El auge de las tecnologías y modelos médicos basados en Inteligencia Artificial se ha centrado en un aspecto reducido de las múltiples opciones que presenta el sector salud.
Especialistas en Inteligencia Artificial (IA), publicaron una perspectiva en npj Digital Medicine, donde abordan la importancia de lograr un desarrollo de la IA integrado verticalmente. El interés y la inversión en soluciones clínicas y de la salud humana basadas en IA no han logrado la generalización en la adopción e implementación de estas herramientas. Actualmente la IA se ha centrado en el sesgo y la aplicabilidad de algoritmos, validez externa y generabilidad. Diversos expertos coinciden en que hay una falta de equidad y representación en los datos existentes relacionados con IA.
A pesar de los grandes avances de la IA en salud durante los últimos cinco años, la aplicación de esta para la toma de decisiones clínicas o predicción sigue siendo sumamente limitada. A pesar de que los múltiples estudios sobre la detección de enfermedades como el cáncer asistidas por medio de IA, estos no se han traducido en resultados en el mundo real en entornos más amplios, ya que su precisión es estudios más amplios no ha sido posible de realizar lo que termina en herramientas con poco potencial para su aplicación clínica.
Esto sucede ya que la gran parte de la investigación clínica en IA se basa en conjuntos de datos existentes y retrospectivos y se centra en mejorar el rendimiento de los algoritmos para determinados conjuntos de datos. A este enfoque se le conoce como “centrado en el modelo”. Esto provoca que se preste menos atención a factores del mundo real, a la representatividad de los datos, entre otros aspectos.
Los autores de la perspectiva identifican características prácticas para el desarrollo de IA que tienen un papel importante para su traducción e integración en una cadena de “suministro de IA”.
“Todos los componentes de la cadena de suministro son esenciales para el despliegue y deben trabajar en sinergia para apoyar el uso continuado de la IA. Centrarse en el establecimiento de una cadena de suministro tiene más ventajas que centrarse únicamente en la producción de un modelo preciso”, explican los autores.
Para ello define la integración vertical, que toma en cuenta cuatro aspectos:
- Evaluación de impacto: A través del descubrimiento de problemas del mundo real y la determinación del valor y viabilidad de la IA.
- Ciclo de vida de los datos: Generación de datos y flujo de creación de datos y la curación de datasets para el modelo de entrenamiento.
- Construcción del modelo: Evaluación y entrenamiento del modelo, además de una evaluación en el mundo real.
- Producción: integración y/o servicio del modelo y observación continua del modelo.
Consulta la perspectiva completa en el siguiente enlace: