En la formació mèdica, un metge no aprèn només d'estudiar manuals, sinó d'anys de residència: milers de trobades amb pacients, feedback de diversos tipus i una autonomia que creix a poc a poc. Els agents d'IA clínics, en canvi, s'han entrenat sobretot amb bancs de proves estàtics -preguntes i respostes d'un sol torn- que no reprodueixen la complexitat d'una consulta real, amb pacients que amaguen símptomes, es contradiuen o reaccionen malament a les preguntes.
Un equip de trenta-cinc investigadors de Google Research i Google DeepMind, entre els quals hi ha Quoc V. Le, Raia Hadsell i Dale R. Webster, ha presentat ResidencyRL, un mètode d'aprenentatge per reforç que entrena agents clínics mitjançant diàlegs simulats de fins a seixanta torns i vuit crides a eines per trobada, aparellant l'agent amb pacients simulats per un altre model de llenguatge capaços de comportaments complexos i fins i tot adversos. L'entrenament es guia amb una recompensa estructurada que valora precisió diagnòstica, qualitat del tractament, comunicació, documentació i seguretat. Els resultats: un 7% més de precisió diagnòstica en condicions adverses (88,0% contra 81,0% del model de partida) i un 31% menys de símptomes d'alarma no detectats. En comparacions a cegues, metges clínics van preferir l'agent entrenat en el 87,6% dels casos, i les millores es van mantenir en diversos bancs de proves clínics diferents del d'entrenament.
La notícia és rellevant perquè marca un canvi de mètode, no només de resultat: en lloc de mesurar un model amb exàmens estàtics, l'entrena i l'avalua amb un procés interactiu que s'assembla més a com aprenen els metges de veritat. Si aquest enfocament s'estén, pot accelerar el desplegament de copilots d'IA per a triatge i atenció primària, àrees on detectar a temps un símptoma d'alarma té conseqüències directes sobre la salut dels pacients.
El treball és un preprint encara no revisat per parells, i tota l'avaluació s'ha fet amb pacients simulats per un altre model de llenguatge, no amb persones reals. Els mateixos autors reconeixen que cal validació clínica en entorns reals abans de pensar en cap desplegament, i que un pacient simulat, per adversari que sigui el seu disseny, no reprodueix tota la imprevisibilitat d'una consulta autèntica.