John Halamka habla de los 4 grandes retos para la adopción de la IA en la sanidad

https://www.healthcareitnews.com/news/john-halamka-4-big-challenges-ai-adoption-healthcare

La promesa de la inteligencia artificial y el aprendizaje automático para la prestación de servicios de salud es brillante, pero todavía es necesario abordar los desafíos significativos en torno a la parcialidad, la equidad y el desarrollo y la entrega de información para que la promesa de la IA se haga realidad.

En su intervención del lunes en HIMSS21 Digital, el Dr. John Halamka, presidente de Mayo Clinic Platform, compartió sus ideas sobre la capacidad de la IA para mejorar la eficiencia del sistema sanitario, los resultados de los pacientes y los flujos de trabajo de los médicos.

Además, abordó la creciente preocupación por el sesgo de la IA y discutió las salvaguardias necesarias para garantizar la equidad en la atención sanitaria apoyada por la IA.

Halamka ve un entorno en el que la IA proporciona grandes y diversos conjuntos de datos de información de pacientes anteriores que los médicos pueden aprovechar para aumentar su propia experiencia y conocimientos personales al tratar a los pacientes.

Un sistema de este tipo podría, por ejemplo, dar a un médico de urgencias datos importantes que le induzcan a buscar, más allá de un diagnóstico inicial (comportamiento errático debido a la presencia de cannabis), un problema que no había considerado (el paciente tiene meningitis).

"El aumento de la IA en la toma de decisiones humanas va a ser muy beneficioso", dijo Halamka.

Sin embargo, una cuestión clave que debe solucionarse primero es garantizar la equidad y combatir los prejuicios que pueden estar "incorporados" a la IA. "Los algoritmos de IA son tan buenos como los datos subyacentes", dijo Halamka. "Y sin embargo, no publicamos estadísticas que describan cómo se desarrollan estos algoritmos".

La solución, dijo, es una mayor transparencia: detallar y compartir a través de la tecnología el origen étnico, la raza, el género, la educación, los ingresos y otros detalles que entran en un algoritmo.

[Vea también: Cómo abordar el sesgo de la IA con una "etiqueta nutricional" algorítmica].

"Una tormenta perfecta para la innovación suele tener lugar cuando hay urgencia por hacerlo, una política que sugiere que debemos hacerlo y la industria diciendo que es lo correcto. Y eso es exactamente lo que está ocurriendo ahora. Es una cuestión de primer orden", dijo.

*** Translated with www.DeepL.com/Translator (free version) ***