El segundo lector

Cuando el hospital universitario donde trabajaba Ángeles Robledo implantó un sistema de inteligencia artificial para el análisis de mamografías, la dirección lo presentó como una revolución: el algoritmo, entrenado con millones de imágenes, detectaba tumores con una precisión estadísticamente superior a la de los radiólogos humanos y, sobre todo, lo hacía en segundos, lo que permitiría reducir listas de espera que en algunos casos superaban los cuatro meses.

Ángeles, que llevaba veintiséis años leyendo mamografías, recibió la novedad con un escepticismo que sus colegas más jóvenes atribuyeron, con cierta condescendencia, a la resistencia generacional ante la tecnología. No era exactamente eso. Había leído los estudios y reconocía la eficacia del sistema; lo que le inquietaba era algo más difícil de formular: la manera en que la presencia de la máquina estaba transformando, casi imperceptiblemente, la atención de los propios radiólogos.

El protocolo establecía que el algoritmo realizaba una primera lectura y un radiólogo humano actuaba como "segundo lector", revisando los casos. En la práctica, con cien o ciento cincuenta imágenes diarias por profesional, la revisión de los casos que la máquina declaraba normales se había vuelto cada vez más rápida, más superficial, casi ritual. Ángeles lo había notado en sí misma, y eso la perturbaba más que cualquier estadística.

Una tarde de noviembre, al final de una jornada agotadora, se detuvo en la mamografía de una mujer de cuarenta y un años, Lucía Paredes, que el sistema había clasificado como normal, con un índice de confianza del noventa y siete por ciento. No había nada evidente: ninguna masa, ninguna microcalcificación sospechosa. Y, sin embargo, algo en la arquitectura del tejido, una leve distorsión en una zona que apenas ocupaba unos milímetros, le produjo una incomodidad que no sabía justificar.

Ángeles sabía que aquella intuición podía no ser más que el producto del cansancio, o de ese sesgo que los psicólogos llaman aversión al algoritmo: la tendencia a desconfiar de la máquina precisamente cuando nos contradice. Solicitar pruebas adicionales tenía costes: angustia para la paciente, gasto para el sistema y, en un hospital que medía cada vez más la productividad de sus profesionales, una pequeña mancha en sus propios indicadores. Si se equivocaba, habría alarmado a una mujer sana sin motivo.

Pasó varios minutos contemplando la imagen, ampliándola, comparándola con la mamografía anterior de la paciente, de dos años antes. La diferencia era tan sutil que dudó de si realmente existía o si la estaba proyectando. Consultó con un colega joven, Daniel, que miró la imagen durante unos segundos y se encogió de hombros: —El sistema tiene un noventa y siete por ciento de confianza. Yo no veo nada. ¿Tú qué ves exactamente?

Ángeles no supo explicarlo con precisión, y esa incapacidad la hizo dudar aún más. Pensó en todos los casos en que su intuición había acertado a lo largo de su carrera, pero también, con honestidad incómoda, en los casos en que se había equivocado, en las biopsias innecesarias, en las mujeres a las que había hecho pasar semanas de miedo por una sombra que resultó no ser nada. La intuición clínica, lo sabía, era a la vez el mayor tesoro y la mayor trampa de su oficio.

Finalmente, decidió solicitar una ecografía complementaria, justificándola en el informe con una frase deliberadamente vaga: "Distorsión arquitectural sutil, correlación ecográfica recomendada". Sabía que la dirección revisaba esos informes y que, en las reuniones mensuales, se comentaba el porcentaje de casos en que los radiólogos contradecían al algoritmo. El suyo ya era el más alto del servicio.

La ecografía, realizada tres semanas después, reveló un carcinoma lobulillar de ocho milímetros, un tipo de tumor que, según la literatura médica, tiende precisamente a manifestarse como una distorsión del tejido y no como una masa definida, y que los algoritmos entrenados mayoritariamente con otros patrones detectan con menor eficacia. Detectado en esa fase, el pronóstico de Lucía era excelente. Seis meses más tarde, tal vez no lo habría sido.

El caso tuvo consecuencias que Ángeles no esperaba. Lejos de convertirse en un argumento contra la inteligencia artificial, que ella nunca pretendió, sirvió para que el servicio revisara su protocolo: se decidió que los radiólogos dispondrían de un tiempo mínimo garantizado para la revisión de cada imagen, independientemente de la clasificación del algoritmo, y que los casos de discrepancia se analizarían conjuntamente para mejorar el entrenamiento del sistema.

Meses después, Lucía Paredes pidió conocer a la radióloga que había leído su mamografía. Se encontraron en una cafetería cerca del hospital. Lucía le preguntó qué había visto aquel día que la máquina no vio. Ángeles tardó en responder. —Sinceramente, no lo sé —dijo al fin—. Quizás nada que pueda explicarse. Quizás solo que, por una vez, me detuve lo suficiente como para dudar.

Ángeles sigue trabajando con el algoritmo, y reconoce que ha mejorado su propio trabajo en muchos aspectos. Pero en las sesiones de formación para los residentes, insiste siempre en la misma idea: que el peligro de las máquinas que casi nunca se equivocan no es que se equivoquen, sino que nos enseñen a dejar de mirar. —El segundo lector —les dice— no está ahí para confirmar lo que ya se ha decidido. Está ahí para seguir haciéndose preguntas.