{"id":44593,"date":"2024-04-08T09:18:59","date_gmt":"2024-04-08T15:18:59","guid":{"rendered":"https:\/\/saluddigital.com\/?p=44593"},"modified":"2025-10-18T21:49:09","modified_gmt":"2025-10-19T03:49:09","slug":"heal-un-marco-para-la-evaluacion-de-la-equidad-en-salud-del-rendimiento-del-machine-learning","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/heal-un-marco-para-la-evaluacion-de-la-equidad-en-salud-del-rendimiento-del-machine-learning\/","title":{"rendered":"HEAL: Un marco para la evaluaci\u00f3n de la equidad en salud del rendimiento del machine learning"},"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

Este marco creado por Google, eval\u00faa la equidad del rendimiento de las tecnolog\u00edas de machine learning en la atenci\u00f3n sanitaria, espec\u00edficamente si la tecnolog\u00eda ayuda a quienes experimentan resultados de salud adversos.<\/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

Las disparidades en salud son un problema importante en todo el mundo. Las personas de diferentes grupos socioecon\u00f3micos, raciales y \u00e9tnicos experimentan diferentes resultados de salud, a menudo debido a factores como el acceso a la atenci\u00f3n m\u00e9dica, la calidad de la atenci\u00f3n y las condiciones sociales y ambientales.<\/p>

Las tecnolog\u00edas de machine learning tienen el potencial de mejorar la atenci\u00f3n m\u00e9dica, pero tambi\u00e9n podr\u00edan exacerbar las disparidades en salud si no se dise\u00f1an cuidadosamente. El marco Health Equity Assessment of Machine Learning Performance o HEAL es una herramienta que pretende ayudar a garantizar que las tecnolog\u00edas de machine learning en la atenci\u00f3n m\u00e9dica promuevan la equidad en salud.<\/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

El marco HEAL es un proceso de 4 pasos que eval\u00faa qu\u00e9 tan equitativamente un modelo de este tipo predice la probabilidad de un resultado de salud espec\u00edfico. Los pasos son:<\/p>

  1. Identificar los factores asociados con las disparidades en salud y definir las m\u00e9tricas de rendimiento de la herramienta.<\/li>
  2. Identificar y cuantificar las disparidades de salud preexistentes.<\/li>
  3. Medir el rendimiento de la herramienta para cada subgrupo de la poblaci\u00f3n.<\/li>
  4. Medir la probabilidad de que la herramienta priorice el rendimiento con respecto a las disparidades de salud.<\/li><\/ol>\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

    De esta forma, el marco HEAL produce una m\u00e9trica final que indica qu\u00e9 tan bien el modelo de machine learning prioriza el rendimiento para los grupos con peores resultados de salud.<\/p>

    Sin embargo, este marco tiene limitantes ya que no puede predecir el impacto real que una tecnolog\u00eda tendr\u00e1 en la reducci\u00f3n de las disparidades en salud. No obstante, puede ayudar a identificar \u00e1reas donde el modelo podr\u00eda ser injusto y donde se podr\u00edan realizar mejoras.<\/p>

    HEAL es una herramienta \u00fatil ya que al evaluar qu\u00e9 tan equitativamente funcionan los modelos de machine learning, puede ayudar a los desarrolladores y usuarios de estas tecnolog\u00edas a tomar medidas para mejorar la equidad en salud.<\/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

    RESEARCH<\/b><\/p>

    https:\/\/blog.research.google\/2024\/03\/heal-framework-for-health-equity.html<\/a><\/span><\/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":"

    Este marco creado por Google, eval\u00faa la equidad del rendimiento de las tecnolog\u00edas de machine learning en la atenci\u00f3n sanitaria, espec\u00edficamente si la tecnolog\u00eda ayuda a quienes experimentan resultados de salud adversos. Las disparidades en salud son un problema importante en todo el mundo. Las personas de diferentes grupos socioecon\u00f3micos, raciales y \u00e9tnicos experimentan diferentes resultados de salud, a menudo debido a factores como el acceso a la atenci\u00f3n m\u00e9dica, la calidad de la atenci\u00f3n y las condiciones sociales y ambientales. Las tecnolog\u00edas de machine learning tienen el potencial de mejorar la atenci\u00f3n m\u00e9dica, pero tambi\u00e9n podr\u00edan exacerbar las disparidades en salud si no se dise\u00f1an cuidadosamente. El marco Health Equity Assessment of Machine Learning Performance o HEAL es una herramienta que pretende ayudar a garantizar que las tecnolog\u00edas de machine learning en la atenci\u00f3n m\u00e9dica promuevan la equidad en salud. El marco HEAL es un proceso de 4 pasos que eval\u00faa qu\u00e9 tan equitativamente un modelo de este tipo predice la probabilidad de un resultado de salud espec\u00edfico. Los pasos son: Identificar los factores asociados con las disparidades en salud y definir las m\u00e9tricas de rendimiento de la herramienta. Identificar y cuantificar las disparidades de salud preexistentes. Medir el rendimiento de la herramienta para cada subgrupo de la poblaci\u00f3n. Medir la probabilidad de que la herramienta priorice el rendimiento con respecto a las disparidades de salud. De esta forma, el marco HEAL produce una m\u00e9trica final que indica qu\u00e9 tan bien el modelo de machine learning prioriza el rendimiento para los grupos con peores resultados de salud. Sin embargo, este marco tiene limitantes ya que no puede predecir el impacto real que una tecnolog\u00eda tendr\u00e1 en la reducci\u00f3n de las disparidades en salud. No obstante, puede ayudar a identificar \u00e1reas donde el modelo podr\u00eda ser injusto y donde se podr\u00edan realizar mejoras. HEAL es una herramienta \u00fatil ya que al evaluar qu\u00e9 tan equitativamente funcionan los modelos de machine learning, puede ayudar a los desarrolladores y usuarios de estas tecnolog\u00edas a tomar medidas para mejorar la equidad en salud. BIBLIOGRAF\u00cdA RESEARCH https:\/\/blog.research.google\/2024\/03\/heal-framework-for-health-equity.html<\/p>","protected":false},"author":1,"featured_media":44595,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-44593","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\/44593","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=44593"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/44593\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/44595"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=44593"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=44593"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=44593"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}