Cr\u00e9dito: CC0 Public Domain <\/p>\n
En los \u00faltimos dos a\u00f1os, la inteligencia artificial se ha integrado en decenas de dispositivos m\u00e9dicos que ofrecen asesoramiento a los m\u00e9dicos de urgencias, cardi\u00f3logos, onc\u00f3logos e innumerables otros profesionales de la salud. proveedores de atenci\u00f3n <\/p>\n
La Administraci\u00f3n de Alimentos y Medicamentos ha aprobado al menos 130 dispositivos m\u00e9dicos impulsados por IA, la mitad de ellos solo en el \u00faltimo a\u00f1o, y es seguro que las cifras aumentar\u00e1n mucho m\u00e1s en los pr\u00f3ximos a\u00f1os.<\/p>\n
Varios dispositivos de IA tienen como objetivo detectar y alertar a los m\u00e9dicos sobre sospechas de co\u00e1gulos de sangre en los pulmones. Algunos analizan mamogramas e im\u00e1genes de ultrasonido en busca de signos de c\u00e1ncer de mama, mientras que otros examinan esc\u00e1neres cerebrales en busca de signos de hemorragia. Los dispositivos de inteligencia artificial card\u00edaca ahora pueden se\u00f1alar una amplia gama de problemas card\u00edacos ocultos.<\/p>\n
Pero, \u00bfcu\u00e1nto saben realmente los reguladores o los m\u00e9dicos sobre la precisi\u00f3n de estas herramientas?<\/p>\n
Un nuevo estudio dirigido por Los investigadores de Stanford, algunos de los cuales est\u00e1n desarrollando dispositivos, sugieren que la evidencia no es tan completa como deber\u00eda ser y puede pasar por alto algunos de los desaf\u00edos peculiares que plantea la inteligencia artificial.<\/p>\n
Muchos dispositivos se probaron \u00fanicamente en datos hist\u00f3ricos y potencialmente desactualizados de pacientes. Pocos se probaron en entornos cl\u00ednicos reales, en los que los m\u00e9dicos comparaban sus propias evaluaciones con las recomendaciones generadas por IA. Y muchos dispositivos se probaron solo en uno o dos sitios, lo que puede limitar la diversidad racial y demogr\u00e1fica de los pacientes y crear sesgos no deseados.<\/p>\n
\u00abSorprendentemente, muchos de los algoritmos de IA no se evaluaron a fondo. ,\u00bb‘ dice James Zou, coautor del estudio, profesor asistente de ciencia de datos biom\u00e9dicos en la Universidad de Stanford, as\u00ed como miembro de la facultad del Instituto Stanford para la Inteligencia Artificial Centrada en el Ser Humano (HAI).<\/p>\n
En el estudio, reci\u00e9n publicado en Nature Medicine, los investigadores de Stanford analizaron la evidencia presentada para cada dispositivo m\u00e9dico de IA que la FDA aprob\u00f3 desde 2015 hasta 2020.<\/p>\n
Adem\u00e1s de Zou, el estudio fue realizado por Eric Wu y Kevin Wu, Ph.D. candidatos en Stanford; Roxana Daneshjou, acad\u00e9mica cl\u00ednica en dermatolog\u00eda y becaria postdoctoral en ciencia de datos biom\u00e9dicos; David Ouyang, cardi\u00f3logo del Hospital Cedars-Sinai de Los \u00c1ngeles; y Daniel E. Ho, profesor de derecho en Stanford y director asociado de Stanford HAI.<\/p>\n
Desaf\u00edos de las pruebas, datos sesgados<\/p>\n
En marcado contraste con los extensos ensayos cl\u00ednicos necesarios para nuevos productos farmac\u00e9uticos, los investigadores encontraron que la mayor\u00eda de los dispositivos m\u00e9dicos basados en IA se probaron con datos \u00abretrospectivos\u00bb, lo que significa que sus predicciones y recomendaciones no se probaron sobre qu\u00e9 tan bien evaluaron a los pacientes vivos en situaciones reales, sino m\u00e1s bien sobre c\u00f3mo podr\u00edan haber actuado. si se hubieran usado en casos hist\u00f3ricos.<\/p>\n
Un gran problema con ese enfoque, dice Zou, es que no captura c\u00f3mo los proveedores de atenci\u00f3n m\u00e9dica usan la informaci\u00f3n de IA en la pr\u00e1ctica cl\u00ednica real. Los algoritmos predictivos est\u00e1n destinados principalmente a ser una herramienta para ayudar a los m\u00e9dicos y no para sustituir su juicio. Pero su eficacia depende en gran medida de la forma en que los m\u00e9dicos realmente los usan.<\/p>\n
Los investigadores tambi\u00e9n descubrieron que muchos de los nuevos dispositivos de IA se probaron solo en una o dos ubicaciones geogr\u00e1ficas, lo que puede limitar severamente qu\u00e9 tan bien funcionan. trabajar en diferentes grupos demogr\u00e1ficos.<\/p>\n
\u00abEs un desaf\u00edo bien conocido para la inteligencia artificial que un algoritmo pueda funcionar bien para un grupo de poblaci\u00f3n y no para otro\u00bb, dice Zou.<\/p>\n
Revelador Discrepancias significativas<\/p>\n
Los investigadores ofrecieron evidencia concreta de ese riesgo al realizar un estudio de caso de un modelo de aprendizaje profundo que analiza las radiograf\u00edas de t\u00f3rax en busca de signos de colapso pulmonar.<\/p>\n
El sistema fue entrenado y se prob\u00f3 con datos de pacientes del Stanford Health Center, pero Zou y sus colegas lo probaron con datos de pacientes de otros dos sitios: el Instituto Nacional de Salud en Bethesda, Maryland, y el Centro M\u00e9dico Beth Israel Deaconess en Boston. Efectivamente, los algoritmos fueron casi un 10 por ciento menos precisos en los otros sitios. En Boston, adem\u00e1s, descubrieron que su precisi\u00f3n era mayor para los pacientes blancos que para los pacientes negros.<\/p>\n
Los sistemas de IA han sido notoriamente vulnerables a los sesgos raciales y de g\u00e9nero incorporados, se\u00f1ala Zou. Se ha descubierto que los sistemas de reconocimiento facial y de voz, por ejemplo, son mucho m\u00e1s precisos para las personas blancas que para las personas de color. Esos sesgos en realidad pueden empeorar si no se identifican y corrigen.<\/p>\n
Zou dice que la IA plantea otros desaf\u00edos novedosos que no surgen con los dispositivos m\u00e9dicos convencionales. Por un lado, los conjuntos de datos en los que se entrenan los algoritmos de IA pueden quedar obsoletos f\u00e1cilmente. Las caracter\u00edsticas de salud de los estadounidenses pueden ser bastante diferentes despu\u00e9s de la pandemia de COVID-19, por ejemplo.<\/p>\n
Quiz\u00e1s lo que es m\u00e1s sorprendente, los sistemas de IA a menudo evolucionan solos a medida que incorporan experiencia adicional en sus algoritmos.<\/p>\n
\u00abLa mayor diferencia entre la IA y los dispositivos m\u00e9dicos tradicionales es que estos son algoritmos de aprendizaje y siguen aprendiendo\u00bb, dice Zou. \u00abTambi\u00e9n son propensos a los sesgos. Si no supervisamos rigurosamente estos dispositivos, los sesgos podr\u00edan empeorar. La poblaci\u00f3n de pacientes tambi\u00e9n podr\u00eda evolucionar\u00bb.<\/p>\n
\u00abEstamos muy entusiasmados con la promesa general de la IA en la medicina\u00bb, a\u00f1ade Zou. De hecho, su grupo de investigaci\u00f3n est\u00e1 desarrollando sus propios algoritmos m\u00e9dicos de IA. \u00abNo queremos que las cosas se regulen en exceso. Al mismo tiempo, queremos asegurarnos de que haya una evaluaci\u00f3n rigurosa, especialmente para las aplicaciones m\u00e9dicas de alto riesgo. Quiere asegurarse de que los medicamentos que est\u00e1 tomando est\u00e9n minuciosamente examinados. Es lo mismo cosa aqu\u00ed\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
El sesgo geogr\u00e1fico en las herramientas m\u00e9dicas de IA M\u00e1s informaci\u00f3n:<\/strong> Eric Wu et al. C\u00f3mo se eval\u00faan los dispositivos m\u00e9dicos de IA: limitaciones y recomendaciones de un an\u00e1lisis de las aprobaciones de la FDA, Nature Medicine (2021). DOI: 10.1038\/s41591-021-01312-x Informaci\u00f3n de la revista:<\/strong> Nature Medicine <\/p>\n Proporcionado por la Universidad de Stanford Cita<\/strong>: \u00bfSe eval\u00faan adecuadamente los dispositivos m\u00e9dicos de IA? (20 de abril de 2021) consultado el 30 de agosto de 2022 en https:\/\/medicalxpress.com\/news\/2021-04-medical-ai-devices-proply.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Public Domain En los \u00faltimos dos a\u00f1os, la inteligencia artificial se ha integrado en decenas de dispositivos m\u00e9dicos que ofrecen asesoramiento a los m\u00e9dicos de urgencias, cardi\u00f3logos, onc\u00f3logos e innumerables otros profesionales de la salud. proveedores de atenci\u00f3n La Administraci\u00f3n de Alimentos y Medicamentos ha aprobado al menos 130 dispositivos m\u00e9dicos impulsados por … Continuar leyendo \u00ab\u00bfSe eval\u00faan adecuadamente los dispositivos m\u00e9dicos de IA?\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-20212","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/20212","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=20212"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/20212\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=20212"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=20212"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=20212"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}