Trabajo monográfico: inteligencia artificial aplicada a ciencias de la salud

AUTORES

1. Jairo Romero Ruiz. TCAE en Hospital de Día Oncología. Hospital Universitario Miguel Servet de Zaragoza. España.
2. Natalia Huguet Gracia. TCAE en Hospital de día Oncología. Hospital Universitario Miguel Servet de Zaragoza. España.
3. Laura Mediel Cabeza. Enfermera en Hospital de Día Oncología. Hospital Universitario Miguel Servet de Zaragoza. España.
4. Rocío Pedrola Foz. Enfermera en Hospital de Día Oncología. Hospital Universitario Miguel Servet de Zaragoza. España.
5. Milagros de la Caridad Horrutiner Cobos. TCAE en Hospital de día Oncología. Hospital Universitario Miguel Servet de Zaragoza. España.
6. Silvia Marina Sánchez Vergara. Enfermera en Hospital de Día Oncología. Hospital Universitario Miguel Servet de Zaragoza. España.

RESUMEN

La inteligencia artificial (IA) está revolucionando las ciencias de la salud mediante aplicaciones en diagnóstico, medicina personalizada, gestión de enfermedades crónicas, automatización administrativa e investigación de fármacos. Algoritmos de aprendizaje automático y profundo permiten detectar enfermedades como el cáncer con alta precisión, optimizar tratamientos basados en datos genómicos y mejorar la eficiencia hospitalaria. Sin embargo, desafíos como sesgos en los datos, preocupaciones por la privacidad, y la falta de transparencia en los algoritmos plantean barreras éticas y técnicas

PALABRAS CLAVE

Inteligencia artificial, ciencias de la salud, proyectos de desarrollo tecnológico e innovación.

ABSTRACT

Artificial intelligence (AI) is revolutionizing health sciences through applications in diagnostics, personalized medicine, chronic disease management, administrative automation and drug research. Machine and deep learning algorithms enable highly accurate detection of diseases such as cancer, optimization of treatments based on genomic data, and improved hospital efficiency. However, challenges such as data biases, privacy concerns, and lack of transparency in algorithms pose ethical and technical barriers.

KEY WORDS

Artificial intelligence, health sciences, technological development and innovation projects.

INTRODUCCIÓN

La inteligencia artificial (IA) se ha consolidado como una herramienta innovadora en las ciencias de la salud, ofreciendo soluciones útiles para el diagnóstico, tratamiento, gestión de datos y prevención de enfermedades. Definida como un conjunto de algoritmos que permiten a las máquinas realizar tareas que requieren razonamiento, aprendizaje y toma de decisiones, la IA está redefiniendo muchos aspectos del mundo en general, y especialmente de la atención sanitaria¹.

La relación entre tecnología y medicina ha experimentado una evolución acelerada en las últimas décadas, impulsada por el auge del big data, el aumento de la capacidad computacional y el desarrollo de técnicas avanzadas como el aprendizaje automático (machine learning), el aprendizaje profundo (deep learning) y el procesamiento del lenguaje natural². Estos avances han permitido el análisis de volúmenes masivos de datos clínicos, genómicos y de comportamiento, generando conocimientos que antes eran inalcanzables. En este contexto, la IA no solo mejora la eficiencia administrativa y clínica, sino que también habilita enfoques preventivos y predictivos, como la identificación temprana de riesgos de enfermedades o la personalización de tratamientos basados en perfiles individuales³. Además, la integración de la IA con dispositivos médicos inteligentes y plataformas digitales está democratizando el acceso a la atención sanitaria, especialmente en regiones con recursos limitados. Este trabajo analiza las aplicaciones, desafíos y perspectivas de la IA en la salud, con un enfoque en su potencial transformador y las consideraciones éticas asociadas.

APLICACIONES DE LA INTELIGENCIA ARTIFICIAL EN CIENCIAS DE LA SALUD:

DIAGNÓSTICO Y DETECCIÓN TEMPRANA:

La IA ha demostrado un potencial significativo en el diagnóstico preciso y temprano de enfermedades. Algoritmos de aprendizaje automático y redes neuronales analizan grandes volúmenes de datos, como imágenes médicas, para identificar patrones que pueden pasar desapercibidos para el ojo humano. Por ejemplo, estudios han mostrado que los sistemas de IA basados en aprendizaje profundo superan a los radiólogos en la detección de cáncer de pulmón en tomografías computarizadas⁴. Además, la IA se utiliza para predecir riesgos de enfermedades cardiovasculares mediante el análisis de datos de pacientes, como presión arterial y biomarcadores, permitiendo intervenciones preventivas⁵.

PERSONALIZACIÓN DE LA MEDICINA:

La IA facilita la medicina 4P (predictiva, preventiva, personalizada y participativa) al analizar datos clínicos y ambientales para diseñar tratamientos adaptados a cada paciente Hay herramientas de IA que han mejorado la selección de terapias oncológicas basadas en el perfil genético de los tumores, optimizando los resultados terapéuticos⁶. Asimismo, permite predecir respuestas a medicamentos, reduciendo efectos adversos y mejorando la eficacia del tratamiento⁷.

GESTIÓN DE ENFERMEDADES CRÓNICAS:

La monitorización de enfermedades crónicas, como la diabetes o la hipertensión, se ha beneficiado de dispositivos y aplicaciones móviles integradas con IA. Estas herramientas analizan datos en tiempo real, detectan signos de descompensación y generan recomendaciones personalizadas, como ajustes en la dieta o la medicación (8). Los chatbots de IA también fomentan la adherencia al tratamiento y proporcionan apoyo educativo a los pacientes entre consultas⁹.

AUTOMATIZACIÓN Y OPTIMIZACIÓN ADMINISTRATIVA:

En el ámbito organizativo, la IA automatiza tareas administrativas, como la generación de informes médicos, la programación de citas, liberando tiempo para la atención directa al paciente^10,11. Además, la IA optimiza la logística hospitalaria, incluyendo la gestión de inventarios y la planificación de aspectos clínicos¹².

DESAFÍOS ÉTICOS

El manejo de datos sensibles, como historias clínicas o información personal, plantea preocupaciones sobre la privacidad y la seguridad. La IA requiere grandes volúmenes de datos, lo que aumenta el riesgo de brechas de seguridad o usos no autorizados¹³. Regulaciones como el Reglamento General de Protección de Datos (RGPD) de la Unión Europea buscan mitigar estos riesgos, pero su implementación global es inconsistente¹⁴.

PERSPECTIVAS FUTURAS:

El futuro de la IA en las ciencias de la salud es prometedor, con avances esperados en áreas como la salud mental, donde la IA podría apoyar diagnósticos y terapias personalizadas¹⁵. La integración de la IA con tecnologías como la realidad virtual y aumentada podría revolucionar la formación médica, permitiendo simulaciones realistas sin riesgos para los pacientes¹⁶. Además, la colaboración entre empresas tecnológicas y universidades está impulsando la creación de herramientas de IA más robustas, como las desarrolladas por Apple para el seguimiento de trastornos del sueño y depresión posparto¹⁷.

Sin embargo, para maximizar el impacto de la IA, es crucial abordar los desafíos éticos y técnicos. La estandarización de la investigación, la mejora de la calidad de los datos y la formación de profesionales sanitarios en competencias digitales serán fundamentales¹⁸.

CONCLUSIÓN

La inteligencia artificial está transformando las ciencias de la salud al mejorar el diagnóstico, personalizar tratamientos, optimizar la gestión administrativa y acelerar la investigación, consolidándose como un pilar fundamental para el futuro de la medicina. Su capacidad para procesar grandes volúmenes de datos y generar conocimientos accionables permite una atención sanitaria más precisa, eficiente y accesible, con un impacto directo en la calidad de vida de los pacientes. Sin embargo, su implementación enfrenta desafíos éticos, técnicos y regulatorios que demandan una gobernanza sólida, un enfoque interdisciplinario y una colaboración global entre clínicos, tecnólogos y legisladores. Para que la IA alcance su máximo potencial, es esencial garantizar que complemente el juicio humano y la empatía, manteniendo al paciente en el centro de la atención sanitaria. La formación continua de profesionales, la estandarización de tecnologías y el diálogo ético serán clave para construir un futuro donde la IA no solo innove, sino que también promueva equidad y confianza en los sistemas de salud.

BIBLIOGRAFÍA

1. Ávila-Tomás JF, Mayer-Pujadas MA, Quesada-Varela VJ. La inteligencia artificial y sus aplicaciones en medicina I: introducción, antecedentes a la IA y robótica. Aten Primaria. 2021;53(1):71-80. https://www.sciencedirect.com/science/article/pii/S0212656720301451
2. Lanzagorta-Ortega D, Carrillo-Pérez DL, Carrillo-Esper R. Inteligencia artificial en medicina: presente y futuro. Gac Med Mex. 2022;158(Suppl 1):17-21. http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0016-38132022001100017
3. Macip S, Subirats L, Armayones M, Lapedriza A. Inteligencia artificial: ¿cómo impactará en el ámbito de la salud? Salud con Ciencia. 2024. Disponible en: https://blogs.uoc.edu/cienciasdelasalud/es/dia-mundial-de-la-salud-reflexiones-sobre-ia-y-salud/
4. Ardila D, Kiraly AP, Bharadwaj S, et al. End-to-end lung cancer screening with deep learning on low-dose chest CT. Nat Med. 2019;25(6):954-961. https://pubmed.ncbi.nlm.nih.gov/31110349/
5. D’Agostino RB Sr, Vasan RS, Pencina MJ, et al. General cardiovascular risk profile for use in primary care: the Framingham Heart Study. Circulation. 2008;117(6):743-753. https://pubmed.ncbi.nlm.nih.gov/18212285/
6. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44-56. https://pubmed.ncbi.nlm.nih.gov/30617339/
7. Relling MV, Klein TE. CPIC: Clinical Pharmacogenetics Implementation Consortium of the Pharmacogenomics Research Network. Clin Pharmacol Ther. 2011;89(3):464-467. https://pubmed.ncbi.nlm.nih.gov/21270786/
8. Subirats L, Pérez-Guevara M, Ceccaroni L. Artificial intelligence for chronic disease management. J Med Syst. 2020;44(9):159. https://pmc.ncbi.nlm.nih.gov/articles/PMC10607642/
9. Fitzpatrick KK, Darcy A, Vierhile M. Delivering cognitive behavior therapy to young adults with symptoms of depression and anxiety using a fully automated conversational agent (Woebot). JMIR Ment Health. 2017;4(2):e19. https://pubmed.ncbi.nlm.nih.gov/28588005/
10. Rajkomar A, Dean J, Kohane I. Machine learning in medicine. N Engl J Med. 2019;380(14):1347-1358. https://www.nejm.org/doi/full/10.1056/NEJMra1814259
11. Coiera E. The fate of medicine in the time of AI. Lancet. 2018;392(10162):2331-2332. https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(18)31925-1/abstract
12. Bates DW, Levine D, Syrowatka A, et al. The potential for artificial intelligence to improve healthcare delivery. Health Aff (Millwood). 2021;40(10):1580-1587. https://pubmed.ncbi.nlm.nih.gov/33742085/
13. Price WN 2nd, Cohen IG. Privacy in the age of medical big data. Nat Med. 2019;25(1):37-43. https://pubmed.ncbi.nlm.nih.gov/30617331/
14. Hoofnagle CJ, van der Sloot B, Borgesius FZ. The European Union general data protection regulation: what it is and what it means. Inf Commun Technol Law. 2019;28(1):65-98. https://www.tandfonline.com/doi/full/10.1080/13600834.2019.1573501
15. Graham S, Depp C, Lee EE, et al. Artificial intelligence for mental health and mental illnesses: an overview. Curr Psychiatry Rep. 2019;21(11):116. https://pmc.ncbi.nlm.nih.gov/articles/PMC7274446/
16. Pottle J. Virtual reality and the transformation of medical education. Future Healthc J. 2019;6(3):181-185. https://pmc.ncbi.nlm.nih.gov/articles/PMC6798020/
17. Ávila-Tomás JF, Mayer-Pujadas MA, Quesada-Varela VJ. La inteligencia artificial y sus aplicaciones en medicina II: importancia actual y aplicaciones prácticas. Aten Primaria. 2021;53(1):81-88. https://pmc.ncbi.nlm.nih.gov/articles/PMC7752970/
18. Meskó B, Görög M. A short guide for medical professionals in the era of artificial intelligence. NPJ Digit Med. 2020;3:126. https://www.nature.com/articles/s41746-020-00333-z