Buscar en
Journal of Healthcare Quality Research
Toda la web
Inicio Journal of Healthcare Quality Research Impacto de la inteligencia artificial en calidad asistencial. El camino hacia el...
Journal Information
Vol. 35. Issue 6.
Pages 407-408 (November - December 2020)
Share
Share
Download PDF
More article options
Vol. 35. Issue 6.
Pages 407-408 (November - December 2020)
CARTA AL DIRECTOR
Full text access
Impacto de la inteligencia artificial en calidad asistencial. El camino hacia el futuro
Impact of the artificial intelligence in health care. The way to the future
Visits
797
J.D. Sánchez Lópeza,
Corresponding author
josed.sanchez.sspa@juntadeandalucia.es

Autor para correspondencia.
, J. Cambil Martínb, M. Villegas Calvoc, F. Luque Martínezd
a Facultativo especialista de Área de Cirugía Oral y Maxilofacial, vocal del Comité Ético de Investigación de Granada, España
b Enfermero, profesor del Departamento de Enfermería, Facultad de Ciencias de la Salud, Universidad de Granada, España
c Enfermera, supervisora de Enfermería, H.U. Virgen de las Nieves de Granada, España
d Doctor en Farmacia, responsable de Formación, H.U. Virgen de las Nieves de Granada, vicepresidente del Comité Ético de Investigación de Granada, España
This item has received
Article information
Full Text
Bibliography
Download PDF
Statistics
Full Text
Sra. Directora:

Probablemente, no resulte exagerado afirmar que el empleo actual y progresivo de la inteligencia artificial (IA) represente la tecnología emergente con mayor impacto en la mejora de la calidad asistencial (CA), tal y como lo representan la implementación de elementos derivados de la misma en la atención sanitaria. Los ejemplos que avalan tal afirmación son múltiples, asistiendo al progresivo empleo de dichas aplicaciones a modo de programas de asistencia virtual, que facilitan el comunicación entre médico y paciente, los dispositivos de monitorización asistenciales que permiten un seguimiento remoto de indicadores de salud (control del peso, actividad física, etc.) a través de dispositivos implantables en el paciente, mejorando la autonomía del mismo sobre su propio estado de salud, el desarrollo acelerado del descubrimiento de nuevos medicamentos a través de algoritmos mecanizados o el desarrollo de la cirugía robotizada que superan y agilizan la actividad quirúrgica1. Ahora bien, pese a que sus aplicaciones son múltiples y progresivas, es innegable plantearse el siguiente interrogante, ¿existe un conocimiento adecuado del origen y funcionamiento de dicha tecnología por parte del personal sanitario?

La importancia de dicho conocimiento representa un imperativo en materia de asistencia sanitaria ya que, derivado del desarrollo de este nuevo marco asistencial, se podrán predecir no solamente futuras aplicaciones, sino establecer cuáles son las limitaciones de la misma para asegurar una asistencia sanitaria basada en la máxima calidad. Constituye, por tanto, el objetivo del presente estudio establecer un marco de conocimiento que permita al facultativo conocer las características de dicha tecnología con la finalidad de establecer objetivos, restricciones y nuevas aplicaciones de la misma.

Como punto de partida, hemos de subrayar que la IA no constituye un área de conocimiento basado en la simplicidad y de reciente aparición. Conceptualmente, se remonta a los estudios realizados en Darmouth en 1956, en los cuales se abordó dicho concepto que ha evolucionado progresivamente hacia las formas de machine learning2 y actualmente de deep learning. Inicialmente, la IA se concibió como la creación de dispositivos mecánicos complejos que adquiriesen las mismas características que la inteligencia humana (concepto de IA general), pero su aplicabilidad quedó reducida al desarrollo de una tecnología capaz de realizar tareas muy específicas, que si bien ejecutadas con mayor eficacia que el propio profesional sanitario, por ejemplo, la clasificación sistematizada de imágenes radiográficas o los sistemas de reconocimiento facial, dichas aplicaciones son una muestra de la denominada IA estrecha (narrow artificial intelligence). Posteriormente, se asistió al desarrollo del machine learning, basada en el empleo de algoritmos para el análisis de datos, el aprendizaje de los mismos y la posibilidad de realizar predicciones con base en dicho conocimiento, cuya principal aplicación fue la del desarrollo de la visión computacional (computer vision) pero con importantes limitaciones y propensión al error. Para mejorar dichas restricciones se desarrollaron las redes neuronales artificiales, que constituyen la base del conocimiento profundo o deep learning3. A diferencia de las redes neuronales humanas, en las que las neuronas se interconectan libremente entre sí, dicha técnica se basa en la creación de un sistema neuronal jerarquizado basado en capas neuronales jerarquizadas, que procesan información transmitiendo dicho conocimiento a estratos neuronales superiores y de este modo adquirir la capacidad de autoaprendizaje. Constituye, por tanto, un sistema acumulativo de adquisición de conocimiento que precisa en sus primeras fases de un entrenamiento para transmitir dicha información a capas neuronales superiores y de este modo adquirir un conocimiento preciso y fiable. Actualmente, asistimos a un desarrollo de esta sistemática, con resultados superiores a las capacidades humanas en la detección de ciertos aspectos biosanitarios, desde la correcta identificación de marcadores cancerígenos en fluidos corporales a una mayor precisión en la identificación de patrones radiográficos.

Ahora bien, el principal desafío tecnológico radica en que, a través de la IA, puedan adquirirse conocimientos basados en características intrínsecamente humanas como es el sentido común o la toma de decisiones (cognición situada), esto es, la capacidad de interaccionar en entornos de amplio espectro superando situaciones de información incompleta tal y como lo haría la mente humana. La restricción de dicho campo de actuación constituye actualmente la principal limitación de la IA. No obstante, el progresivo desarrollo en los lenguajes de programación a través de algoritmos complejos con un alto nivel de adquisición de conocimientos en situaciones de incertidumbre, facilita un mecanismo de aprendizaje cada vez más eficiente sobre cualquier campo de actuación, con especial relevancia en la práctica sanitaria No obstante, pese a la adquisición de dicho conocimiento, no puede obviarse que estos sistemas carecen de los valores y las necesidades humanas, lo que plantea un importante dilema ético: ¿sería conveniente dotar a estos dispositivos de plena autonomía en la toma de decisiones?

La respuesta a dicho interrogante plantearía una serie desafíos que podemos resumir en 3aspectos. En primer lugar, el grado de prudencia4 o el reconocimiento de que dichos valores éticos aún no se encuentran integrados en los dispositivos actuales, la seguridad5 o la necesidad constante de ejecución de pruebas que aseguren su fiabilidad y, finalmente, en la responsabilidad6 basado en si la toma de decisiones es atribuible al propio sistema o bien a sus responsables, tanto programadores, gestores o agentes que adquieran dichos sistemas.

En conclusión, pese al innegable impacto sobre la asistencia sanitaria, la adquisición de una plena CA basada en la responsabilidad y la adecuada toma de decisiones correspondería en último término al profesional sanitario, especialmente en todos aquellos aspectos (bioéticos, asistenciales, toma de decisiones, etc.) en los que la inteligencia humana supera a la IA y que en esencia determinan la tradicional relación médico-enfermo. Es por ello que, pese a que las aplicaciones de la IA superan en ciertas situaciones a las propias capacidades del ser humano, desde un punto de vista de responsabilidad frente a la toma de decisiones trascendentales sobre situaciones críticas de salud, las aplicaciones de la IA deberían de basarse en un medio de asesoramiento por parte del profesional sanitario, más que asumir un rol de ejecución de decisiones.

Bibliografía
[1]
M. Lavigne, F. Mussa, M.I. Creatore, S.J. Hoffman, D.L.A. Buckeridge.
Population health perspective on artificial intelligence.
Healthc Manage Forum., 32 (2019), pp. 173-177
[2]
R. Venkatesh, C. Balasubramanian, M. Kaliappan.
Development of big data predictive analytics model for disease prediction using machine learning technique.
J Med Syst., 43 (2019), pp. 272
[3]
H.J. Jang, K.O. Cho.
Applications of deep learning for the analysis of medical data.
Arch Pharm Res., (2019), pp. 492-504
[4]
S. Abbasgholizadeh Rahimi, H.T.V. Zomahoun, F. Légaré.
Patient engagement and its evaluation tools- current challenges and future directions comment on “Metrics and evaluation tools for patient engagement in healthcare organization- and System-level decision-making: A systematic review”.
Int J Health Policy Manag., 8 (2019), pp. 378-380
[5]
P. Lehoux, D. Grimard.
When robots care: Public deliberations on how technology and humans may support independent living for older adults.
Soc Sci Med., 211 (2018), pp. 330-337
[6]
T.M. Rawson, R. Ahmad, C. Toumazou, P. Georgiou, A.H. Holmes.
Artificial intelligence can improve decision-making in infection management.
Nat Hum Behav., 3 (2019), pp. 543-545
Copyright © 2019. FECA
Article options
Tools
es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos

Quizás le interese:
10.1016/j.jhqr.2019.09.005
No mostrar más