Acuerdo con la Fundación de Investigación HM Hospitales para la creación de la “Cátedra en causalidad médico-legal”
Hoy nos complace informar de la creación de nuestra “Cátedra en causalidad médico-legal”, junto con la Fundación de Investigación HM Hospitales; la firma del acuerdo de colaboración permitirá trabajar en el desarrollo de un modelo predictivo para valoración de indemnizaciones, basado en inteligencia artificial. Esta Cátedra busca, asimismo, crear un debate en relación a cómo alinear el lenguaje médico y jurídico para que la incertidumbre en procesos de responsabilidad sanitaria, cuando exista, se exprese en términos de probabilidad. En el acto de la firma del convenio, el doctor Carlos Represas, director de la Cátedra, ha explicado que “la finalidad de este acuerdo es establecer una línea de investigación similar a la que ya se está introduciendo en el resto de las ciencias forenses, para consolidar la probabilidad en el lenguaje causal, sobre todo en los procesos de responsabilidad médica y, en concreto, de incertidumbre causal, como la pérdida de oportunidad”.
El algoritmo que se desarrollará se llevará a cabo mediante la identificación de criterios médicos y el análisis de datos retrospectivo mediante big data para llegar a un modelo predictivo que permita homogeneizar las indemnizaciones tanto de responsabilidad médica como de accidentes de tráfico. Tal y como se ha reconocido durante la firma es necesario contar con modelos de estas características que faciliten la labor de las aseguradoras y lleven a conclusiones lo más objetivas y equitativas que sea posible.
En relación a la introducción de la probabilidad en los casos de responsabilidad sanitaria, el ejemplo más emblemático es la denominada “pérdida de oportunidad” que hace referencia a que cuando algo se ha hecho mal, no se sabe si las consecuencias son derivadas de ello o no, es decir, es difícil establecer la relación de causalidad. Y, en esos casos, sería necesario establecer la probabilidad de una evolución diferente, si se hubiera hecho bien.
