Filter by input type
Select all
News
Pages
Events
Filter by category
Select all
AI ANALYTICS
Mobile Apps and Internet of Things
Advancement of science
big data
Connected communities
Coronavirus
Courses and training
DIAGNOSIS
Initial Editorial
Editorials
A world in the cloud
Events
Infographics
Artificial Intelligence and Science
IoT Apps
News
Digital platforms
Social networks
Review of scientific publications
Course Summary
Synopsis of essay
Overview of reference frames
Synopsis of recent publications
Use of Digital Platforms
Filter by input type
Select all
News
Pages
Events
Filter by category
Select all
AI ANALYTICS
Mobile Apps and Internet of Things
Advancement of science
big data
Connected communities
Coronavirus
Courses and training
DIAGNOSIS
Initial Editorial
Editorials
A world in the cloud
Events
Infographics
Artificial Intelligence and Science
IoT Apps
News
Digital platforms
Social networks
Review of scientific publications
Course Summary
Synopsis of essay
Overview of reference frames
Synopsis of recent publications
Use of Digital Platforms
Reino Unido, Canadá y EE.UU. Unidos publican transparencia de principios rectores para dispositivos médicos basados en machine learning

Las agencias regulatorias de dispositivos médicos de estos tres países publicaron un documento sobre la transparencia acerca de sus diez principios del desarrollo de Buenas Prácticas de Machine Learning.

En 2021, la Administración de Alimentos y Medicamentos de EE.UU. (FDA, en inglés), Health Canada y la Agencia Reguladora de Medicamentos y Productos Sanitarios (MHRA, en inglés) del Reino Unido, identificaron los principios para las buenas prácticas de dispositivos médicos basados en aprendizaje automático o machine learning. El objetivo de estos principios es promover el uso de dispositivos médicos seguros, regulados y de calidad que utilicen inteligencia artificial (IA) y machine learning.

Posteriormente, en octubre de 2023, la FDA, Health Canada y MHRA, publicaron los diez principios del desarrollo de Buenas Prácticas de Machine Learning (GMLP, en inglés). En esta ocasión las tres agencias publicaron un documento acerca de la transparencia del machine learning aplicado en dispositivos móviles.

El documento toma como base los principios 7 y 9: Enfoque en el rendimiento del equipo humano-IA y proveer información clara y esencial a los usuarios.  Asimismo, detalla que la trasparencia se refiere al grado en el que se comunica claramente información adecuada sobre un MLMD a las audiencias relevantes.

Los componentes de la trasparencia en este sentido son:

  • Lógica: Cómo se llega a un resultado o decisión.
  • Explicabilidad: Grado en que esta lógica puede ser entendida por una persona.

Otro aspecto importante de la transparencia en los GMLP es promover un diseño centrado en el humano. ES decir que mejore la experiencia del usuario, validando la transparencia y asegurando que los usuarios tengan toda la información necesaria sobre el dispositivo.

Asimismo, el documento presenta las preguntas clave acerca de la transparencia en este ámbito:

  1. Quién: Audiencias relevantes (profesionales de salud, pacientes, personal de apoyo, administradores, compradores y organismos reguladores).
  2. Por qué: Transparencia es esencial para el cuidado centrado en el paciente y para la seguridad y efectividad del dispositivo.
  3. Qué: Información relevante incluye propósito y función médica, usuarios previstos, entornos de uso, cómo el dispositivo afecta decisiones de atención médica, rendimiento del dispositivo, beneficios, riesgos y actividades de gestión de riesgos.
  4. Dónde: Colocación de la información a través de la interfaz de usuario del software del dispositivo, usando varios medios (audio, video, texto en pantalla, diagramas).
  5. Cuándo: Comunicación oportuna de información a lo largo del ciclo de vida del producto, incluyendo notificaciones de actualizaciones del dispositivo y nueva información descubierta.
  6. Cómo: Aplicación de principios de diseño centrado en el humano, con niveles adecuados de detalle para la audiencia prevista y ordenando el contenido por importancia para facilitar decisiones informadas.

Finalmente, las tres agencias resaltan que estos principios deben considerarse para adoptar y mejorar las prácticas de transparencia, fomentando la colaboración en el desarrollo de estándares de transparencia en este campo en evolución.

Outstanding news

News by country

Share

Digital Health in the world

  • — Science Brief: Omicron (B.1.1.529) Variant/CDC updates
    See more
  • —Coronavirus resource center/Johns Hopkins
    See more
  • — Epidemiological tracing of COVID-19 contacts / Johns Hopkins Course
    See more
  • — SARS-CoV-2 infection behavior / FCS calculator
    See more
  • — Omicron SARS-CoV-2 variant: a new chapter in the COVID-19 pandemic/ Article The Lancet
    See more
  • —Genomic Epidemiology Tracker/GISAID
    See more
  • — Mexican Genomic Surveillance Consortium
    See more
Secured By miniOrange