Una idea brillante impulsada por uno de los fundadores de DeepMind, con un equipo de ensueño, recursos casi ilimitados y un año de desarrollo, ha servido para crear una imagen del futuro de la atención sanitaria. ¿Qué se ve en ella? Un servicio de mayor calidad con menos recursos, donde el resultado no dependa del médico que te atienda y, quizá, el fin de las listas de espera.
En la serie del Dr. House, todos los capítulos seguían el mismo patrón. Un paciente con síntomas extraños llegaba al hospital. El caso era tan complejo que solo había una persona capaz de averiguar qué le pasaba. House, en su genialidad, interpretaba todas las señales para hacer un diagnóstico preciso que le salvaba la vida. Una vez descubierta la enfermedad, el resto era casi mecánico: aplicar el tratamiento y esperar la recuperación.
Microsoft podría haber llamado a su superinteligencia «Dr. House». Habría sido un buen guiño. Pero optó por un nombre más sobrio: AI Diagnostic Orchestrator, o MAI-DxO. Unas siglas que puede que no digan nada, pero que encierran un elevado potencial transformador.
Es la primera gran iniciativa del nuevo equipo de IA para salud, dirigido por Mustafa Suleyman, cofundador de DeepMind. Salió de Google poco antes de que sus excompañeros ganaran el Nobel de Química por predecir la estructura de las proteínas gracias a la inteligencia artificial. Él tomó otro rumbo. Su punto de partida fue reproducir el razonamiento clínico que siguen habitualmente los médicos: observar síntomas, pedir pruebas, interpretar los datos y ajustar la hipótesis hasta dar con el diagnóstico correcto.
Inspirado en este proceso, el Dr. House artificial, MAI-DxO, está formado por cinco agentes de IA, cada uno con un rol distinto: el primero formula hipótesis, el siguiente propone pruebas, el tercero analiza los resultados y un cuarto sugiere el tratamiento. El quinto, el «orquestador», coordina el proceso general hasta llegar a una decisión. Los agentes no operan de forma aislada ni secuencial, como si fueran parte de una fábrica de montaje. Hay división del trabajo, sí, pero interactúan continuamente. Se podría decir que discuten, discrepan y se corrigen mutuamente en una especie de debate clínico.
En realidad, el orquestador funciona como un moderador que guía el diálogo entre los agentes hasta que se alcanza un consenso. Microsoft llama a este mecanismo chain-of-debate (debate encadenado), y es fundamental para que el sistema no solo acierte en el diagnóstico, sino que también pueda explicar, paso a paso, el razonamiento que lo llevó a esa conclusión. Los agentes pueden estar basados en distintos modelos de frontera, como los de OpenAI, Google o Anthropic. Pero lo que realmente convierte a este sistema en una superinteligencia es el propio orquestador, desarrollado íntegramente por Microsoft.
En el experimento que han llevado a cabo, los resultados han sido extraordinarios: mientras los médicos acertaban un 20 % de los diagnósticos (trabajando en precario, sin poder hacer consultas por internet), el Dr. House artificial superaba el 80 %. Esta diferencia refleja la precisión del sistema. Por su parte, la superinteligencia también tenía algunas limitaciones: debía minimizar los costes, es decir, evitar pedir pruebas a lo loco para mejorar su evaluación.
El experimento se realizó en condiciones ideales de laboratorio, no en un hospital real. Pero, si dejamos eso a un lado por un momento, suponiendo que en algún momento llegará a probarse en condiciones reales, ya podemos empezar a plantear preguntas que, en un futuro próximo, tendremos que abordar: ¿qué nivel de precisión necesitamos para confiar en las máquinas? ¿Es suficiente un 80 % de aciertos? ¿O basta con que superen a los médicos?
Pero la precisión no lo es todo. También importan otros criterios, como el coste del error. No es lo mismo que intervenga en una decisión de vida o muerte que en una que solo se traduzca en malestar para el paciente. Entonces, ¿para qué tipo de diagnósticos puede utilizarse?
Para complicarlo un poco más, también hay que tener en cuenta el contexto. Supongamos un país en desarrollo con escasez de médicos. ¿Estaría entonces justificado su uso con menor precisión, o en situaciones más críticas que en países desarrollados?
Un Dr. House artificial pronto pasará consulta. De momento, este experimento muestra el camino: una colmena de inteligencias artificiales debatiendo para llegar a un diagnóstico. Su precisión, transparencia y la tolerancia social al error serán claves para dar el salto al mundo real. Luego vendrá un último escollo, porque la medicina no es solo eficacia: también requiere empatía, juicio y humanidad. Y eso, por ahora, solo las personas lo pueden dar.
