{"id":24431,"date":"2022-03-17T09:20:29","date_gmt":"2022-03-17T15:20:29","guid":{"rendered":"https:\/\/saluddigital.com\/?p=24431"},"modified":"2025-10-21T10:07:42","modified_gmt":"2025-10-21T16:07:42","slug":"la-importancia-de-mejorar-la-implementacion-y-evaluacion-de-la-inteligencia-artificial-en-salud","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/la-importancia-de-mejorar-la-implementacion-y-evaluacion-de-la-inteligencia-artificial-en-salud\/","title":{"rendered":"The importance of improving the implementation and evaluation of Artificial Intelligence in health"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Investigadores de la Facultad de Medicina de Harvard, publicaron un art\u00edculo que detalla algunos desaf\u00edos que persisten en la implementaci\u00f3n de herramientas de Inteligencia Artificial (IA) en salud.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Gracias a la IA, se han logrado diversos avances en la investigaci\u00f3n cl\u00ednica, y adem\u00e1s ha sido un asunto de especial inter\u00e9s entre la comunidad cient\u00edfica m\u00e9dica. No obstante, su verdadero alcance e impacto en los resultados de pacientes en entornos cl\u00ednicos no suele medirse correctamente.<\/p>

Investigadores de la Facultad de Medicina de Harvard, publicaron la editorial \u201cCruzando el abismo del rendimiento del modelo al impacto cl\u00ednico: la necesidad de mejorar la implementaci\u00f3n y evaluaci\u00f3n de la IA\u201d, en npj Digital Medicine. El documento, muestra el limitado alcance de la IA en el campo cl\u00ednico. Los autores revisaron 65 ensayos controlados aleatorios de estudios de intervenciones cl\u00ednicas basadas en IA.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Su an\u00e1lisis mostr\u00f3 que no hab\u00eda beneficio cl\u00ednico de usar herramientas de IA en comparaci\u00f3n con atenci\u00f3n est\u00e1ndar en casi el 40% de los estudios. Las herramientas de IA utilizadas fueron, modelos predictivos de aprendizaje profundo y aprendizaje autom\u00e1tico que sustitu\u00edan a las calculadoras de riesgo de estad\u00edsticas.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

\u201cLa adopci\u00f3n limitada por parte de los usuarios, debido a la falta de confianza del m\u00e9dico y la interpretabilidad del modelo, entre muchas otras razones, se ha citado durante mucho tiempo como una barrera clave para el impacto cl\u00ednico\u201d, explican los autores.<\/p>

Los autores consideran una IA exitosa aquella que desencadena un flujo de trabajo personalizado, es decir que la predicci\u00f3n utilizando IA, debe mejorar la intervenci\u00f3n humana, para que tenga un impacto cl\u00ednico positivo. \u201cDebemos desarrollar m\u00e9todos para identificar sistem\u00e1ticamente la mejor intervenci\u00f3n posible para emparejar con una predicci\u00f3n precisa\u201d, explican en la editorial.<\/p>

Otro aspecto importante para mejorar los beneficios cl\u00ednicos de la IA, es desarrollar nuevas formas para su evaluaci\u00f3n, que sean menos costosos y adem\u00e1s se realicen en menos tiempo. La evaluaci\u00f3n puede realizarse a trav\u00e9s de informaci\u00f3n en bases de datos, registros cl\u00ednicos electr\u00f3nicos, entre otros.<\/p>

Por ejemplo, la Administraci\u00f3n de Medicamentos y Alimentos de Estados Unidos, utiliza datos reales para informar sobre decisiones regulatorias sobre medicamentes o dispositivos m\u00e9dicos.<\/p>

\u201cLas aplicaciones ampliadas, las definiciones m\u00e1s amplias de beneficio cl\u00ednico, los nuevos m\u00e9todos de evaluaci\u00f3n y las intervenciones personalizadas son solo algunas de las muchas consideraciones posibles que pueden ayudar a cerrar la brecha entre el rendimiento predictivo in silico<\/em> y la utilidad en el mundo real\u201d, concluyen los autores.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

NATURE<\/strong><\/p>

https:\/\/www.nature.com\/articles\/s41746-022-00572-2<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Investigadores de la Facultad de Medicina de Harvard, publicaron un art\u00edculo que detalla algunos desaf\u00edos que persisten en la implementaci\u00f3n de herramientas de Inteligencia Artificial (IA) en salud. Gracias a la IA, se han logrado diversos avances en la investigaci\u00f3n cl\u00ednica, y adem\u00e1s ha sido un asunto de especial inter\u00e9s entre la comunidad cient\u00edfica m\u00e9dica. No obstante, su verdadero alcance e impacto en los resultados de pacientes en entornos cl\u00ednicos no suele medirse correctamente. Investigadores de la Facultad de Medicina de Harvard, publicaron la editorial \u201cCruzando el abismo del rendimiento del modelo al impacto cl\u00ednico: la necesidad de mejorar la implementaci\u00f3n y evaluaci\u00f3n de la IA\u201d, en npj Digital Medicine. El documento, muestra el limitado alcance de la IA en el campo cl\u00ednico. Los autores revisaron 65 ensayos controlados aleatorios de estudios de intervenciones cl\u00ednicas basadas en IA. Su an\u00e1lisis mostr\u00f3 que no hab\u00eda beneficio cl\u00ednico de usar herramientas de IA en comparaci\u00f3n con atenci\u00f3n est\u00e1ndar en casi el 40% de los estudios. Las herramientas de IA utilizadas fueron, modelos predictivos de aprendizaje profundo y aprendizaje autom\u00e1tico que sustitu\u00edan a las calculadoras de riesgo de estad\u00edsticas. \u201cLa adopci\u00f3n limitada por parte de los usuarios, debido a la falta de confianza del m\u00e9dico y la interpretabilidad del modelo, entre muchas otras razones, se ha citado durante mucho tiempo como una barrera clave para el impacto cl\u00ednico\u201d, explican los autores. Los autores consideran una IA exitosa aquella que desencadena un flujo de trabajo personalizado, es decir que la predicci\u00f3n utilizando IA, debe mejorar la intervenci\u00f3n humana, para que tenga un impacto cl\u00ednico positivo. \u201cDebemos desarrollar m\u00e9todos para identificar sistem\u00e1ticamente la mejor intervenci\u00f3n posible para emparejar con una predicci\u00f3n precisa\u201d, explican en la editorial. Otro aspecto importante para mejorar los beneficios cl\u00ednicos de la IA, es desarrollar nuevas formas para su evaluaci\u00f3n, que sean menos costosos y adem\u00e1s se realicen en menos tiempo. La evaluaci\u00f3n puede realizarse a trav\u00e9s de informaci\u00f3n en bases de datos, registros cl\u00ednicos electr\u00f3nicos, entre otros. Por ejemplo, la Administraci\u00f3n de Medicamentos y Alimentos de Estados Unidos, utiliza datos reales para informar sobre decisiones regulatorias sobre medicamentes o dispositivos m\u00e9dicos. \u201cLas aplicaciones ampliadas, las definiciones m\u00e1s amplias de beneficio cl\u00ednico, los nuevos m\u00e9todos de evaluaci\u00f3n y las intervenciones personalizadas son solo algunas de las muchas consideraciones posibles que pueden ayudar a cerrar la brecha entre el rendimiento predictivo in silico y la utilidad en el mundo real\u201d, concluyen los autores. BIBLIOGRAF\u00cdA NATURE https:\/\/www.nature.com\/articles\/s41746-022-00572-2<\/p>","protected":false},"author":1,"featured_media":24433,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3399,156,3393,160,1418],"tags":[145],"class_list":["post-24431","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-analitica","category-big-data","category-inteligencia-artificial-y-ciencia","category-noticias","category-resena-de-publicaciones-cientificas","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/24431","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=24431"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/24431\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/24433"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=24431"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=24431"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=24431"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}