Salud e inteligencia artificial: ¿cómo hemos evolucionado?

Abstract

El uso de la Inteligencia Artificial (IA) ha comenzado a ser cada vez más cotidiano. Sus aplicaciones en salud están demostrando ser un complemento de la práctica clínica con buenos resultados. Sin embargo, incorporar tecnologías disruptivas en medicina no resulta fácil, por los principios de no maleficencia, beneficencia, autonomía y justicia que debe velar el acto médico, y por ser complejo y difícil romper paradigmas en un entorno donde la experiencia y la percepción clínica son fundamentales. Desde el uso del termómetro a algoritmos computacionales que diagnostican enfermedades en imágenes médicas con mayor precisión que el ojo humano, las tecnologías han debido pasar por la demostración científica de sus beneficios. Para ello, actualmente la medicina basada en la evidencia se complementa con técnicas computacionales modernas de procesamiento de grandes volúmenes de datos que antes no era posible realizar, obteniendo valiosa nueva información que se traduce en una prevención y detección temprana de enfermedades más oportuna, diagnósticos más certeros, intervenciones y tratamientos cada vez más personalizados junto a un seguimiento e interacción automatizada entre pacientes y centros de salud. Existe cada vez más investigación en las distintas áreas de las ciencias de la salud que lo demuestran. En la presente revisión se busca recorrer algunos hitos de la incorporación del aprendizaje automático e IA en salud, y proyectar cómo desde nuestras instituciones podemos aportar mediante investigación, desarrollo e innovación para que estas tecnologías tengan un impacto positivo en beneficio de los pacientes. Artificial Intelligence (AI) has become a daily presence. Its applications in healthcare have proved to be a complement to clinical practice with good results. However, incorporating disruptive technologies in medicine is not easy, due to the principles of non-maleficence, beneficence, autonomy and justice that must be ensured by the medical act, and because it is complex and difficult to break paradigms in an environment where experience and clinical perception have key value. From the use of the thermometer to computational algorithms that diagnose diseases in medical images with greater precision than the human eye, technologies have had to undergo scientific demonstration of their benefits. To this end, evidence-based medicine is now complemented by modern computational techniques for processing huge amount of data in ways that had not been possible before, obtaining valuable new information that enables timely prevention and early disease detection, more accurate diagnoses, increasingly personalized interventions and treatments, and automated follow-up and interaction between patients and healthcare centers. Increasing research in different fields of health sciences support this affirmation. In this review we show some milestones of machine learning and AI incorporation in healthcare, and projections on how our institutions can contribute through research, development and innovation to ensure that these technologies positively impact and benefit patients.

Ähnliche Arbeiten