Un estudio reciente revela que los pacientes a menudo proporcionan descripciones menos detalladas de sus síntomas a un asistente digital, lo que podría perjudicar la precisión de los diagnósticos automatizados.
Los chatbots médicos y las herramientas de autoevaluación se utilizan cada vez más como primer contacto entre el paciente y el sistema de salud. Ayudan a determinar la urgencia de una situación antes de que intervenga un profesional. Sin embargo, esta nueva investigación muestra que la eficacia de estas herramientas no depende únicamente de su potencia de cálculo: también se basa en la calidad de la información proporcionada por los usuarios.
El estudio fue realizado por el equipo del profesor Wilfried Kunde de la universidad de Würzburg y publicado en
Nature Health. Contó con la participación de 500 personas, que debían redactar informes de síntomas para dos afecciones comunes: dolores de cabeza inusuales y síntomas gripales. Se les indicó que estos informes serían analizados ya sea por un chatbot de IA o por un médico humano.
Los resultados son claros: las descripciones destinadas a la IA eran menos útiles para la evaluación médica que las redactadas para un profesional. Entre otros indicadores, los informes para médicos tenían un promedio de 255,6 caracteres, frente a 228,7 para los chatbots. Aunque la diferencia parezca pequeña, puede tener consecuencias reales. Los sistemas de IA, por avanzados que sean, corren el riesgo de proporcionar consejos imprecisos si faltan detalles importantes.
Un fenómeno llamado "negligencia de la singularidad" explicaría en parte esta retención de información. Muchas personas piensan que la IA no puede captar los matices individuales de su situación y se limita a reconocer patrones estándar. Las preocupaciones sobre la privacidad y el escepticismo hacia los diagnósticos algorítmicos también llevan a los pacientes a proporcionar datos vagos o incompletos.
Los investigadores subrayan que la mejora de la tecnología por sí sola no será suficiente. Recomiendan diseñar interfaces que fomenten una comunicación más rica. Por ejemplo, dar ejemplos de descripciones detalladas y pedir activamente aclaraciones cuando falte información. Estos ajustes podrían reducir los errores de diagnóstico y aliviar la presión sobre los sistemas de salud.
La confianza y la percepción de los usuarios juegan un papel importante en el rendimiento de las herramientas digitales. Para que estas tecnologías cumplan sus promesas, será necesario no solo perfeccionar los algoritmos, sino también comprender mejor el comportamiento de los pacientes.
Fuente: Nature Health