Científicos australianos probaron los síntomas de 1170 informes médicos en 36 sitios de diagnóstico en línea disponibles y descubrieron que hicieron el diagnóstico correcto en solo el 36%. Los sitios que, al hacer el diagnóstico “utilizan los métodos de inteligencia artificial” y tienen en cuenta los datos demográficos del usuario, se enfrentaron con mayor eficacia a la tarea, escriben los científicos en The Medical Journal of Australia.
Buscando los síntomas
A menudo, cuando es imposible (o se está poco dispuesto a) buscar ayuda médica si no se siente bien, las personas intentan hacer un diagnóstico por su cuenta, utilizando información en Internet.
No tiene mucho sentido buscar síntomas individualmente y resumirlos para determinar una afección o enfermedad, por lo que la mayoría de las personas usan sitios y aplicaciones de diagnóstico. La mayoría de estos servicios utilizan cantidades bastante grandes de datos con las conclusiones de los médicos y hacen un diagnóstico estadísticamente probable.
Por supuesto, el diagnóstico automático en línea no es un sustituto para buscar ayuda médica, pero para algunos puede ser una razón para ver a un médico, por lo que es muy importante evaluar su efectividad.
El nuevo análisis
Por eso, científicos de la Universidad de Edith Cowen decidieron hacer esto bajo el liderazgo de Brennen Mills. Para el análisis, utilizaron 36 de los diagnósticos automáticos en línea más populares de Australia que encontraron a través de consultas de búsqueda: 10 de ellos dieron un diagnóstico y triaje, 17 solo dieron un diagnóstico, y 9 solo un triaje.
Para la verificación, los científicos recopilaron 1170 informes médicos y verificaron los síntomas en cada uno de los diagnósticos en línea seleccionados. Inmediatamente se determinó el correcto diagnóstico del sistema para 421 conclusiones (36%), 606 conclusiones estuvieron en los tres primeros, y 680 conclusiones entre los primeros diez.
Los sistemas que, según los creadores, “utilizan métodos de inteligencia artificial” para el diagnóstico, y también tienen en cuenta los datos demográficos, fueron los más veraces y se diagnosticaron correctamente de forma inmediata con el 46% de las conclusiones.
Los resultados
Luego, los científicos verificaron cuán eficientemente los sistemas determinaban la clasificación (para esto utilizaron 19 sistemas). La prioridad del paciente se identificó correctamente para 338 de 688 hallazgos. Para aquellos casos en que el paciente necesitaba atención médica urgente, la prioridad se daba correctamente con mayor frecuencia (68%), y en promedio para todas las conclusiones se corrigió en el 49% de las conclusiones.
Al mismo tiempo, para el 40% de las conclusiones en las que la prioridad del paciente era baja y se recomendaba un tratamiento independiente, los sistemas emitieron un triaje de atención de emergencia.
Por el contrario, para el 10% de las conclusiones que realmente requirieron atención de emergencia, los sistemas recomendaron automedicación y atención médica que no sea de emergencia: por ejemplo, el daño hepático agudo y el accidente cerebrovascular se incluyeron en la lista de tales conclusiones.
Conclusiones
Los resultados obtenidos por los autores del trabajo se correlacionan con los obtenidos por sus colegas estadounidenses en un trabajo similar: en 2015, descubrieron que los sistemas utilizados por los estadounidenses dan el diagnóstico correcto en el 34% de los casos y colocan la clasificación correcta en 57%.
La clasificación, según los científicos, es mucho más importante: dado que todos los sistemas especifican que los diagnósticos en línea no reemplazan ir al médico, la configuración de la clasificación puede ser una ocasión para ver a un médico lo antes posible y obtener ayuda médica.
Por lo tanto, es muy importante que se muestre correctamente: no conlleva una carga innecesaria para los médicos en los casos en que es posible prescindir de un tratamiento independiente, y no pone en peligro la vida de una persona en los casos en que es imposible hacer sin ayuda.
Vale la pena aclarar que los métodos modernos de aprendizaje automático pueden mejorar el autodiagnóstico en algunos casos. Por ejemplo, hace un año, los científicos demostraron cómo, utilizando una aplicación para teléfonos inteligentes y un cono de papel, puede diagnosticar otitis media en niños.
Fuente: nmas1.org