6 características del algoritmo ideal de inteligencia artificial sanitaria

https://healthexec.com/topics/ai-emerging-tech/6-featuresideal-healthcare-ai

"Los pacientes y los médicos se enfrentan a tareas de toma de decisiones clínicas compartidas mientras están bajo restricciones de tiempo y altas cargas cognitivas por los altos volúmenes de información", explicaron los autores. "Con este fin, proponemos un marco para los algoritmos ideales que consta de seis datos deseados", añadieron después.

Para que un algoritmo funcione clínicamente, deben ser:

1. Explicables: Muchos algoritmos son incapaces de "mostrar su trabajo", lo que se conoce como el problema de la caja negra. Pero las herramientas de calidad deben aclarar los rasgos de un paciente y su condición médica al hacer un diagnóstico. Separar la asociación de la causalidad también es crucial.

2. Dinámica: Las herramientas digitales deben captar y ajustarse a los pacientes en tiempo real. Por ejemplo, la presión de perfusión intracraneal y cerebral puede cambiar rápidamente tras un traumatismo craneal, y no reconocer estos cambios puede resultar mortal.

3. Precisión: Los autores señalan que una persona media genera más de un millón de gigabytes de datos sanitarios a lo largo de su vida, es decir, casi 300 millones de libros. Los algoritmos deben utilizar y destilar esta información para diagnosticar enfermedades complejas y condiciones cambiantes.

4. Autónomo: Tras periodos de entrenamiento y pruebas, la IA debe ser capaz de aprender y ofrecer resultados sin apenas intervención de proveedores o desarrolladores.

5. Justo: Deben tenerse en cuenta los sesgos implícitos y las desigualdades sociales. Antes de incluir factores demográficos o socioeconómicos en un modelo de predicción, los desarrolladores deben determinar si ese factor tiene una asociación probada con un resultado clínico.

6. Reproducible: Estas herramientas se validan externa y prospectivamente, y se comparten entre múltiples comunidades académicas e instituciones. El aprendizaje federado utiliza una infraestructura descentralizada y en línea para entrenar algoritmos y presenta una buena oportunidad para desarrollar herramientas reproducibles.

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