{"id":39054,"date":"2023-06-02T06:36:37","date_gmt":"2023-06-02T12:36:37","guid":{"rendered":"https:\/\/saluddigital.com\/?p=39054"},"modified":"2025-10-19T23:02:27","modified_gmt":"2025-10-20T05:02:27","slug":"cinco-mitos-y-realidades-sobre-la-ia-en-salud-segun-google","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/cinco-mitos-y-realidades-sobre-la-ia-en-salud-segun-google\/","title":{"rendered":"Cinco mitos y realidades sobre la IA en salud seg\u00fan Google"},"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

El uso de la inteligencia artificial ha incrementado durante los \u00faltimos meses, sin embargo, en el ramo de la medicina existen grandes avances desde hace varios a\u00f1os.<\/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

En 2015 Google dio sus primeros pasos en el aprovechamiento de la inteligencia artificial (IA) aplicada en la medicina y en el cuidado de la salud. Sin embargo, fue hasta 2016 cuando su primer proyecto fue implementado. Tras coincidir con el Dr. Kim Ramasamy, en el Araving Eye Hospital de India, se dieron cuenta de los beneficios de utilizar IA para el cuidado de la salud, especialmente en aquellos lugares donde no hay suficientes especialistas para atender a toda la poblaci\u00f3n.<\/p>

En este sentido, el equipo de Google Health comenz\u00f3 la idea de explorar el uso de IA para identificar la retinopat\u00eda diab\u00e9tica, y crearon un modelo de IA para ayudar a los oftalm\u00f3logos. Posteriormente, en 2018, el equipo se asoci\u00f3 con Verily y obtuvo la marca CE, de la Comisi\u00f3n Europea, para su sistema de Evaluaci\u00f3n automatizada de enfermedades de la retina (ARDA, en ingl\u00e9s). A trav\u00e9s de ARDA, se han examinado a m\u00e1s de 200 mil pacientes en cl\u00ednicas de todo el mundo, desde ciudades urbanas europeas, hasta comunidades rurales en India.<\/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\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

De esta forma, luego de la implementaci\u00f3n exitosa y efectiva de un modelo basado en IA como ARDA, Kasumi Widner, especialista en IA y gerente de programas de IA de salud en Google, describi\u00f3 cinco mitos y lecciones clave aprendidas por Google durante este proceso.<\/p>

  1. Mito: Cuantos m\u00e1s datos, mejor<\/strong><\/li><\/ol>

    Widner explica que el volumen de datos es importante para desarrollar un modelo preciso, sin embargo, lo m\u00e1s importante es la calidad de los datos. Los datos de entrenamiento deben representar la diversidad del mundo real, por ejemplo, datos demogr\u00e1ficos de los pacientes.<\/p>

    1. Mito: los expertos en IA son todo lo que necesitas <\/strong><\/li><\/ol>

      Widner reconoce que la construcci\u00f3n de un sistema m\u00e9dico de IA se requieren varios equipos multidisciplinarios para hacerlo funcionar, por ejemplo, m\u00e9dicos, dise\u00f1adores, investigadores, expertos en regulaciones \u00e9ticas y legales.<\/p>

      1. Mito: el alto rendimiento de la IA equivale a confianza cl\u00ednica<\/strong><\/li><\/ol>

        Validar un modelo de IA en un entorno controlado no garantiza que tendr\u00e1 el mismo rendimiento en un entorno cl\u00ednico no controlado. Se requieren validaciones cuidadosas en entornos cl\u00ednicos reales para garantizar un rendimiento \u00f3ptimo de un modelo.<\/p>

        1. Mito: es f\u00e1cil adaptar la IA a los flujos de trabajo existentes<\/strong><\/li><\/ol>

          \u201cNecesitamos dise\u00f1ar la IA en torno a los humanos, no al rev\u00e9s. A veces, los mejores casos de uso de IA pueden ser diferentes a las suposiciones originales\u201d, explic\u00f3 Widner. Asimismo, resalt\u00f3 que agregar IA a un flujo de trabajo provoc\u00f3 ajustes inesperados en procesos cl\u00ednicos generales en algunos casos. \u00a0Tambi\u00e9n hemos observado que agregar IA a un flujo de trabajo a veces provoc\u00f3 ajustes inesperados en los procesos cl\u00ednicos generales, como la optimizaci\u00f3n en la educaci\u00f3n del paciente y la programaci\u00f3n del paciente.<\/p>

          1. Mito: el lanzamiento es sin\u00f3nimo de \u00e9xito<\/strong><\/li><\/ol>

            El modelo puede cambiar despu\u00e9s del lanzamiento inicial, y estos factores pueden alterar su rendimiento, por lo que implementar un sistema que realice monitoreos del rendimiento del modelo es ideal para ayudar a detectar tempranamente cualquier tipo de problema con el modelo.<\/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

            GOOGLE<\/strong><\/p>

            https:\/\/blog.google\/technology\/health\/5-myths-about-medical-ai-debunked\/<\/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":"

            El uso de la inteligencia artificial ha incrementado durante los \u00faltimos meses, sin embargo, en el ramo de la medicina existen grandes avances desde hace varios a\u00f1os. En 2015 Google dio sus primeros pasos en el aprovechamiento de la inteligencia artificial (IA) aplicada en la medicina y en el cuidado de la salud. Sin embargo, fue hasta 2016 cuando su primer proyecto fue implementado. Tras coincidir con el Dr. Kim Ramasamy, en el Araving Eye Hospital de India, se dieron cuenta de los beneficios de utilizar IA para el cuidado de la salud, especialmente en aquellos lugares donde no hay suficientes especialistas para atender a toda la poblaci\u00f3n. En este sentido, el equipo de Google Health comenz\u00f3 la idea de explorar el uso de IA para identificar la retinopat\u00eda diab\u00e9tica, y crearon un modelo de IA para ayudar a los oftalm\u00f3logos. Posteriormente, en 2018, el equipo se asoci\u00f3 con Verily y obtuvo la marca CE, de la Comisi\u00f3n Europea, para su sistema de Evaluaci\u00f3n automatizada de enfermedades de la retina (ARDA, en ingl\u00e9s). A trav\u00e9s de ARDA, se han examinado a m\u00e1s de 200 mil pacientes en cl\u00ednicas de todo el mundo, desde ciudades urbanas europeas, hasta comunidades rurales en India. De esta forma, luego de la implementaci\u00f3n exitosa y efectiva de un modelo basado en IA como ARDA, Kasumi Widner, especialista en IA y gerente de programas de IA de salud en Google, describi\u00f3 cinco mitos y lecciones clave aprendidas por Google durante este proceso. Mito: Cuantos m\u00e1s datos, mejor Widner explica que el volumen de datos es importante para desarrollar un modelo preciso, sin embargo, lo m\u00e1s importante es la calidad de los datos. Los datos de entrenamiento deben representar la diversidad del mundo real, por ejemplo, datos demogr\u00e1ficos de los pacientes. Mito: los expertos en IA son todo lo que necesitas Widner reconoce que la construcci\u00f3n de un sistema m\u00e9dico de IA se requieren varios equipos multidisciplinarios para hacerlo funcionar, por ejemplo, m\u00e9dicos, dise\u00f1adores, investigadores, expertos en regulaciones \u00e9ticas y legales. Mito: el alto rendimiento de la IA equivale a confianza cl\u00ednica Validar un modelo de IA en un entorno controlado no garantiza que tendr\u00e1 el mismo rendimiento en un entorno cl\u00ednico no controlado. Se requieren validaciones cuidadosas en entornos cl\u00ednicos reales para garantizar un rendimiento \u00f3ptimo de un modelo. Mito: es f\u00e1cil adaptar la IA a los flujos de trabajo existentes \u201cNecesitamos dise\u00f1ar la IA en torno a los humanos, no al rev\u00e9s. A veces, los mejores casos de uso de IA pueden ser diferentes a las suposiciones originales\u201d, explic\u00f3 Widner. Asimismo, resalt\u00f3 que agregar IA a un flujo de trabajo provoc\u00f3 ajustes inesperados en procesos cl\u00ednicos generales en algunos casos.  Tambi\u00e9n hemos observado que agregar IA a un flujo de trabajo a veces provoc\u00f3 ajustes inesperados en los procesos cl\u00ednicos generales, como la optimizaci\u00f3n en la educaci\u00f3n del paciente y la programaci\u00f3n del paciente. Mito: el lanzamiento es sin\u00f3nimo de \u00e9xito El modelo puede cambiar despu\u00e9s del lanzamiento inicial, y estos factores pueden alterar su rendimiento, por lo que implementar un sistema que realice monitoreos del rendimiento del modelo es ideal para ayudar a detectar tempranamente cualquier tipo de problema con el modelo. BIBLIOGRAF\u00cdA GOOGLE https:\/\/blog.google\/technology\/health\/5-myths-about-medical-ai-debunked\/<\/p>","protected":false},"author":1,"featured_media":39056,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-39054","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/39054","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=39054"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/39054\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/39056"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=39054"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=39054"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=39054"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}