Estudio realizado por científicos de Yale cuestiona la eficacia de los algoritmos en la predicción de resultados para pacientes en diferentes ensayos clínicos.
A través de los algoritmos matemáticos es posible personalizar el tratamiento para cada paciente. Por ejemplo, un algoritmo podría utilizarse para analizar los datos médicos de un paciente, como sus antecedentes familiares, sus síntomas y sus resultados de las pruebas, para identificar el tratamiento más eficaz para su caso. Esto podría ayudar a garantizar que los pacientes reciban el tratamiento que necesitan para mejorar su salud.
En este sentido, los algoritmos pueden utilizarse en la medicina personalizada de varias maneras, también a través de estos es posible identificar a las personas que tienen mayor riesgo de desarrollar ciertas enfermedades enfermedad. Por ejemplo, un algoritmo podría utilizarse para analizar los datos genéticos de una persona para identificar mutaciones que aumentan el riesgo de cáncer. Luego de identificar a estos pacientes, se les pueden ofrecer intervenciones para reducir su riesgo.
De esta manera, la búsqueda de la medicina personalizada, en la cual se utiliza el perfil genético único de un paciente para adaptar su tratamiento, se ha convertido durante los últimos años en un objetivo importante dentro de la investigación médica. Sin embargo, un nuevo estudio liderado por investigadores de Yale muestra que los modelos matemáticos actualmente disponibles para predecir tratamientos tienen una eficacia limitada.
En un análisis de ensayos clínicos para múltiples tratamientos de esquizofrenia, los investigadores encontraron que los algoritmos matemáticos podían prever los resultados de los pacientes dentro de los ensayos específicos para los cuales fueron desarrollados, pero no funcionaban para pacientes en ensayos diferentes. De esta forma, los hallazgos de la investigación desafían el desarrollo convencional de algoritmos y enfatiza en la necesidad de que funcionen en múltiples entornos para ser considerados eficaces, al igual que como ocurre con los medicamentos y los ensayos clínicos.
El presidente y cofundador de Spring Health, Adam Chekroud, explicó que: “Necesitamos ver algoritmos funcionando en al menos dos entornos diferentes antes de emocionarnos realmente al respecto”.
Sin embargo, los investigadores se muestran optimistas sobre el futuro desarrollo de algoritmos más efectivos, por ello destacan la importancia de repensar el desarrollo de algoritmos, sugiriendo la necesidad de trabajar en múltiples contextos antes de considerarlos válidos.
Finalmente, los autores sugieren que la colaboración y el intercambio de datos entre investigadores pueden mejorar la confiabilidad de los algoritmos impulsados por la IA. La medicina personalizada, especialmente en enfermedades complejas como la esquizofrenia, continúa siendo un campo en evolución que requiere abordajes innovadores y con enfoques colaborativos.
