DOI: 10.26820/reciamuc/8.(1).ene.2024.166-177

URL: https://reciamuc.com/index.php/RECIAMUC/article/view/1259

EDITORIAL: Saberes del Conocimiento

REVISTA: RECIAMUC

ISSN: 2588-0748

TIPO DE INVESTIGACIÓN: Artículo de revisión

CÓDIGO UNESCO: 32 Ciencias Médicas

PAGINAS: 166-177

Inteligencia articial en medicina: presente y futuro

Artiﬁcial intelligence in medicine: present and future

A inteligência artiﬁcial na medicina: presente e futuro

John Hamilton Adum Ruíz

; María Gisella RuízOrtega

; Héctor Jonathan Vera Ponce

;

Manuel Ignacio Álvarez Narváez

RECIBIDO: 10/10/2023 ACEPTADO: 23/11/2023 PUBLICADO: 23/01/2024

1. Médico; Investigador Independiente; Guayaquil, Ecuador; jadumruiz@gmail.com; https://orcid.

org/0009-0000-5128-5948

2. Magíster en Gerencia en Salud para el Desarrollo Local; Diploma Superior de Cuarto Nivel en Desarrollo

Local y Salud; Magíster en Atención Primaria y Clínica Infantil; Especialista en Cirugía Plástica Reconstruc-

tiva y Estética; Doctor en Medicina y Cirugía; Universidad de Guayaquil; Guayaquil, Ecuador; gisella.ruizo@

ug.edu.ec; https://orcid.org/0000-0001-8260-4577

3. Médico; Investigador Independiente; Guayaquil, Ecuador; hector_vera@hotmail.com; https://orcid.

org/0009-0007-0919-1455

4. Médico; Investigador Independiente; Guayaquil, Ecuador; manuelfacturas@outlook.com; https://orcid.

org/0009-0004-5719-857X

CORRESPONDENCIA

John Hamilton Adum Ruíz

jadumruiz@gmail.com

Guayaquil, Ecuador

RESUMEN

Recientemente la IA ha comenzado a incorporarse a la medicina para mejorar la atención al paciente al acelerar los proce-

sos y lograr una mayor precisión diagnóstica, abriendo el camino para brindar una mejor atención médica en general. Las

imágenes radiológicas, las preparaciones de anatomía patológica y los registros médicos electrónicos de los pacientes se

están evaluando mediante aprendizaje automático ayudando en el proceso de diagnóstico y tratamiento de los pacientes.

La presente investigación se enmarca dentro de una metodología de tipo bibliográﬁca documental. Ya que es un proceso

sistematizado de recolección, selección, evaluación y análisis de la información, que se ha obtenido mediante medios elec-

trónicos en diferentes repositorios y buscadores tales como Google Académico, Science Direct, Pubmed, entre otros, em-

pleando para ellos los diferentes operadores booleanos y que servirán de fuente documental, para el tema antes planteado.

La masiﬁcación de la IA en el entorno de la salud, todavía no está totalmente masiﬁcado, sus usos están más orientados a lo

interno del sistema de salud que a lo externo, es decir, el contacto directo con el paciente, la capacidad de esta tecnología

en el manejo de grandes cantidades de datos que puede ser ampliamente utilizado para su parametrizacion por medio de

algoritmos, en eso se basa la inteligencia artiﬁcial dentro del sistema de salud, ya que por medio de estas bases de datos es

posible la clasiﬁcación, prevención, predicción de distintas patologías, que no distinguen sexos y razas, pudiendo de esta

manera hacer mucho más fácil los diagnósticos diferenciales de enfermedades complejas.

Palabras clave: IA, Diagnóstico, Datos, Learning, Predicción.

ABSTRACT

Recently, AI has begun to be incorporated into medicine to improve patient care by speeding up processes and achieving

greater diagnostic accuracy, paving the way to provide better medical care in general. Radiological images, pathology slides

and electronic medical records of patients are being evaluated using machine learning aiding in the process of diagnosing

and treating patients. This research is framed within a documentary bibliographic methodology. Since it is a systematized

process of collection, selection, evaluation and analysis of information, which has been obtained through electronic means in

different repositories and search engines such as Google Academic, Science Direct, Pubmed, among others, using the dif-

ferent Boolean operators for them. and that will serve as a documentary source for the topic raised above. The massiﬁcation

of AI in the health environment is not yet completely widespread, its uses are more oriented internally to the health system

than externally, that is, direct contact with the patient, the capacity of this technology in the management of large amounts of

data that can be widely used for parameterization through algorithms, this is what artiﬁcial intelligence within the health sys-

tem is based on, since through these databases it is possible to classify, prevent, prediction of different pathologies, which

do not distinguish between sexes and races, thus making differential diagnoses of complex diseases much easier.

Keywords: AI, Diagnosis, Data, Learning, Prediction.

RESUMO

Recentemente, a IA começou a ser incorporada na medicina para melhorar os cuidados prestados aos doentes, acele-

rando os processos e alcançando uma maior precisão nos diagnósticos, abrindo caminho para a prestação de melhores

cuidados médicos em geral. Imagens radiológicas, lâminas de patologia e registos médicos electrónicos de pacientes

estão a ser avaliados com recurso a aprendizagem automática, ajudando no processo de diagnóstico e tratamento dos

pacientes. Esta investigação enquadra-se numa metodologia bibliográﬁca documental. Uma vez que se trata de um

processo sistematizado de recolha, seleção, avaliação e análise de informação, que foi obtida através de meios electróni-

cos em diferentes repositórios e motores de busca como o Google Académico, Science Direct, Pubmed, entre outros,

utilizando os diferentes operadores booleanos para os mesmos. e que servirá de fonte documental para o tema acima

levantado. A massiﬁcação da IA no meio da saúde ainda não está completamente difundida, seus usos são mais voltados

internamente ao sistema de saúde do que externamente, ou seja, contato direto com o paciente, a capacidade dessa

tecnologia na gestão de grandes quantidades de dados que podem ser amplamente utilizados para parametrização atra-

vés de algoritmos, é nisso que se baseia a inteligência artiﬁcial dentro do sistema de saúde, pois através desses bancos

de dados é possível a classiﬁcação, prevenção, predição de diferentes patologias, que não distinguem sexos e raças,

facilitando assim diagnósticos diferenciais de doenças complexas.

Palavras-chave: IA, Diagnóstico, Dados, Aprendizagem, Predição.

168

RECIMAUC VOL. 8 Nº 1 (2024)

Introducción

Recientemente la IA ha comenzado a in-

corporarse a la medicina para mejorar la

atención al paciente al acelerar los proce-

sos y lograr una mayor precisión diagnós-

tica, abriendo el camino para brindar una

mejor atención médica en general. Las imá-

genes radiológicas, las preparaciones de

anatomía patológica y los registros médicos

electrónicos de los pacientes se están eva-

luando mediante aprendizaje automático

ADUM RUÍZ, J. H., RUÍZ ORTEGA, M. G., VERA PONCE, H. J., & ÁLVAREZ NARVÁEZ, M. I.

ayudando en el proceso de diagnóstico y

tratamiento de los pacientes (1). Dentro de

las tecnologías disruptivas, la inteligencia

artiﬁcial (IA) tiene un gran potencial de uso

en medicina. Particularmente en análisis

predictivos, medicina de precisión y apoyo

a decisiones clínicas. En la actualidad, se

usa la IA para ayudar en diagnósticos clíni-

cos, detección temprana de cáncer, cirugía

robótica, apoyo a tratamientos y, en gene-

ral, la toma de decisiones clínicas (2).

Figura 1. Alan Turing: El padre de la IA

Fuente: Liuva et al (3).

En medicina apenas se ha utilizado la inte-

ligencia artiﬁcial, en parte por razones cul-

turales y ﬁlosóﬁcas, por las que se asume

que una computadora nunca será tan capaz

como un médico humano; y por el rechazo

de algunos médicos y odontólogos a sentirse

cuestionados, supervisados o aconsejados

por una máquina o por un ingeniero. Así, in-

cluso en las ciencias biológicas y la medicina

genómica se usan ya métodos computacio-

nales avanzados; mientras que los clínicos

tienen que lidiar con bases de datos cada

vez más grandes y complejas recurriendo a

métodos estadísticos tradicionales (4).

Dado a los grandes resultados en pruebas,

gracias a los algoritmos de aprendizaje au-

tomático se logran obtener diagnósticos

más claros y precisos, para así detectar

síntomas de las diversas enfermedades

que acarrean en el ser humano, desde una

enfermedad tratable hasta las más graves

antes de que estas se vuelvan intensas

y sea demasiado tarde tratarlas. Por muy

preparados que pueda estar un perso-

nal de salud en una labor medicinal en

concreta, sabemos que los seres huma-

nos podemos cometer errores que sean de

mayor inoportunidad y que la imperturbabi-

lidad de una maquina inteligente jamás po-

dría permitir, además de esto sabemos que

nuestro cuerpo y sentidos deben llegar a un

límite en el que ya no se nos permite ser

diestros y agiles como cuando empezamos

, algo que un robot si puede llegar a

alcanzar (5).

169

RECIMAUC VOL. 8 Nº 1 (2024)

INTELIGENCIA ARTIFICIAL EN MEDICINA: PRESENTE Y FUTURO

La forma en que practicaremos la medici-

na cambiará radicalmente en los próximos

años, la IA tendrá lugar en todas las áreas

médicas y el futuro de las especialidades

dependerá en gran medida de la interac-

ción médico-paciente y de la creatividad.

Aquellas áreas médicas con tareas repeti-

tivas, como inspección de la piel, interpre-

tación de estudios de imagen e histopatolo-

gía, serán las que requerirán transformarse

más rápido, ya que son potencialmente au-

tomatizables, mientras que las áreas de la

salud mental, la ﬁsioterapia y la medicina de

rehabilitación, en las que la interacción hu-

mana es fundamental, tienen menos posibi-

lidades de ser reemplazadas por la IA (6).

Metodología

La presente investigación se enmarca den-

tro de una metodología de tipo bibliográﬁca

documental. Ya que es un proceso sistema-

tizado de recolección, selección, evalua-

ción y análisis de la información, que se ha

obtenido mediante medios electrónicos en

diferentes repositorios y buscadores tales

como Google Académico, Science Direct,

Pubmed, entre otros, empleando para ellos

los diferentes operadores booleanos y que

servirán de fuente documental, para el tema

antes planteado.

Resultados

IA en el campo médico actual

La IA ofrece varios puntos positivos en

el campo médico con el ﬁn de creación de

mé-todos innovadores. Incluso, facilita pro-

veer servicios a los pacientes de forma vir-

tual. Actualmente cualquier problemática

del paciente puede consultarse de forma

rápida, de manera que se pueden re-

solver múltiples problemas de salud de

forma muy temprana. Los procesos inte-

grativos de información, la automatización

de actividades repetitivas, la identiﬁcación

de errores de prescripción y de efectos

adversos a fármacos, además del aumen-

to de la autonomía de los pacientes para

el tratamiento de padecimientos y de bajo

riesgo de complicaciones son algunas de

las grandes ven-tajas actuales que mues-

tra la IA. Las imágenes radiológicas, las

preparaciones de anatomía patológica y

los registros médicos electrónicos de los

pacientes se están evaluando mediante

aprendizaje automático, ayudando en el

proceso de diagnóstico y tratamiento de

los pacientes (7).

La utilidad de la IA, en la llamada “medicina

personalizada”, pudiera recordar a los pa-

cientes la calendarización de sus consultas

médicas o inmunizaciones, o incluso pro-

veer recomendaciones de salud basadas

en el historial clínico y preferencias de las

personas. Incluso, pudiese sugerir recursos

de educación en salud para información

acerca de dietas y ejercicio para llevar un

estilo de vida saludable. Es esperado que

la IA tenga un fuerte impacto en la pre-

vención de enfermedades en la socie-

dad, en el suministro de cuidados persona-

les y asistencia sanitaria, en las tendencias

en cuanto a enfermedades y sus resultados

en factores biológicos y ambientales, así

como en la organización de hospitales en

cuanto a tratamientos, diagnósticos y toma

de decisiones (7).

Aprendizaje automático en medicina

Teniendo en cuenta la cantidad de datos

relacionados con la salud de las personas,

y que su crecimiento futuro será exponen-

cial, ya no es posible utilizar métodos tra-

dicionales de extracción de información,

fundamentalmente manuales, para obtener

algún beneﬁcio. De esta forma, los algorit-

mos de Machine Learning se han converti-

do en la nueva forma de procesar grandes

volúmenes de datos, los cuales en muchos

casos son complejos y multivariables. Los

algoritmos de aprendizaje automático y un

subconjunto de ellos, como Deep Learning,

permiten crear modelos computacionales

en salud para obtener patrones novedosos.

Por ejemplo, utilizando imágenes digitaliza-

das del tórax de varios sujetos, obtenidas

a través de rayos X, se puede detectar si

170

RECIMAUC VOL. 8 Nº 1 (2024)

un paciente tiene neumonía o COVID-19.

El modelo de aprendizaje se entrena me-

diante el uso de un conjunto de técnicas, la

cual en este caso se basa en la detección

de objetos, para predecir si una nueva ima-

gen de tórax se clasiﬁca como normal, con

neumonía o COVID-19. Los datos médicos

están disponibles en una enorme variedad

de tipos y fuentes, que incluyen enferme-

dades, salud pública, pronósticos, diagnós-

ticos, imágenes, series temporales, etc.; y

todo indica que aumentarán a medida que

hayan más y mejores sensores. Estos son

complejos de analizar, aun cuando existan

muy pocos registros, pues su alta dimensio-

nalidad los convierte en un desafío para el

aprendizaje automático. Además, en mu-

chos casos no está del todo claro qué méto-

dos se utilizaron para asegurar su calidad,

lo que inﬂuye directamente en la capacidad

predictiva del modelo a entrena (8).

Figura 2. La inteligencia artiﬁcial como factor habilitante para la medicina del futuro

Fuente: Ruiz & Velásquez (8).

Algoritmo clasicador

Los algoritmos de IA suelen ser bastan-

te soﬁsticados. Más que intentar entender

cómo funcionan, es importante saber para

qué se utilizan. Una de las tareas básicas

es la de clasiﬁcación. Muchos algoritmos

sirven para reducir fenómenos naturales a

"características", valores útiles a la hora de

clasiﬁcar cosas. Es difícil que con solo dos

variables un algoritmo -o una persona- sea

capaz de determinar si un objeto es A o B

con un 100% de acierto, pero se le puede

entrenar para que el error sea mínimo. La

inteligencia artiﬁcial se apoya mucho en la

estadística, una disciplina que lleva desa-

rrollando la toma de decisiones basadas en

datos desde mucho antes de que existieran

los ordenadores (9).

Redes neuronales

El cerebro toma decisiones utilizando 100

billones de neuronas, con trillones de cone-

xiones entre ellas. Una solución matemática

para tomar decisiones es usar redes neuro-

nales artiﬁciales. También son muy apropia-

das para, entre otros, el reconocimiento de

imagen. Un programa sin IA podría analizar

si dos fotografías de una persona son idén-

ticas comparando la información contenida

ADUM RUÍZ, J. H., RUÍZ ORTEGA, M. G., VERA PONCE, H. J., & ÁLVAREZ NARVÁEZ, M. I.

171

RECIMAUC VOL. 8 Nº 1 (2024)

en cada pixel, en cada punto de color. Sin

embargo, la IA permite distinguir a la mis-

ma persona en fotografías diferentes, don-

de la postura, la luz o el contexto no son ni

siquiera parecidos. Este sistema de recono-

cimiento facial es el que aplica Facebook

en el etiquetado de personas. Las redes

neuronales se aplican en situaciones para

las cuales no se puede utilizar solo un mo-

delo o una fórmula matemática. Cuando un

problema se puede resolver mejor per ob-

servación continua, se entrena la red para

identiﬁcar lo que se busca (9).

Usos actuales de la IA en medicina

De las aplicaciones más populares de IA,

las utilizadas en el sector salud son las que

representan la mayor proporción, en cuan-

to al uso y expectativas reﬁeren; éstas son

asistente robótico para cirugías o robot-as-

sisted surgery, este asistente da la posibi-

lidad al profesional médico, realizar ope-

raciones sin la necesidad de que doctor y

paciente se encuentren en el mismo espa-

cio geográﬁco, las virtual nursing assistant

o enfermeras virtuales son aplicaciones de

IA que asisten al paciente en cualquier mo-

mento que este desee, mediante una apli-

cación que puede descargarse de internet

hacia un dispositivo móvil, la enfermera vir-

tual puede hacer seguimiento diario de los

valores y mediciones que el paciente mis-

mo puede realizarse desde su casa y todo

con la guía profesional virtual que incluso

tiene la capacidad de que en función de la

información que el usuario provea recomen-

dar tratamientos o derivar a un centro de sa-

lud si así lo considera pertinente. Uno de los

mejores ejemplos de la aplicación de IA en

salud es Watson. El superordenador de IBM

que ya es capaz de dar diagnósticos de

cáncer con una precisión del 83%, y sugie-

re posibles tratamientos al profesional mé-

dico. Watson también puede realizar un se-

guimiento individualizado de cada paciente

a nivel genético. E incluso ya está identiﬁ-

cando medicamentos nuevos y la relación

entre medicamentos existentes. DeepMind,

la división de investigación de inteligencia

artiﬁcial de Google, se ha aliado con el ser-

vicio nacional de salud británico (10).

1. La IA en estudios de imagen

Actualmente, la IA puede apoyar a los ra-

diólogos de múltiples formas. Se ha utiliza-

do IA para apoyo en la identiﬁcación de

estructuras anatómicas, cuantiﬁcación de

ﬂujo, densidades, entre otros parámetros.

También se ha utilizado IA para detec-

tar de forma precoz resultados críticos

(Ej. tromboembolismo pulmonar, sangrados

intracraneales). Por otra parte, se ha pres-

tado atención en la valoración pronóstica

por IA, y en algunos estudios se ha demos-

trado que la IA puede predecir los des-

enlaces posteriores a una lesión traumática

cerebral. Otros usos especíﬁcos incluyen

cuantiﬁcación de valores especíﬁcos, en-

tre ellos la densidad ósea mineral, grasa

visceral, hepática, y calcio coronario (11).

2. La IA en la patología

Se ha demostrado que la IA es capaz de

realizar escaneos completos de laminillas

y así realizar interpretaciones digitales que

son equiparables a aquellas realizadas de

manera tradicional al microscopio. En un

estudio retrospectivo de Campanella et al.

(2019), se utilizaron 44732 laminillas de

15187 pacientes para el diagnóstico de

cáncer de próstata, carcinoma basoce-

lular y metástasis ganglionares, y se ob-

tuvo una área bajo la curva por encima de

0.98 en todos los casos. Por otro lado, en

el campo de la dermatología, se ha intenta-

do implementar la IA como una herramienta

de asistencia en el diagnóstico histo-

lógico de distintas lesiones, la cual ha

demostrado tener buenos resultados en

diagnósticos de baja complejidad como

queratosis seborreica, nuevos y carcino-

ma basocelular, sin embargo aún existen di-

ferencias interobservador en lesiones más

complejas lo que limita el entrenamiento de

algoritmos basados en machine learning o

aprendizaje automático. Se ha reportado

INTELIGENCIA ARTIFICIAL EN MEDICINA: PRESENTE Y FUTURO

172

RECIMAUC VOL. 8 Nº 1 (2024)

una discrepancia de alrededor del 18% en

la identiﬁcación de melanoma al comparar

redes neuronales contra patólogos exper-

tos, sin embargo esta diferencia es similar

a la reportada entre patólogos humanos

por lo que podría ser una herramienta váli-

da. Otra aplicación es la diferenciación de

carcinomas versus queratosis seborreica y

melanomas vs nuevos benignos, en el que

la IA tuvo un desempeño similar al de espe-

cialistas en la clasiﬁcación de estas lesio-

nes. Sin embargo, aún existen limitaciones

ya que estas herramientas consisten úni-

camente en la discriminación de imáge-

nes y no toman en cuenta otras carac-

terísticas clínicas como topografía, edad

del paciente, variaciones de color, entre

otras que inﬂuencian las decisiones diag-

nósticas (11).

3. La IA en la toma de decisiones

La IA puede mejorar la práctica clínica al

establecer protocolos sistematizados de

toma de decisiones. Su uso como sistema

de soporte secundario puede brindar in-

formación para la toma de decisiones, sin

embargo es importante considerar que un

algoritmo puede también generar confusión

y duda si ofrece resultados conﬂictivos.

Este sistema es capaz de mejorarla toma de

decisiones al facilitar diagnósticos, realizar

tamizajes masivos y estratiﬁcación de pa-

cientes, individualizar el tratamiento y deter-

minar el apego al mismo. Para valorar su

eﬁcacia es necesario compararlo contra

el conocimiento clínico, la intuición y la

experiencia así como pruebas gold-stan-

dard sin embargo no existen aún guías

estandarizadas para su evaluación. Como

ejemplo del uso de ML en la evaluación

preclínica, durante la pandemia de CO-

VID-19 se implementó como modelo de pre-

dicción para priorizar a pacientes con riesgo

de enfermedad severa en base a un cues-

tionario, y así maximizar el uso de recursos.

Incluso en un estudio de Shoer et al (2021),

se establece un modelo capaz de predecir

el resultado de la prueba en base a informa-

ción como edad, género y síntomas alcan-

zando un área bajo la curva de 0.737. Este

modelo aumenta la detección de casos po-

sitivos, optimiza el uso de pruebas diag-

nósticas y permite aislar a casos de alto

riesgo de manera temprana. Por otro lado,

estos sistemas son también utilizados en

el proceso diagnóstico. Un ejemplo es su

aplicación en la interpretación de masto-

grafías para tamizaje de cáncer de mama.

Estos algoritmos permiten a los radiólogos

identiﬁcar con mayor certeza lesiones pro-

bablemente malignas, y diferenciar aquellas

lesiones que requieren biopsias de las que

pueden tener un seguimiento no invasivo. El

estudio de Hu et al (2020) , demostró mejo-

rar el rendimiento diagnóstico de cáncer de

mama con resonancia magnética al dismi-

nuir el índice de falsos positivos y mejorar el

valor predictivo positivo (11).

4. Inteligencia articial en procedimien-

tos quirúrgicos

En las últimas décadas, el campo de la ci-

rugía general ha experimentado una revolu-

ción transformadora gracias a los avances

en la IA. La integración de la IA en la

práctica quirúrgica ha brindado nume-

rosos beneﬁcios, los cuales mejoran la

precisión, la eﬁciencia y los resultados en

los procedimientos quirúrgicos. La IA ha

demostrado su capacidad para optimizar

la toma de decisiones y proporcionar ma-

yor precisión en la planiﬁcación quirúrgica

y establecer de forma correcta factores

de riesgo y pronósticos. Un ejemplo claro

de potenciales usos de la IA en el cam-

po quirúrgico es en el área oncológica,

en donde la IA ha demostrado poder valorar

la resecabilidad de carcinomas peritoneales

con una alta precisión La IA parece jugar un

papel importante en la cirugía mínimamente

invasiva, al mejorar la seguridad y eﬁcacia

de esta modalidad quirúrgica. Favorece

el desarrollo de sistemas de navegación

con retroalimentación en tiempo real. El

uso de herramientas basadas en IA que

analizan imágenes tridimensionales, permi-

ten identiﬁcar complicaciones intraopera-

ADUM RUÍZ, J. H., RUÍZ ORTEGA, M. G., VERA PONCE, H. J., & ÁLVAREZ NARVÁEZ, M. I.

173

RECIMAUC VOL. 8 Nº 1 (2024)

torias inadvertidas y mejorar la planeación

quirúrgica y abordaje. Su uso se ha exten-

dido a nefrectomías parciales asistidas por

robot, donde la IA se ha utilizado para guiar

la disección hiliar detectando movimiento a

partir del pulso de vasos ocultos (11).

5. Inteligencia articial en simulación

clínica

Actualmente, se ha buscado mejorar la for-

ma en la que los estudiantes de medicina,

residentes e incluso médicos practican pre-

vio a interactuar con pacientes reales. Esto

se busca mediante la implementación de la

simulación clínica, la cual consiste en situar

al participante del área de la salud en un

contexto que imite un escenario real y en

establecer un ambiente, situaciones o pro-

blemas similares a los que deberá enfren-

tar con pacientes reales de forma indepen-

diente en la práctica clínica. El objetivo de

la simulación clínica es fomentar la segu-

ridad del paciente, disminuir probabilidad

de errores, y complicaciones al realizar

procedimientos. Actualmente existen di-

versos tipos de simulación que son uti-

lizados como estrategia de aprendizaje,

entre estos se encuentran el paciente

estandarizado, el simulador humano, el

paciente híbrido, los simuladores virtuales

y los simuladores de habilidades, todos es-

tos favorecen el análisis crítico posterior a

la realización de la práctica (11).

Implicaciones éticas

Tabla 3. Cartera vencida

INTELIGENCIA ARTIFICIAL EN MEDICINA: PRESENTE Y FUTURO

174

RECIMAUC VOL. 8 Nº 1 (2024)

ADUM RUÍZ, J. H., RUÍZ ORTEGA, M. G., VERA PONCE, H. J., & ÁLVAREZ NARVÁEZ, M. I.

175

RECIMAUC VOL. 8 Nº 1 (2024)

Fuente: (1).

La automatización y la inclusión de los ro-

bots y las máquinas en general en la toma

de decisiones que afectan a los seres huma-

nos conllevan una serie de consideraciones

éticas de gran importancia. Por un lado, la

capacidad de cálculo por parte de las má-

quinas es mucho más rápida y precisa que

la humana, pero existen variables no numéri-

cas relacionadas con aspectos no tangibles

que las máquinas aún no son capaces de

incluirlas en sus procesos de decisión. Dis-

poner de robots que realizan tareas comple-

jas para la toma de decisiones (por ejemplo,

diagnósticos) tiene unas implicaciones éti-

cas de gran importancia. La Unión Europea

ha elaborado una guía de consideraciones

éticas49 en la que se proponen 3 principios

básicos para conseguir una IA ﬁable:

1. Asegurarse de que la IA esté centrada

en el ser humano: La IA se debe desa-

rrollar, implementar y utilizar con un “pro-

pósito ético”, fundamentado y que reﬂeje

los derechos fundamentales, los valores

sociales y los principios éticos de la Be-

neﬁcencia (hacer el bien), Maleﬁcencia

(no hacer daño), Autonomía de los seres

humanos, Justicia y Explicabilidad (1).

2. Conﬁar en los derechos fundamentales,

principios éticos y valores para evaluar

prospectivamente los posibles efectos

de la IA en los seres humanos y el bien

común. Prestar especial atención a las

situaciones que involucran a los grupos

más vulnerables, como niños, personas

con discapacidades o minorías, o situa-

ciones con asimetrías de poder o infor-

mación, como entre empleadores y em-

pleados, o empresas y consumidores (1).

3. Reconocer y tener en cuenta el hecho

de que, si bien aporta beneﬁcios sustan-

ciales a los individuos y a la sociedad,

la IA también puede tener un impacto

negativo. Permanecer atento a las áreas

de preocupación crítica (1).

Papel tendrá la inteligencia articial en la

medicina en un futuro

Microsoft está "en camino de cumplir el ob-

jetivo de la medicina de precisión: un cam-

bio en la práctica clínica que será posible

gracias a los diagnósticos de precisión, la

terapia de precisión y las tecnologías de

atención conectada" (12).

Para lograr este objetivo, la Big Tech quie-

re "colaborar con organizaciones de cien-

cias de la vida y de la salud con un apetito

similar por la transformación, experiencia

complementaria y un compromiso para im-

pulsar el cambio requerido". Además, ex-

plorará herramientas de diagnóstico a partir

INTELIGENCIA ARTIFICIAL EN MEDICINA: PRESENTE Y FUTURO

176

RECIMAUC VOL. 8 Nº 1 (2024)

de nuevas modalidades, como los modelos

básicos multimodales, la democratización

de imágenes médicas, la inmunómica, la

ingeniería de proteínas y la investigación

biomédica (12).

Perspectivas futuras de la inteligencia ar-

ticial en medicina y salud:

• Mejora de la precisión diagnóstica: Se

espera que la IA continúe mejorando la

precisión del diagnóstico médico y per-

mita la detección temprana de enferme-

dades, lo que podría salvar vidas y me-

jorar la calidad de atención (13).

• Terapias personalizadas: Con el avan-

ce de la medicina de precisión, la IA

jugará un papel fundamental en el de-

sarrollo de terapias personalizadas y

adaptadas a las necesidades individua-

les de los pacientes (13).

• Automatización de tareas médicas: La

IA puede liberar a los profesionales de

la salud de tareas rutinarias y repetitivas,

permitiéndoles enfocarse en la atención

directa a los pacientes (13).

• Reducción de costos de atención mé-

dica: La implementación efectiva de la

IA en la atención médica tiene el poten-

cial de reducir los costos y mejorar la

eﬁciencia de los servicios de salud (13).

Conclusión

La masiﬁcación de la IA en el entorno de la

salud, todavía no está totalmente masiﬁca-

do, sus usos están más orientados a lo in-

terno del sistema de salud que a lo externo,

es decir, el contacto directo con el paciente,

la capacidad de esta tecnología en el ma-

nejo de grandes cantidades de datos que

puede ser ampliamente utilizado para su

parametrizacion por medio de algoritmos,

en eso se basa la inteligencia artiﬁcial den-

tro del sistema de salud, ya que por medio

de estas bases de datos es posible la cla-

siﬁcación, prevención, predicción de distin-

tas patologías, que no distinguen sexos y

razas, pudiendo de esta manera hacer mu-

cho más fácil los diagnósticos diferenciales

de enfermedades complejas.

El uso de chatbots que permiten la interac-

ción entre un paciente o persona en bús-

queda de información, orientación, agenda

de citas de atención, entre otros, están a

la orden del día, en otro casos, la planiﬁ-

cación de intervenciones quirúrgicas intro-

duciendo parámetros dentro de softwares

con IA que permiten pronosticar un desen-

lace permiten manejar opciones que sean

las más favorables para el paciente con el

menor riesgo de complicaciones posibles,

pudiendo utilizar estos pronósticos en la for-

mación de los profesionales de la salud. Lo

que se busca es optimizar los sistemas de

salud para una mejor atención al paciente

con una reducción de costos, que beneﬁ-

cien a ambas partes.

Lo que se espera en el futuro es la masiﬁ-

cación de esta tecnología, para el perfec-

cionamiento en la precisión de los diag-

nósticos, eliminar la burocracia en tareas

rutinarias y repetitivas, la personalización

terapéutica individualizada, la IA no busca

reemplazar el médico, lo que busca es ayu-

darlo a mejorar su proceso y formación, con

ética y profesionalismo.

Bibliografía

Ávila-Tomás JF, Mayer-Pujadas MA, Quesada-Vare-

la VJ. La inteligencia artiﬁcial y sus aplicaciones

en medicina II: importancia actual y aplicacio-

nes prácticas. Atención Primaria [Internet]. 2021

Jan;53(1):81–8. Available from: https://linkinghub.

elsevier.com/retrieve/pii/S0212656720301463

Garcia-Lopez A, Girón-Luque F, Rosselli D. La inte-

gración de la inteligencia artiﬁcial en la atención

médica: desafíos éticos y de implementación.

Univ Médica [Internet]. 2023 Aug 28;64(3). Avai-

lable from: https://revistas.javeriana.edu.co/index.

php/vnimedica/article/view/36231

Liuva CC, Délany Bárbara SC, Eriel FE, Jaqueline CS,

Betsy RC. La Inteligencia Artiﬁcial y su impacto en

las Ciencias de la Salud. In EdumedHolguín2021.

2021;

Barzallo S, Barzallo P. La Inteligencia Artiﬁcial en Me-

dicina. Ateneo. 2019;21(2):81–94.

ADUM RUÍZ, J. H., RUÍZ ORTEGA, M. G., VERA PONCE, H. J., & ÁLVAREZ NARVÁEZ, M. I.

177

RECIMAUC VOL. 8 Nº 1 (2024)

Solís YJL, Mejia DCR, Arias FJT, Chica JRZ. INTE-

LIGENCIA ARTIFICIAL COMO HERRAMIENTA DE

INNOVACIÓN EN LA MEDICINA. UNESUM-Cien-

cias Rev Cientíﬁca Multidiscip. 2021;5(5):83–8.

Lanzagorta-Ortega D, Carrillo-Pérez DL, Carrillo-Es-

per R. Inteligencia artiﬁcial en medicina: presen-

te y futuro. Gac Med Mex [Internet]. 2023 Jun

2;158(91). Available from: https://gacetamedica-

demexico.com/frame_esp.php?id=780

Ruibal-Tavares E, Calleja-López JR, Rivera-Rosas

CN, Aguilera-Duarte LJ. Inteligencia artiﬁcial en

medicina: panorama actual. REMUS-Revista Es-

tud Med la Univ Son. 2023;(10).

Ruiz RB, Velásquez JD. Inteligencia artiﬁcial al servi-

cio de la salud del futuro. Rev Médica Clínica Las

Condes [Internet]. 2023 Jan;34(1):84–91. Availa-

ble from: https://linkinghub.elsevier.com/retrieve/

pii/S0716864023000032

Gallar Á, De Lara González A. Inteligencia artiﬁcial.

Tecnología y progreso al servicio de la sociedad

[Internet]. umhsapiens; Available from: http://ds-

pace.umh.es/bitstream/11000/5737/1/La inteligen-

cia artiﬁcial.pdf

Martínez-García DN, Dalgo-Flores VM, Herrera-López

JL, Analuisa-Jiménez EI, Velasco-Acurio EF. Avan-

ces de la inteligencia artiﬁcial en salud. Dominio

las Ciencias [Internet]. 2019 Jul 5;5(3):603. Avai-

lable from: https://dominiodelasciencias.com/ojs/

index.php/es/article/view/955

Rozillio-Mercado E, López-Anza D, Ortega-Ortuño

GL, Lee Lee SHJ, Minian-Okon J, Gutiérrez-Gur-

za RA, et al. Inteligencia Artiﬁcial en Medicina,

usos Actuales y Futuras Perspectivas. Cienc Lat

Rev Cientíﬁca Multidiscip [Internet]. 2023 Jan

12;7(6):6286–303. Available from: https://cien-

cialatina.org/index.php/cienciala/article/view/9167

Higuera A. El papel de la inteligencia artiﬁcial en

la salud: la medicina de precisión será el futu-

ro [Internet]. 2023. Available from: https://www.

20minutos.es/tecnologia/inteligencia-artificial/

futuro-avances-inteligencia-artiﬁcial-salud-medici-

na-5168386/

Transnacionales GDL. El papel de la inteligencia arti-

ﬁcial en la medicina y la salud: Avances, desafíos

y perspectivas futuras [Internet]. 2023. Available

from: https://www.transnacionalesgdl.com/post/

el-papel-de-la-inteligencia-artiﬁcial-en-la-medici-

na-y-la-salud-avances-desafíos-y-perspectivas-f

CITAR ESTE ARTICULO:

Adum Ruíz, J. H., Ruíz Ortega, M. G., Vera Ponce, H. J., & Álvarez Narváez,

M. I. (2024). Inteligencia artiﬁcial en medicina: presente y futuro. RECIAMUC,

8(1), 166-177. https://doi.org/10.26820/reciamuc/8.(1).ene.2024.166-177

INTELIGENCIA ARTIFICIAL EN MEDICINA: PRESENTE Y FUTURO