Dos especialistas observan la misma imagen de una mama. Uno es un médico experimentado; el otro, un programa de inteligencia artificial. A veces sus opiniones coinciden, a veces divergen. De la frecuencia con la que se ponen de acuerdo depende la precisión con la que, juntos, distinguen el tejido sano del tumor.
En el nuevo trabajo, los científicos tomaron una herramienta matemática —las cópulas— y con ella analizaron cómo se relacionan los errores de estos dos "remeros" en dos tareas distintas. La primera tarea es descartar la enfermedad: si ambos dicen "sano", el paciente se va sin preocupaciones innecesarias. La segunda es confirmar la enfermedad: si ambos dicen "enfermo", el paciente recibe tratamiento. Resultó que, para descartar la enfermedad, es mejor que el médico y la IA coincidan más en las imágenes con tumor real. Y para confirmarla, por el contrario, es más útil que sus opiniones difieran en las imágenes de mujeres sanas.
Esto se probó en tres conjuntos de mamografías, donde la IA ayudaba a los médicos a reducir la carga de trabajo o a mejorar la precisión. Los resultados coincidieron con la teoría. La conclusión práctica es sencilla: al configurar un asistente de IA, hay que decidir de antemano para qué tarea se necesita —filtrar a las sanas o detectar a las enfermas— y, según esa tarea, ajustar el grado de "sintonía" con el médico.
Las cópulas son funciones matemáticas que describen cómo se relacionan entre sí las variables aleatorias. El nombre proviene del latín copula, que significa "unión, enlace".