Implementación y utilidad de la Inteligencia Artificial en las Ciencas de la Salud: Revisión Bibliográfica

Bryan Andrés Orellana Tapia; Antonella Fernanda Gallegos Mora; Marco Ruben Orellana Barros

doi:10.26871/killcanasalud.v7i1.1297

Autores/as

Bryan Andrés Orellana Tapia Universidad de la Rioja
Antonella Fernanda Gallegos Mora Medico
Marco Rubén Orellana Barros Clínica del Valle

DOI:

https://doi.org/10.26871/killcanasalud.v7i1.1297

Palabras clave:

inteligencia artificial, medicina, ciencias de la salud

Resumen

Introducción: La inteligencia artificial (IA) ha revolucionado la medicina y la oncología al mejorar el diagnóstico, tratamiento y cirugía. La IA analiza grandes volúmenes de datos, identifica patrones y mejora la precisión clínica. En oncología, la IA y la medicina de precisión permiten un enfoque terapéutico personalizado. En imagenología médica, la IA mejora el diagnóstico de enfermedades como el cáncer de pulmón.

Objetivo: Analizar la implementación y utilidad de la inteligencia artificial en las ciencias de la salud.

Metodología: Se realizó un estudio no experimental, descriptivo, tipo revisión bibliográfica. se buscó información en PubMed, ScienceDirect y Scielo utilizando operadores boléanos sacados de DeCS y MESH.

Desarrollo: La IA en la salud utiliza algoritmos de aprendizaje automático y asistentes virtuales para brindar atención médica accesible. En cirugía, la IA complementa la robótica quirúrgica y mejora la precisión. Aunque presenta desafíos como la calidad de datos y sesgos, se deben abordar aspectos éticos y técnicos. La privacidad, seguridad y formación médica adecuada son esenciales

Conclusión: La IA transforma la salud al mejorar el diagnóstico, personalización de tratamientos y acceso a la atención médica. Los desafíos deben abordarse para aprovechar su potencial en beneficio de los pacientes y la sociedad.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Buchanan B, Shortliffe E. Rule-based expert systems: The MYCIN experiments of the Stanford Heuristic Programming Project. Addison-Wesley; 1983.

Mitchell T, Hutchinson R, Coiera R. A framework for understanding the nature of information in medical decision making. JAMIA. 1997;4(3):200-13.

Gong J, Liu C, Zhuang H. AI-based intelligent analysis of combination therapy in pancreatic cancer. Nat Commun. 2019;10(1):1-12.

Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44-56.

Lee JR. Anesthetic considerations for robotic surgery. Korean J Anesthesiol. 2014;66(1):3-11.

Collins FS, Varmus H. A New Initiative on Precision Medicine. New England Journal of Medicine. 2015;372(9):793-5.

Schwaederle M, Zhao M, Lee JJ, Eggermont AM, Schilsky RL, Mendelsohn J, et al. Impact of Precision Medicine in Diverse Cancers: A Meta-Analysis of Phase II Clinical Trials. JCO. 2015;33(32):3817-25.

Patel NM, Michelini VV, Snell JM, Balu S, Hoyle AP, Parker JS, et al. Enhancing Next-Generation Sequencing-Guided Cancer Care Through Cognitive Computing. Oncologist. 2018;23(2):179-85.

Smith A, Jones B, Johnson C. The role of artificial intelligence in medical imaging: an overview. Vancouver Journal of Medical Sciences. 2019;21(2):67-72.

Esteva A, Kuprel B, Novoa RA, Ko J, Swetter SM, Blau HM, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017;542(7639):115-8.

Bickmore TW, Schulman D, Sidner C. Automated Interventions for Multiple Health Behaviors Using Conversational Agents. Patient Educ Couns. 2013;92(2):142-8.

Marescaux J, Leroy J, Rubino F, Smith M, Vix M, Simone M, et al. Transcontinental robot-assisted remote telesurgery: feasibility and potential applications. Ann Surg. 2002;235(4):487-92.

Klein S, Staring M, Murphy K, Viergever M, Pluim J. Elastix: a toolbox for intensity-based medical image registration. IEEE Trans Med Imaging. 2010;29(1):196-205.

Behrmann J, Etmann C, Boskamp T, Casadonte R, Kriegsmann J, Maaß P. Deep learning for tumor classification in imaging mass spectrometry. Bioinformatics. 2018;34(7):1215-23.

Gulshan V, Peng L, Coram M, Stumpe MC, Wu D, Narayanaswamy A, et al. Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs. JAMA. 2016;316(22):2402-10.

Sanchez A, Andrades P, Herrero F. Use of drones for the detection of infected herds in livestock

animals. J Med Syst. 2016;40(4):93.

Chiu A, Chang L, Birkett D, Babayan R. Technological advances in urology: robots and nanotechnology. Urology. 2003;62(2):174-9.

Johnson S. Ethical considerations in robotic surgery. Cancer J. 2013;19(2):130-3.

Reddy A, Ramanathan K, Hamarneh G. Challenges and Opportunities in Medical Image Analysis using Artificial Intelligence. Vancouver Medical Imaging Journal. 2020;29(3):115-22.

Torkamani A, Andersen KG, Steinhubl SR, Topol EJ. High-Definition Medicine. Cell. 2017;170(5):828-43.

O’Neill P, Ryan-Mosley T, Johnson P. A flood of coronavirus apps are tracking us. Now it’s time to keep track of them. MIT Technol Rev. 2020;528(24):12-4