Inteligencia artificial y automatización en salud. Criterios del profesorado universitario sobre avances, aplicaciones y desafíos
Palabras clave:
inteligencia artificial, automatización en saludResumen
Introducción: Los procesos de automatización en salud no escapan a los alcances y limitaciones de la inteligencia artificial. Resulta importante conocer los criterios del profesorado universitario sobre la automatización de los procesos relacionados, que puedan tener implicaciones positivas en los programas de estudio, y su ulterior puesta en práctica.
Objetivo: Analizar criterios del profesorado universitario de las carreras de Medicina e Ingeniería del Software, de la Escuela Superior Politécnica, de Chimborazo, sobre los avances, aplicaciones y desafíos de la inteligencia artificial en la automatización en salud.
Métodos: Investigación descriptiva explicativa de orden correlacional, encuestando a una muestra representativa del profesorado universitario de Medicina (n = 61) y de Ingeniería del Software (n = 38), atendiendo a los criterios sobre la importancia de siete variables vinculadas a los avances, aplicaciones y desafíos en el uso de la inteligencia artificial en la automatización en salud.
Resultados: Los mejores valores fueron en la automatización de tareas administrativas, a favor de Ingeniería del Software (4,26- Buena), y Medicina (3,38- Regular); los desafíos y consideraciones éticas en ambos grupos independientes presentaron valores cuantitativos altos (> 4 puntos). Existe una baja concordancia entre el profesorado de Medicina (k = 0,475), y aceptable en Ingeniería del Software (k = 0,627), mientras se presentan diferencias significativas entre grupos independientes en la automatización de diagnósticos (p = 0,000), la automatización de tareas administrativas (p = 0,000) y la automatización en la atención al cliente y soporte (p = 0,000).
Conclusiones: Ingeniería del Software posee una mejor percepción del uso de la inteligencia artificial en la automatización en salud. Se recomiendan cursos de superación posgraduada, modificando asignaturas que incluyan los temas estudiados.
Descargas
Citas
2. Bhardwaj A, Kishore S, Pandey DK. Artificial intelligence in biological sciences. Life. 2022;12(9):1430. DOI: 10.3390/life12091430.
3. Ashique S, Mishra N, Mohanto S, et al. Application of artificial intelligence (AI) to control COVID-19 pandemic: Current status and future prospects. Heliyon. 2024;10(4):e25754. DOI: 10.1016/j.heliyon.2024.e25754.
4. Bohr A, Memarzadeh K. The rise of artificial intelligence in healthcare applications. In: Bohr A, Memarzadeh K. Artificial Intelligence in healthcare. Massachusetts: Academic Press; 2020. DOI: 10.1016/B978-0-12-818438-7.00002-2.
5. Zhang J, Su Q, Loudon WG, et al. Breathing signature as vitality score index created by exercises of qigong: implications of artificial intelligence tools used in traditional Chinese medicine. Journal of functional morphology and kinesiology. 2019;4(4):71. DOI: 10.3390/jfmk4040071.
6. Bermúdez-Tamayo C, Jiménez-Pernet J. Inteligencia artificial para el avance de los sistemas de salud. Posibles aportes y retos. Laborum [Internet]. 2022 [citado 12/02/2024];(4):401-14. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=8733022
7. Subramanian M, Wojtusciszyn A, Favre L, et al. Precision medicine in the era of artificial intelligence: implications in chronic disease management. J Transl Med. 2020;18(1):472. DOI: 10.1186/s12967-020-02658-5.
8. Alruwaili FF. Artificial intelligence and multi agent based distributed ledger system for better privacy and security of electronic healthcare records. PeerJ Computer Science. 2020;6:e323. DOI: 10.7717/peerj-cs.323.
9. Shaik T, Tao X, Higgins N, et al. Remote patient monitoring using artificial intelligence: Current state, applications, and challenges. WIREs. 2023;13(2):e1485. DOI: 10.1002/widm.1485.
10. Dos Santos ÁO, da Silva ES, Couto LM, et al. The use of artificial intelligence for automating or semi-automating biomedical literature analyses: A scoping review. Journal of Biomedical Informatics. 2023;142:104389. DOI: 10.1016/j.jbi.2023.104389.
11. Abbas K, Afaq M, Ahmed Khan T, et al. A blockchain and machine learning-based drug supply chain management and recommendation system for smart pharmaceutical industry. Electronics. 2020;9(5):852. DOI: 10.3390/electronics9050852.
12. Xu L, Sanders L, Li K, et al. Chatbot for health care and oncology applications using artificial intelligence and machine learning: systematic review. JMIR cancer. 2021;7(4):e27850. DOI: 10.2196/27850.
13. Naik N, Hameed BM, Shetty DK, et al. Legal and ethical consideration in artificial intelligence in healthcare: who takes responsibility? Front Surg. 2022;9. DOI: 10.3389/fsurg.2022.862322.
14. Sagarra-Romero L, Ruidiaz Peña M, Monroy Antón A, et al. ithlete Heart Rate Variability app: knowing when to train. British Journal of Sports Medicine. 2017;51(18):1373-4. DOI: 10.1136/bjsports-2016-097303.
15. Rodríguez Á, Páez-Granja R, Altamirano-Vaca E, et al. Nuevas perspectivas educativas orientadas a la promoción de la salud. Educ Méd Super [Internet]. 2018 [citado 12/02/2024];31(4). Disponible en: https://ems.sld.cu/index.php/ems/article/view/1366
16. Rodríguez-Torres Á, Naranjo-Munive J, Merino-Alberca W, et al. Adaptaciones curriculares en la enseñanza para alumnos con problemas respiratorios. Rev Cubana Med Gen Integ[Internet]. 2017 [citado 12/02/2024];36(4). Disponible en: http://www.revmgi.sld.cu/index.php/mgi/article/view/717/167
17. Almeida-Campos S. La ciencia abierta y la inteligencia artificial en la Revista Médica Electrónica. Rev Méd Electrón [Internet]. 2024 [citado 12/02/2024];46:e5498. Disponible en: https://revmedicaelectronica.sld.cu/index.php/rme/article/view/5498/5750
18. Sanabria Navarro JR, Niebles Núñez WA, Silveira Pérez Y. Bibliometric analysis of artificial intelligence in sport. Retos. 2024;54:312-9. DOI: 10.47197/retos.v54.103531.
19. Calero-Morales S, Vinueza-Burgos GD, Yance-Carvajal CL, et al. Gross Motor Development in Preschoolers through Conductivist and Constructivist Physical Recreational Activities: Comparative Research. Sports. 2023;11(3):61. DOI: 10.3390/sports11030061.
20. Concepción Obregón T, Fernández Lorenzo A, Matos Rodríguez A, et al. Habilidades profesionales de intervención clínica según modo de actuación de estudiantes de tercer año de Estomatología. Educ Méd Super [Internet]. 2016 [citado 13/02/2024];31(1). Disponible en: https://ems.sld.cu/index.php/ems/article/view/941/0
21. Fernández-Lorenzo A, Pérez-Rico C, Méndez-Rojas V, et al. El marketing social y su influencia en la solución de problemas de salud. Rev Cubana Inv Bioméd [Internet]. 2017 [citado 13/02/2024];36(3). Disponible en: https://revibiomedica.sld.cu/index.php/ibi/article/view/79
22. Sagarra-Romero L, Ruidiaz M, Calero Morales S, et al. Influence of an exercise program on blood immune function in women with breast cancer. Medicina Dello Sport [Internet]. 2018 [citado 13/02/2024];71(4). Disponible en: https://www.minervamedica.it/en/journals/medicina-dello-sport/article.php?cod=R26Y2018N04A0604
23. Mikkili I, Karlapudi AP, Venkateswarulu TC, et al. Potential of artificial intelligence to accelerate diagnosis and drug discovery for COVID-19. PeerJ. 2021;9:e12073. DOI: 10.7717/peerj.12073.
24. Al Mutair A, Al Mutairi A, Ambani Z, et al. The impact of COVID-19 pandemic on the level of depression among health care workers: cross-sectional study. PeerJ. 2021;9:e11469. DOI: 10.7717/peerj.11469.
25. Chow PS. Ghost in the (Hollywood) machine: Emergent applications of artificial intelligence in the film industry. NECSUS. 2020;9(1):193-214. DOI: 10.25969/mediarep/14307.
Publicado
Cómo citar
Número
Sección
Licencia
La misma permite:
• Copiar y redistribuir el material publicado en cualquier medio o formato.
• Adaptar el contenido.
Esto se realizará bajo los siguientes términos:
• Atribuir los créditos de los autores e indicar si se realizaron cambios, en cuyo caso debe ser de forma razonable.
• Uso no comercial.
• Reconocer la revista donde se publica.
Se mantienen los derechos de autoría de cada artículo, sin restricciones.
