Entrenando a la IA contra la violencia de género: "Puede detectar casos con 4 años de antelación"

Madrid

El trabajo se titula "Aprovechando el aprendizaje automático multimodal para la identificación precisa del riesgo de violencia de pareja” y es otra demostración más de cómo esa IA, desarrollada de forma ética y bien enfocada, puede resolver graves problemas humanos. Investigadores del Hospital General de Massachusetts, en colaboración con el MIT, han entrenado 3 herramientas de inteligencia artificial para identificar a personas en riesgo de violencia de género utilizando información de sus historiales médicos electrónicos.

Lo han publicado en la revista científica npj Women's Health, de la misma editorial que Nature, y los investigadores informan de que sus herramientas "pueden detectar un caso de violencia de género hasta cuatro años antes de que la persona busque atención en un centro especializado". Creen que sería un gigantesco apoyo para los sanitarios, que les ayudaría a iniciar "conversaciones tempranas sobre la violencia de género con las pacientes que no están señalando que es eso lo que les pasa".

"Nuestra investigación demuestra que la IA puede ayudar a los profesionales sanitarios", ha dicho la doctora Bharti Khurana investigadora principal y directora fundadora del Centro de Investigación e Innovación del Hospital General Brigham de Massachusetts, que explica que "muchas mujeres no revelan su situación a los sanitarios debido al miedo, el estigma o la dependencia económica o psicosocial de la persona que las maltrata". Investigaciones previas demuestran, explica, que las personas que sufren violencia de género son más propensas a revelar el problema si un profesional de la salud de confianza les pregunta en privado. Y la IA puede facilitarlo.

¿Cómo lo han hecho?

El equipo de investigación de Khurana, con colaboradores del Instituto Tecnológico de Massachusetts (MIT) entrenó tres IA utilizando datos del historial médico de 673 mujeres que visitaron un centro de intervención contra la violencia de género entre 2017 y 2022. También le dieron datos de 4.169 mujeres, demográficamente similares, que nunca informaron sobre violencia de género.

Los tres modelos de IA probados incluyeron en sus entrenamientos datos sobre diagnósticos médicos, medicamentos que tomaban las mujeres e, incluso, datos socioeconómicos derivados de su código postal.

También se usaron "notas clínicas no estructuradas" de sus médicos, informes de radiología y registros de entrada en servicios de urgencias.

Después del entrenamiento se hizo la prueba con 168 pacientes que, aunque las IAS no lo sabían, habían ido a un centro de intervención contra la violencia de género durante los mismos años del entrenamiento. Les pidieron que determinaran si estaban sufriendo abusos por parte de sus parejas solo con los datos que ellas habían facilitado, pero sin mencionarles que todas eran víctimas de la violencia contra las mujeres.

Según el estudio, "los tres modelos mostraron una alta precisión, pero uno de ellos alcanzó la mayor precisión, con un sorprendente 88% de acierto. Detectó, evaluando historiales médicos archivados, casi 9 de cada 10 casos. Pero lo más sorprendente es en cuánto tiempo lo hizo: pudo predecir, con una antelación media de 3,7 años, que las mujeres estaban sufriendo violencia de género.

Falta desarrollo, pero hay muchas pistas

Una investigación previa dirigida también por la doctora Khurana había revelado que las mujeres que se someten frecuentemente a estudios de imagen en urgencias y presentan algunas lesiones específicas "son más propensas a reportar posteriormente violencia de género". Esta nueva investigación ha añadido más factores de riesgo: por ejemplo, determinados trastornos de salud mental, muchas visitas refiriendo dolor crónico y —sobre todo— el tipo de visitas "frecuentes" a la puerta de urgencias son indicativos claros de la situación. Al otro lado, se ha detectado que las pacientes que acuden regularmente a servicios médicos preventivos, como mamografías y vacunas, presentan un riesgo significativamente menor.