de IBM en el prototipo de una herramienta de diagnóstico,
lo que deslumbró a los visitantes en la sala de inmersión de Watson. Pero IBM decidió no
comercializarlo, y Chase se separó de IBM en 2014. Desde entonces, está decepcionado con el
lento progreso de Watson en medicina. "No estoy al tanto de ningún jonrón espectacular", dice.
Es uno de los muchos entusiastas de Watson que ahora están consternados. Eliot Siegel ,
profesor de radiología y vicepresidente de sistemas de información en la Universidad de
Maryland, también colaboró con IBM en la investigación de diagnóstico. Aunque cree que las
herramientas habilitadas para la IA serán indispensables para los médicos dentro de una década,
no confía en que IBM las construya. "No creo que estén a la vanguardia de la IA", dice Siegel. "Las
cosas más emocionantes están sucediendo en Google, Apple y Amazon".
En cuanto a Kohn, quien dejó IBM en 2014, dice que la compañía cayó en una trampa común:
"Simplemente demostrar que tiene una tecnología poderosa no es suficiente",
dice. "Demuéstrame que realmente hará algo útil, que mejorará mi vida y la de mis pacientes".
Kohn dice que ha estado esperando ver artículos revisados por expertos en revistas médicas que
demuestren que la IA puede mejorar los resultados de los pacientes. y ahorrar dinero a los
sistemas de salud. "Hasta la fecha, hay muy pocas publicaciones de este tipo", dice, "y ninguna
de las consecuencias para Watson".

La primera incursión de AI en la atención médica

Los médicos son un grupo conservador, por una buena razón, y tardan en adoptar nuevas
tecnologías. Pero en algunas áreas del cuidado de la salud, los profesionales médicos están
empezando a considerar que los sistemas inteligentes son confiables y útiles. Aquí hay algunos
pasos iniciales hacia la medicina de la IA.

3
 POSGRADO
Sistemas de Información Mención Inteligencia de Negocios
Sistemas de Soporte a la Toma de Decisiones

CIRUGÍA ROBÓTICA ANÁLISIS DE IMAGEN ANALISIS GENETICO PATOLOGÍA

Actualmente se usa solo para Los expertos están empezando Con los escaneos genómicos Los sistemas experimentales
los pasos de rutina en a utilizar sistemas convirtiéndose en una parte han demostrado ser expertos
procedimientos simples como automatizados para ayudarlos rutinaria de la medicina, las en analizar muestras de
la cirugía ocular con láser y los a examinar los rayos X, las herramientas de inteligencia biopsias, pero aún no están
trasplantes de cabello. exploraciones de la retina y artificial que obtienen aprobados para uso clínico.
otras imágenes. información de los datos
rápidamente se están
volviendo necesarias.

APOYO A LA DECISIÓN CLÍNICA ENFERMERÍA VIRTUAL ADMINISTRACION MEDICA SALUD MENTAL

Los hospitales están Los sistemas rudimentarios Las empresas se apresuran a Los investigadores están
introduciendo herramientas pueden controlar a los ofrecer herramientas explorando aplicaciones como
para aplicaciones como la pacientes entre visitas al habilitadas para la inteligencia el monitoreo de la depresión
predicción de shock séptico, consultorio y proporcionar artificial que pueden mediante la minería de datos
pero aún no han demostrado alertas automáticas a los aumentar la eficiencia en de teléfonos móviles y redes
su valor. médicos. tareas como la facturación y sociales.
las reclamaciones de seguros.

Al tratar de llevar la inteligencia artificial a la clínica, IBM estaba enfrentando un enorme desafío
técnico. Pero habiendo caído detrás de gigantes tecnológicos como Google y Apple en muchos
otros reinos informáticos, IBM necesitaba algo importante para mantenerse relevante. En 2014,
la compañía invirtió US $ 1.000 millones en su unidad Watson , que estaba desarrollando
tecnología para múltiples sectores empresariales. En 2015, IBM anunció la formación de una
división especial de Watson Health y, a mediados de 2016, Watson Health había adquirido
cuatro compañías de datos de salud por un costo total de aproximadamente $ 4 mil
millones. Parecía que IBM tenía la tecnología, los recursos y el compromiso necesarios para
hacer que la IA funcione en la atención médica.
Hoy, los líderes de IBM hablan sobre el esfuerzo de Watson Health como "un viaje" por un
camino con muchos giros y vueltas. “Es una tarea difícil inyectar la IA en la atención médica, y
es un desafío. Pero lo estamos haciendo ", dice John E. Kelly III, vicepresidente senior de
soluciones cognitivas e investigación de IBM. ¡Kelly ha guiado el esfuerzo de Watson desde
el Jeopardy! días, ya finales de 2018 también asumió la supervisión directa de Watson Health. Él
dice que la compañía ha girado cuando necesita: "Seguimos aprendiendo, por lo que nuestras
ofertas cambian a medida que aprendemos".
La herramienta de diagnóstico, por ejemplo, no se introdujo en el mercado porque el caso de
negocio no estaba allí, dice Ajay Royyuru , vicepresidente de investigación de salud y ciencias de
la vida de IBM. "El diagnóstico no es el lugar para ir", dice. "Eso es algo que los expertos hacen
bastante bien. Es una tarea difícil, y no importa lo bien que lo haga con AI, no va a desplazar al
profesional experto”. (No todos están de acuerdo con Royyuru: un informe de 2015 sobre
errores de diagnóstico de la Academia Nacional de Ciencias, Ingeniería y La medicina declaró
que mejorar los diagnósticos representa un "imperativo moral, profesional y de salud pública".
En un intento por encontrar el caso de negocios para la IA médica, IBM realizó un número
vertiginoso de proyectos dirigidos a todos los diferentes actores del sistema de atención médica:
médicos, personal administrativo, aseguradores y pacientes. Lo que une a todos los hilos, dice
Kelly, es un esfuerzo por proporcionar "apoyo a la decisión utilizando AI [que analiza] conjuntos
de datos masivos". El proyecto más publicitado de IBM se centró en la oncología, donde
esperaba desplegar las habilidades "cognitivas" de Watson para crecer. Datos en tratamientos
de cáncer personalizados para pacientes.
En muchos intentos de aplicación, la PNL de Watson tuvo problemas para dar sentido al texto
médico, al igual que muchos otros sistemas de inteligencia artificial. "Lo estamos haciendo
increíblemente mejor con la PNL que hace cinco años, pero aún somos increíblemente peores

4
 POSGRADO
Sistemas de Información Mención Inteligencia de Negocios
Sistemas de Soporte a la Toma de Decisiones

que los humanos", dice Yoshua Bengio , profesor de ciencias de la computación en la

Universidad de Montreal e investigador líder en inteligencia artificial. En los documentos de
texto médico, dice Bengio, los sistemas de inteligencia artificial no pueden entender la
ambigüedad y no detectan pistas sutiles que un médico humano notaría. Bengio dice que la
tecnología actual de la PNL puede ayudar al sistema de atención médica: "No tiene que tener
una comprensión total para hacer algo increíblemente útil", dice. Pero ninguna IA construida
hasta el momento puede igualar la comprensión y comprensión de un médico humano. "No, no
estamos allí", dice.
El trabajo de IBM sobre el cáncer es el principal ejemplo de los desafíos que enfrentó la
compañía. "No creo que nadie tuviera idea de que tomaría tanto tiempo o sería tan complicado",
dice Mark Kris , un especialista en cáncer de pulmón en el Centro de Cáncer Memorial Sloan
Kettering, en la ciudad de Nueva York, quien dirigió la colaboración de su institución con IBM
Watson. desde 2012.
El esfuerzo por mejorar la atención del cáncer tenía dos vías principales. Kris y otros médicos
preeminentes en Sloan Kettering entrenaron un sistema de inteligencia artificial que se convirtió
en el producto Watson para Oncología en 2015. En todo el país, médicos prominentes en el MD
Anderson Cancer Center de la Universidad de Texas, en Houston, colaboraron con IBM para
crear una herramienta diferente llamada Asesor Experto en Oncología. El MD Anderson llegó a
probar la herramienta en el departamento de leucemia, pero nunca se convirtió en un producto
comercial.
Ambos esfuerzos han recibido fuertes críticas. Un artículo pésimo sobre Watson para Oncología
alegó que proporcionaba recomendaciones inútiles y, a veces, peligrosas (IBM impugna estas
acusaciones ). En términos más generales, Kris dice que a menudo ha escuchado la crítica de que
el producto no es una "IA real". Y el proyecto MD Anderson fracasó dramáticamente:
una auditoría realizada en 2016 por la Universidad de Texas encontró que el centro de cáncer
gastó $ 62 millones en el proyecto antes, cancelándola. Una mirada más profunda a estos dos
proyectos revela un desajuste fundamental entre la promesa del aprendizaje automático y la
realidad de la atención médica, entre la "IA real" y los requisitos de un producto funcional para
los médicos de hoy.
Se suponía que Watson para Oncología debía aprender al ingerir la vasta literatura médica sobre
el cáncer y los registros de salud de pacientes con cáncer real. La esperanza era que Watson,
con su gran poder de cómputo, examinara cientos de variables en estos registros, incluidos datos
demográficos, características de tumores, tratamientos y resultados, y descubriera patrones
invisibles para los humanos. También se mantendría al día con el conjunto de artículos de
revistas sobre tratamientos para el cáncer que se publican todos los días. Para los oncólogos de
Sloan Kettering, parecía un posible avance en la atención del cáncer. Para IBM, sonaba como un
gran producto. "No creo que nadie supiera en qué estábamos," dice Kris.
Watson aprendió con bastante rapidez cómo escanear artículos sobre estudios clínicos y
determinar los resultados básicos. Pero resultó imposible enseñarle a Watson a leer los artículos
como lo haría un médico. "La información que los médicos extraen de un artículo, que utilizan
para cambiar su atención, puede no ser el punto principal del estudio", dice Kris. El pensamiento
de Watson se basa en estadísticas, por lo que todo lo que puede hacer es reunir estadísticas
sobre los resultados principales, explica Kris. "Pero los médicos no funcionan de esa manera".
En 2018, por ejemplo, el tejido: “Eso es efectivo contra todos los tumores que exhiben una
mutación genética específica. El medicamento fue acelerado según los resultados dramáticos en
solo 55 pacientes, de los cuales cuatro tenían cáncer de pulmón. "Ahora estamos diciendo que
a todos los pacientes con cáncer de pulmón se les debe hacer una prueba para detectar este
gen", dice Kris. "Todas las pautas anteriores han sido descartadas, basadas en cuatro pacientes".

5
 POSGRADO
Sistemas de Información Mención Inteligencia de Negocios
Sistemas de Soporte a la Toma de Decisiones

Pero Watson no cambiará sus conclusiones basándose solo en cuatro pacientes. Para resolver
este problema, los expertos de Sloan Kettering crearon "casos sintéticos" de los que Watson
podía aprender, esencialmente pacientes ficticios con ciertos perfiles demográficos y
características del cáncer. “Creo en la analítica; Creo que puede descubrir cosas ", dice
Kris. "Pero cuando se trata de cáncer, realmente no funciona".

¿Estás de acuerdo?
Varios estudios han comparado las recomendaciones de Watson para el tratamiento del cáncer
en oncología con las de los oncólogos del hospital. Los porcentajes de concordancia indican con
qué frecuencia los consejos de Watson coincidían con los planes de tratamiento de los expertos.

La constatación de que Watson no pudo extraer de forma independiente las ideas de las últimas
noticias en la literatura médica fue solo el primer ataque. Los investigadores también
encontraron que no podía extraer información de los registros de salud electrónicos de los
pacientes como esperaban.
En el MD Anderson, los investigadores pusieron a Watson a trabajar en los registros de salud de
los pacientes con leucemia y rápidamente descubrieron qué tan difíciles eran los registros para
trabajar. Sí, Watson tenía habilidades fenomenales de PNL. Pero en estos registros, los datos
pueden faltar, escribirse de forma ambigua o fuera de orden cronológico. En un artículo de
2018 publicado en The Oncologist , el equipo informó que su Asesor Experto en Oncología de
Watson tuvo un éxito variable en la extracción de información de documentos de texto en
registros médicos. Tenía puntuaciones de precisión que oscilaban entre el 90 y el 96 por ciento
cuando se trataba de conceptos claros como el diagnóstico, pero solo entre el 63 y el 65 por
ciento de la información dependiente del tiempo, como los plazos de la terapia.
En un golpe final al sueño de un superdoctor de IA, los investigadores se dieron cuenta de que
Watson no puede comparar a un nuevo paciente con el universo de pacientes con cáncer que
han llegado antes para descubrir patrones ocultos. Tanto Sloan Kettering como el MD Anderson
esperaban que la IA imitara las habilidades de sus expertos oncólogos, que aprovechan la
experiencia de los pacientes, los tratamientos y los resultados cuando diseñan una estrategia
para un nuevo paciente. Una máquina que podría hacer el mismo tipo de análisis de población,
más rigurosamente y con miles de pacientes más, sería enormemente poderosa.
Pero los estándares actuales del sistema de atención médica no fomentan este aprendizaje del
mundo real. El Asesor Experto en Oncología del MD Anderson emitió solo recomendaciones
"basadas en evidencia" vinculadas a las pautas médicas oficiales y los resultados de los estudios
publicados en la literatura médica. Si un sistema de IA basara su consejo en los patrones que
descubrió en los registros médicos, por ejemplo, que cierto tipo de paciente se desempeña
mejor con cierto medicamento, sus recomendaciones no se considerarían basadas en la

6
 POSGRADO
Sistemas de Información Mención Inteligencia de Negocios
Sistemas de Soporte a la Toma de Decisiones

evidencia, el estándar de oro en medicina. Sin los controles estrictos de un estudio científico, tal
hallazgo se consideraría solo correlación, no causalidad.
Kohn, anteriormente en IBM, y muchos otros piensan que los estándares de atención de la salud
deben cambiar para que la IA pueda realizar todo su potencial y transformar la medicina. "El
patrón oro no es realmente oro", dice Kohn. Los sistemas de inteligencia artificial podrían
considerar muchos más factores de los que se representarán en un ensayo clínico, y podrían
clasificar a los pacientes en muchas más categorías para brindar "atención verdaderamente
personalizada", dice Kohn. La infraestructura también debe cambiar: las instituciones de
atención médica deben acordar compartir sus datos de propiedad y controlados por la
privacidad para que los sistemas de AI puedan aprender de millones de pacientes seguidos
durante muchos años.
Según informes anecdóticos , IBM ha tenido problemas para encontrar compradores para su
producto oncológico Watson en los Estados Unidos. Algunos oncólogos dicen que confían en su
propio juicio y que no necesitan que Watson les diga qué hacer. Otros dicen que solo sugiere
tratamientos estándar de los que son conscientes. Pero Kris dice que algunos médicos lo
encuentran útil como una segunda opinión instantánea que pueden compartir con pacientes
nerviosos. "Tan imperfecto como es, y limitado como es, es muy útil", dice Kris. Los
representantes de ventas de IBM han tenido más suerte fuera de los Estados Unidos, con
hospitales en India, Corea del Sur, Tailandia y más allá de la adopción de la tecnología. Muchos
de estos hospitales utilizan con orgullo la marca IBM Watson en su comercialización, y les dicen
a los pacientes que recibirán atención para el cáncer impulsada por la IA.
En los últimos años, estos hospitales han comenzado a publicar estudios sobre sus experiencias
con Watson para Oncología. En la India, los médicos del
Manipal Comprehensive Cancer Center evaluaron a Watson en
638 casos de cáncer de mama y encontraron una tasa de
concordancia del 73 por ciento en las recomendaciones de
tratamiento; su puntaje fue reducido por el bajo rendimiento
en el cáncer de mama metastásico. A Watson le fue peor en el
Centro Médico Gil de la Universidad de Gachon, en Corea del
Sur, donde se encuentran las mejores recomendaciones para
656 pacientes con cáncer de colon igualaron a los de los
expertos solo el 49 por ciento del tiempo. Los médicos
informaron que a Watson le fue mal con los pacientes
mayores, no sugirió ciertos medicamentos estándar y tuvo un
error que hizo que recomendara la vigilancia en lugar del
Ilustración 1 Eddie Guy tratamiento agresivo para ciertos pacientes con cáncer
metastásico.
Estos estudios tenían como objetivo determinar si la tecnología de Watson for Oncology
funciona como se esperaba. Pero ningún estudio ha demostrado que beneficie a los
pacientes. Wachter de UCSF dice que ese es un problema creciente para la compañía: “¡IBM
sabía que la victoria en Jeopardy! y la asociación con Memorial Sloan Kettering los pondría en la
puerta. Pero debían mostrar, con bastante rapidez, un impacto en los resultados difíciles ".
Wachter dice que IBM debe convencer a los hospitales de que el sistema vale la inversión
financiera. "Es muy importante que salgan con éxito", dice. "Success es un artículo en el New
England Journal of Medicine que muestra que cuando usamos Watson, los pacientes se
desempeñaron mejor o ahorramos dinero". Wachter todavía está esperando a que aparezcan
esos artículos.

7
 POSGRADO
Sistemas de Información Mención Inteligencia de Negocios
Sistemas de Soporte a la Toma de Decisiones

El Kris de Sloan Kettering no está desanimado; Él dice que la tecnología solo mejorará. "Como
herramienta, Watson tiene un potencial extraordinario", dice. “Espero que las personas que
tienen la capacidad intelectual y la potencia de la computadora se apeguen a ello. Es un largo
recorrido, pero vale la pena ".
De Watson Health están surgiendo algunas historias de éxito: en ciertas aplicaciones limitadas y
controladas, Watson parece estar agregando valor. Tomemos, por ejemplo, el producto Watson
for Genomics , que se desarrolló en colaboración con la Universidad de Carolina del Norte, la
Universidad de Yale y otras instituciones. La herramienta es utilizada por los laboratorios de
genética que generan informes para oncólogos practicantes: Watson toma el archivo que
enumera las mutaciones genéticas de un paciente, y en solo unos minutos puede generar un
informe que describa todos los medicamentos relevantes y los ensayos clínicos. "Permitimos
que los laboratorios se amplíen", dice Vanessa Michelini , una ingeniera distinguida de IBM que
dirigió el desarrollo y el lanzamiento 2016 del producto.
Watson tiene un tiempo relativamente fácil con la información genética, que se presenta en
archivos estructurados y no tiene ambigüedad, ya sea que haya una mutación o no. La
herramienta no emplea la PNL para extraer registros médicos, sino que la utiliza solo para buscar
libros de texto, artículos de revistas, aprobaciones de medicamentos y anuncios de ensayos
clínicos, donde busca declaraciones muy específicas.
Los socios de IBM en la Universidad de Carolina del Norte publicaron el primer artículo sobre la
efectividad de Watson para Genomics en 2017. Para el 32 por ciento de los pacientes con cáncer
inscritos en ese estudio, Watson detectó mutaciones potencialmente importantes que no
fueron identificadas por una revisión humana, lo que hizo que estos pacientes estuvieran bien.
candidatos para un nuevo fármaco o un ensayo clínico recién abierto. Pero hasta ahora no hay
indicios de que Watson for Genomics conduzca a mejores resultados.
El Departamento de Asuntos de Veteranos de los EE. UU. (VA) Utiliza los informes de Watson
para Genómica en más de 70 hospitales de todo el país, dice Michael Kelley , director del
programa nacional de oncología del VA. El VA primero probó el sistema contra el cáncer de
pulmón y ahora lo usa para todos los tumores sólidos. "Creo que mejora la atención al paciente",
dice Kelley. Cuando los oncólogos de VA deciden sobre un plan de tratamiento, "es una fuente
de información que pueden aportar a la discusión", dice. Pero Kelley dice que no piensa en
Watson como un doctor robot. "Tiendo a pensar en ello como un robot que es un bibliotecario
médico maestro".
La mayoría de los médicos probablemente estarían encantados de tener un bibliotecario de AI
a su entera disposición, y si eso es lo que IBM les había prometido originalmente, tal vez no
estén tan decepcionados hoy. La historia de Watson Health es una historia de advertencia de
arrogancia y exageración. A todos les gusta la ambición, a todos le gustan los disparos a la luna,
pero nadie quiere subirse a un cohete que no funciona.

Hasta ahora, pocos éxitos

IBM comenzó su esfuerzo por incorporar a Watson a la industria del cuidado de la salud en 2011.
Desde entonces, la compañía ha realizado casi 50 anuncios sobre asociaciones destinadas a
desarrollar nuevas herramientas para medicina habilitadas para la IA. Algunas colaboraciones
trabajaron en herramientas para médicos e instituciones; Algunos trabajaron en aplicaciones
para el consumidor. Si bien muchas de estas alianzas aún no han dado lugar a productos
comerciales, IBM dice que los esfuerzos de investigación han sido valiosos y que muchas
relaciones continúan. Aquí hay una muestra representativa de proyectos.

8
 POSGRADO
Sistemas de Información Mención Inteligencia de Negocios
Sistemas de Soporte a la Toma de Decisiones

FECHA SOCIO IBM PROYECTO ESTADO ACTUAL

2011 Nuance Communications Herramienta de diagnóstico y No hay herramientas en

feb. herramientas de apoyo a la uso
decisión clínica.

Septiembre WellPoint (ahoraAnthem ) Herramientas de apoyo a la No hay herramientas en

decisión clínica. uso

Centro de Cáncer Herramienta de apoyo a la Watson para oncología

Marzo 2012 Memorial Sloan Kettering decisión clínica para el
cáncer.

Oct. Cleveland Clinic Herramienta de formación No hay herramientas en

para estudiantes de uso
medicina ;
herramienta de apoyo a la
decisión clínica

2013 MD Anderson Cancer Herramienta de apoyo a la Ninguna herramienta en

oct. Center decisión clínica para el uso
cáncer.

Centro de genoma de Herramienta de análisis Ninguna herramienta en

Marzo de 2014 Nueva York genómico para el cáncer de uso
cerebro.

junio GenieMD Aplicación al consumidor para No hay aplicación

asesoramiento médico disponible
personalizado.

Septiembre Clínica Mayo Herramienta de comparación Watson para emparejar

de ensayos clínicos ensayos clínicos

2015 Johnson y Johnson Aplicación para el consumidor No hay aplicaciones

abril para entrenamiento pre y disponibles
postoperatorio; Aplicación
del consumidor para el
manejo de condiciones
crónicas.

abril Medtronic Aplicación para el consumidor Aplicación Sugar.IQ

para el manejo personalizado
de la diabetes.

Mayo Épico Herramienta de apoyo a la Ninguna herramienta en

decisión clínica. uso

Mayo Universidad de Carolina Herramienta de análisis Watson para la genómica

del Norte , otros genómico para el cáncer.

julio CVS Health Herramienta de manejo del Ninguna herramienta en

cuidado para condiciones uso
crónicas.

9
 POSGRADO
Sistemas de Información Mención Inteligencia de Negocios
Sistemas de Soporte a la Toma de Decisiones

Septiembre Teva Pharmaceuticals Herramienta de desarrollo de Ninguna herramienta en

medicamentos ;Aplicación del uso; no hay aplicación
consumidor para el manejo disponible
de condiciones crónicas.

Septiembre Hospital de Niños de Herramienta de apoyo a la Ninguna herramienta en

Boston decisión clínica para uso
enfermedades pediátricas
raras.

Dic. Nutrino Aplicación para el consumidor No hay aplicación

para disponible
asesoramiento nutricional
personalizado durante el
embarazo.

Dic. Novo Nordisk Aplicación del consumidor No hay aplicación

para el manejo de la diabetes. disponible

2016 Debajo de la armadura Aplicación para el consumidor No hay aplicación

Ene. para el entrenamiento disponible
atlético personalizado.

Feb. Asociación Americana del Aplicación del consumidor No hay aplicación

Corazón para la salud laboral disponible

abril Sociedad Americana del Aplicación del consumidor No hay aplicación

Cáncer para orientación disponible
personalizada durante el
tratamiento del cáncer.

junio Asociación Americana de Aplicación para el consumidor No hay aplicación

Diabetes para el manejo personalizado disponible
de la diabetes.

Oct. Quest Diagnostics Herramienta de análisis Watson for Genomics de

genómico para el cáncer. Quest Diagnostics

Nov. Celgene Corp. Herramienta de análisis de Ninguna herramienta en

seguridad de drogas. uso

2017 MAP Health Management Herramienta de predicción de Ninguna herramienta en

mayo recaídas para el abuso de uso
sustancias.

Este artículo aparece en la edición impresa de abril de 2019 IEEE-Spectrum

Se pide: Analice el proceso de manejo de datos, aplicando el proceso racional de toma

de decisiones.

10