Los sesgos en los datos de salud afectan el desempeño de la IA y el alcance de las intervenciones de salud pública según un editorial de The Lancet.
La SARS-CoV-2 propició la creación de herramientas como la Red de Coronavirus (CoViNet) de la Organización Mundial de la Salud (OMS), lanzada para mejorar la detección de variantes, dependen de datos de salud representativos de toda la población. Sin embargo, un reciente estudio en The Lancet Digital Health revela que menos del 25% de los 192 conjuntos de datos utilizados en algoritmos de inteligencia artificial (IA) durante la pandemia incluían información sobre sexo, género, raza o etnia. Este vacío limita la precisión de las herramientas de IA y dificulta una evaluación justa de su desempeño en diferentes subgrupos de la población.
En este sentido, el acceso a datos representativos es fundamental para entender el impacto de enfermedades y la eficacia de la IA en salud pública. Asimismo, un análisis de Sumali Bajaj y colegas mostró que los comportamientos de prueba para COVID-19 variaron en Inglaterra según el grupo sociodemográfico, siendo los dispositivos de flujo lateral menos utilizados en áreas de mayor privación, a pesar de su alta prevalencia de infección. Esta desigualdad se extiende a grupos étnicos minoritarios y personas mayores de 75 años, que usaron menos pruebas confirmatorias, lo que refleja un sesgo sistémico en el programa nacional de pruebas.
The Lancet explica en su editorial que, para mejorar la representatividad en los datos de salud, la OMS emitió en 2024 recomendaciones para que los ensayos clínicos usen criterios de elegibilidad más inclusivos y promuevan el diálogo entre investigadores y poblaciones subrepresentadas. Este enfoque permitiría identificar prioridades y metodologías relevantes que respondan a las necesidades de cada comunidad.
Por otro lado, análisis como el de Sarah Jiang y colegas, destacan que la falta de información demográfica en los datos es una preocupación mayor que la representación desbalanceada. Para abordar esto, se están estableciendo iniciativas como STANDING Together, que proporcionará recomendaciones para documentar y utilizar adecuadamente los datos de salud. Métodos como el uso de datos sintéticos y el sobre muestreo de grupos subrepresentados también pueden reducir los sesgos en los resultados de salud.
Poder garantizar una representación transparente y exhaustiva en los datos de salud es clave para mejorar la calidad de la evidencia científica y generar confianza en la población. The Lancet recomienda que los responsables de financiamiento y políticas de salud deben alentar a investigadores y desarrolladores de IA a emplear criterios inclusivos y realizar análisis de subgrupos que detecten posibles sesgos. Estos esfuerzos conjuntos podrían conducir a avances en salud más equitativos y efectivos a nivel global.
