AVANCES DE LA INTELIGENCIA ARTIFICIAL EN SALUD

La inteligencia artificial (IA) comprende la simulación de procesos de inteligencia

humana por parte de las máquinas mediante la interacción con sistemas informáticos.
Dentro de estos procesos se consideran la adquisición de gran cantidad de información
y reglas que ayuden a procesar la misma, para realizar las acciones solicitadas, el
razonamiento mediante el uso de regulaciones con el objetivo de que el proceso de
decisión le permita llegar a conclusiones aproximadas o definitivas y también la
autocorrección, que permita realizar correcciones a los procesos y mediante éste se
logre un aprendizaje retroactivo(1).

En la actualidad, inteligencia artificial es un término general de gran alcance, que

abarca desde la automatización de procesos robóticos hasta la robótica actual. Ha
alcanzado relevancia básicamente en función de grandes volúmenes de datos e
información, el incremento en la velocidad y capacidad de proceso de los equipos
informáticos, lo asequible de las nuevas tecnologías, la difusión y propagación de las
conexiones a internet, entre otros aspectos, que han permitido dar a conocer los
avances generados en diferentes ámbitos, lo que ha despertado el interés de la
sociedad por incursionar en este tipo de soluciones(1).

Los diversos estudios y aplicaciones permiten determinar diferentes tipos de

inteligencia artificial mismos que se pueden ejemplificar de la siguiente manera: Los
sistemas de IA débil. Conocida también como IA estrecha, está diseñada y adiestrada
para tareas particulares. Los recientemente incorporados asistentes personales
virtuales, como Siri de Apple o Alexa de Amazon, son una forma de débil de AI(1).

La IA fuerte, conocida también como inteligencia general artificial, presenta

habilidades cognitivas humanas generalizadas, lo que le permite encontrar soluciones
cuando se le presenta tareas desconocidas. Alan Turing, matemático considerado
padre de la computación, desarrolló en 1950 un método utilizado para establecer si
una computadora realmente puede desarrollar competencias cognitivas y pensar
como un humano(1).
Redes neuronales artificiales

Un ordenador es una máquina que ejecuta una serie de instrucciones de forma

secuencial, siendo capaz de realizar complicadas operaciones lógicas y aritméticas de
forma muy rápida(2).

Sin embargo, la estructura del cerebro es radicalmente diferente. No está compuesto

por un único microprocesador complejo y eficiente, sino por miles de millones de
neuronas, que realizan de modo impreciso, redundante y relativamente lento un tipo
de cálculo muy simple. Y sin embargo estos sistemas resuelven ciertas tareas como la
visión manejando grandes cantidades de información redundante, defectuosa y
cambiante como ninguna máquina que el hombre haya podido construir hasta la
fecha(2).

Una red neuronal es un modelo informático que pretende simular el funcionamiento

del cerebro a partir del desarrollo de una arquitectura que toma rasgos del
funcionamiento de este órgano sin llegar a desarrollar una réplica del mismo. El
cerebro puede ser visto como un equipo integrado por aproximadamente 10 billones
de elementos de procesamiento (neuronas) cuya velocidad de cálculo es lenta, pero
que trabajan en paralelo y con este paralelismo logran alcanzar una alta potencia de
procesamiento(2).

El elemento clave de este paradigma es la novedosa estructura del sistema de

procesamiento de la información. Los sistemas neuronales artificiales están
compuestos por multitud de procesadores simples que operan sobre el
reconocimiento de patrones, y que pueden adquirir, almacenar y utilizar conocimiento
experimental. Esta forma de adquirir el conocimiento es una de sus características más
destacables: no se programa de forma directa, como en los sistemas expertos, sino
que se adquiere el conocimiento a partir de ejemplos, por ajuste de parámetros de las
neuronas mediante un algoritmo de aprendizaje(2).

La clasificación de las áreas de la aplicación de redes neuronales en el campo de la

Medicina es la siguiente:

1) Diagnóstico: detección de cáncer y patologías cardíacas a través de las señales que

se obtienen a partir del diagnóstico médico. Los beneficios del uso de redes neuronales
en diagnóstico no se ven afectados por factores como la fatiga, las condiciones
desfavorables de trabajo, y los estados emocionales(2).

2) Analítica: en bioquímica se facilitan los análisis de orina, sangre, control de diabetes

mellitus, ionogramas, y la forma de detectar condiciones patológicas a través del
análisis bioquímico(2).

3) Imágenes: el procesamiento de imágenes de alta complejidad (radiografía,

tomografía, resonancia magnética, ecografía, doppler, etc.)(2).

4) Farmacología: singular valor en el desarrollo de fármacos para el tratamiento del

cáncer. También han sido utilizadas para el proceso de modelado de biomoléculas. El
algoritmo generalmente utilizado en el diagnóstico, estudio analítico y en la
farmacología son de retropropagación(2).

Bibliografia:

1. Martínez-García DN, Dalgo-Flores VM, Herrera-López JL, Analuisa-Jiménez EI,

Velasco-Acurio EF. Avances de la inteligencia artificial en salud. Dominio las
Ciencias. 2019;5(3):603.

2. Vaquero PC. Revista española de investigaciones quirúrgicas. 2018;