Documentos de Académico
Documentos de Profesional
Documentos de Cultura
6 pag.
1 Informática Médica, Facultad de Medicina, Université Libre de Bruxelles, Bruselas, Bélgica, 2 Unidad de Epidemiología, Bioestadística e Investigación Clínica,
Facultad de Salud Pública, Université Libre de Bruxelles, Bruselas, Bélgica, 3 Hopital Erasme, Université Libre de Bruxelles, Bruselas, Bélgica
Las tecnologías médicas impulsadas por inteligencia artificial están evolucionando rápidamente hacia soluciones aplicables
para la práctica clínica. Los algoritmos de aprendizaje profundo pueden lidiar con cantidades cada vez mayores de datos
proporcionados por dispositivos portátiles, teléfonos inteligentes y otros sensores de monitoreo móvil en diferentes áreas
de la medicina. Actualmente, solo los entornos muy específicos en la práctica clínica se benefician de la aplicación de la
inteligencia artificial, como la detección de fibrilación auricular, convulsiones epilépticas e hipoglucemia, o el diagnóstico de
muy esperada por los pacientes porque permite una mayor autonomía y un tratamiento más personalizado, sin embargo,
se encuentra con resistencias por parte de médicos que no estaban preparados para tal evolución de la práctica clínica.
Este fenómeno también crea la necesidad de validar estas herramientas modernas con ensayos clínicos tradicionales,
debatir la actualización educativa del plan de estudios médico a la luz de la medicina digital, así como la consideración
ética del monitoreo conectado continuo. El objetivo de este artículo es discutir la literatura científica reciente y proporcionar
Editado por:
Enrico Capobianco,
una perspectiva sobre los beneficios, las oportunidades futuras y los riesgos de las aplicaciones de inteligencia artificial
Universidad de Miami, Estados Unidos establecidas en la práctica clínica de médicos, instituciones de salud, educación médica y bioética.
Revisado por:
Suiza
Marian Klinger,
Palabras clave: medicina digital, salud móvil, tecnologías médicas, inteligencia artificial, monitoreo.
Universidad de Opole, Polonia
* Correspondencia:
Giovanni Briganti
giovanni.briganti@hotmail.com
1. INTRODUCCIÓN
† Estos autores han contribuido La expresión “Tecnología Médica” se utiliza ampliamente para abordar una variedad de herramientas que pueden permitir a los profesionales de
igualmente a este trabajo la salud brindar a los pacientes y a la sociedad una mejor calidad de vida mediante la realización de un diagnóstico temprano, la reducción de
complicaciones, la optimización del tratamiento y / o la provisión de opciones menos invasivas, y reduciendo la duración de la hospitalización. Si
Sección de especialidad: bien, antes de la era móvil, las tecnologías médicas se conocían principalmente como dispositivos médicos clásicos (p. Ej., Prótesis, stents,
Este artículo fue enviado a implantes), la aparición de teléfonos inteligentes, dispositivos portátiles, sensores y sistemas de comunicación ha revolucionado la medicina con
Medicina Traslacional,
la capacidad de contener inteligencia artificial (IA ) herramientas motorizadas (como aplicaciones) en tamaños muy pequeños ( 1 ). La IA ha
una sección de la revista
revolucionado las tecnologías médicas y puede entenderse comúnmente como la parte de la informática que es capaz de abordar problemas
Frontiers in Medicine
complejos con muchas aplicaciones en áreas con una gran cantidad de datos pero poca teoría ( 2 ).
Recibió: 03 noviembre 2019
Hoy y mañana.
de referencia para llenar y distribuir un registro de salud personal electrónico ( 4 ), monitorea las funciones vitales con biosensores ( 5 ) y
Parte delantera. Medicina. 7:27. ayudando a alcanzar un cumplimiento terapéutico óptimo ( 6 ), por lo que se le otorga al paciente la mancha como actor principal de la
doi: 10.3389 / fmed.2020.00027
vía de atención. El desarrollo de tecnologías médicas inteligentes está permitiendo el para una fácil adquisición de ECG y detección de fibrilación auricular que se puede
desarrollo de un nuevo campo en la medicina: la medicina aumentada, es decir, el uso de compartir con el médico de su elección a través de un teléfono inteligente ( 20 ). Se
nuevas tecnologías médicas para mejorar diferentes aspectos de la práctica clínica. Varios han abordado varias críticas de las tecnologías de ECG portátiles y portátiles ( 21 ),
algoritmos basados en IA han sido aprobados en la última década por la Administración destacando las limitaciones para su uso, como la tasa de falsos positivos originada
de Alimentos y Medicamentos (FDA) y, por lo tanto, podrían implementarse. La medicina por artefactos de movimiento, y las barreras en la adopción de tecnología portátil en
aumentada no solo está habilitada por tecnologías basadas en inteligencia artificial, sino los pacientes ancianos que tienen más probabilidades de sufrir de fibrilación auricular.
también por otras herramientas digitales, como los sistemas de navegación quirúrgica para
la cirugía asistida por computadora ( 7 ), herramientas continuas de virtualidad-realidad para
cirugía, manejo del dolor y trastornos psiquiátricos ( 8 - 10 ).
2.1.2. Riesgo cardiovascular
Aplicada a los registros electrónicos de los pacientes, la IA se ha utilizado para predecir el
Aunque el campo de la medicina aumentada parece tener éxito con los pacientes, riesgo de enfermedad cardiovascular, por ejemplo, el síndrome coronario agudo ( 22 ) e
puede encontrar cierta resistencia por parte de los profesionales de la salud, en insuficiencia cardíaca ( 23 ) mejor que las escalas tradicionales. Revisiones completas recientes
particular de los médicos: en relación con este fenómeno, deben proporcionarse cuatro ( 24 ) han informado, sin embargo, cómo los resultados pueden variar según el tamaño de la
razones ampliamente discutidas. En primer lugar, la falta de preparación en cuanto al muestra utilizada en el informe de investigación.
2.3. Endocrinología
La monitorización continua de la glucosa permite a los pacientes con diabetes ver lecturas de
glucosa intersticial en tiempo real y proporciona información sobre la dirección y la velocidad
Debido a la falta de educación en medicina digital, varias escuelas de medicina
de cambio de los niveles de glucosa en sangre ( 27 ) Medtronic recibió la aprobación de la FDA
privadas están preparando a sus futuros líderes médicos para el desafío de la medicina
para su sistema Guardian para el monitoreo de glucosa, que está emparejado con teléfonos
aumentada, ya sea asociando el plan de estudios médico con el plan de estudios de
inteligentes ( 28 ). En 2018, la compañía se asoció con Watson (IA desarrollada por IBM) para
ingeniería o implementando la alfabetización en salud digital y su uso en un plan de
su sistema Sugar.IQ para ayudar a sus clientes a prevenir mejor los episodios hipoglucémicos
estudios actualizado ( 18 ).
basados en mediciones repetidas. La monitorización continua de la glucosa en sangre puede
permitir a los pacientes optimizar su control de la glucosa en sangre y reducir el estigma
El objetivo de este documento es resumir los desarrollos recientes de la IA en la
asociado con los episodios hipoglucémicos; sin embargo, un estudio que se centró en la
medicina, proporcionar los principales casos de uso en los que las tecnologías médicas
experiencia del paciente con la monitorización de la glucosa informó que los participantes,
impulsadas por la IA ya se pueden utilizar en la práctica clínica y las perspectivas sobre
aunque expresaban confianza en las notificaciones, también declaraban sentimientos de
los desafíos y riesgos que enfrentan los profesionales de la salud y las instituciones al
incapacidad personal para regular el nivel de glucosa ( 27 ).
implementar Medicina aumentada, tanto en la práctica clínica como en la formación de
futuros líderes médicos.
2.4. Nefrologia
2. APLICACIONES ACTUALES DE La inteligencia artificial se ha aplicado en varios ámbitos de la nefrología clínica. Por
INTELIGENCIA ARTIFICIAL EN MEDICINA ejemplo, se ha demostrado su utilidad para predecir la disminución de la tasa de
filtración glomerular en pacientes con poliquistosis renal ( 29 ) y para establecer el riesgo
2.1. Cardiología de nefropatía progresiva por IgA ( 30 ). Sin embargo, una revisión reciente informa cómo
2.1.1. Fibrilación auricular en este momento la investigación está limitada por el tamaño de muestra necesario
La detección precoz de la fibrilación auricular fue una de las primeras aplicaciones de la IA para la inferencia ( 31 ).
en medicina. AliveCor recibió la aprobación de la FDA en 2014 para su aplicación móvil
Kardia, que permite una monitorización de ECG basada en teléfonos inteligentes y la
detección de fibrilación auricular. El reciente estudio REHEARSE-AF ( 19 ) demostraron que la 2.5. Gastroenterología
monitorización ECG remota con Kardia en pacientes ambulatorios tiene más probabilidades La especialidad de gastroenterología se beneficia de una amplia gama de
de identificar la fibrilación auricular que la atención de rutina. Apple también obtuvo la aplicaciones de IA en entornos clínicos. Los gastroenterólogos hicieron uso de redes
aprobación de la FDA para su Apple Watch 4 que permite neuronales convolucionales entre otros modelos de aprendizaje profundo para
procesar imágenes de endoscopia y
ultrasonido 32 ) y detectar estructuras anormales como pólipos colónicos ( 33 ). Las redes y herramientas desarrolladas recientemente. Aunque muchos estudios ya han presentado la
neuronales artificiales también se han utilizado para diagnosticar la enfermedad por utilidad de la IA con oportunidades claras basadas en resultados prometedores, es probable
reflujo gastroesofágico ( 34 ) y gastritis atrófica ( 35 ), así como para predecir resultados que varias limitaciones de los estudios de IA bien reconocidas y frecuentemente reportadas
en hemorragia gastrointestinal ( 36 ), supervivencia del cáncer de esófago ( 37 ), compliquen dicha validación. Por la presente, abordaremos tres de tales limitaciones, así
enfermedad inflamatoria intestinal ( 38 ) y metástasis en cáncer colorrectal ( 39 ) y como también proporcionaremos posibles formas de superarlas.
carcinoma de células escamosas de esófago ( 40 ).
Primero, se encuentra que la mayoría de los estudios que comparan la eficiencia de la IA
con los médicos tienen un diseño poco confiable y se sabe que carecen de replicación primaria,
2.6. Neurología es decir, la validación de los algoritmos desarrollados en muestras provenientes de otras fuentes
2.6.1. Epilepsia distintas de la utilizada para entrenar algoritmos ( 45 ). Esta dificultad podría superarse en la era
Los dispositivos inteligentes de detección de convulsiones son tecnologías prometedoras que de la ciencia abierta, ya que los datos abiertos y los métodos abiertos están destinados a recibir
tienen el potencial de mejorar el manejo de las convulsiones a través del monitoreo ambulatorio cada vez más atención como mejores prácticas en la investigación. Sin embargo, la transición a
permanente. Empatica recibió la aprobación de la FDA en 2018 para su dispositivo portátil la ciencia abierta podría resultar difícil para las empresas de IA médica que desarrollan software
Embrace, que asociado con captores electrodérmicos puede detectar ataques de epilepsia como negocio principal.
generalizada e informar a una aplicación móvil que puede alertar a familiares cercanos y
médicos de confianza con información complementaria sobre la localización del paciente ( 41 ). En segundo lugar, se sabe que los estudios que informan sobre la aplicación de la IA en la
Un informe centrado en la experiencia del paciente reveló que, a diferencia de los dispositivos práctica clínica son limitados debido a diseños retrospectivos y tamaños de muestra; Dichos
portátiles de monitorización cardíaca, los pacientes que padecían epilepsia no tenían barreras diseños potencialmente incluyen sesgo de selección y espectro, es decir, los modelos se
en la adopción de dispositivos de detección de convulsiones e informaron un gran interés en el desarrollan para ajustarse de manera óptima a un conjunto de datos dado (este fenómeno
uso de dispositivos portátiles ( 42 ). también se conoce como sobreajuste), pero no replican los mismos resultados en otros
enfermedad de Huntington ( 43 ).
En tercer lugar, se conocen pocos estudios que comparen la IA y los médicos basándose
2.7. Diagnóstico computacional del cáncer en histopatología en los mismos conjuntos de datos; incluso en ese escenario, se han hecho críticas que
apuntan a una tasa de precisión diagnóstica más baja que la esperada en los médicos
Paige.ai ha recibido el estatus de avance de la FDA por un algoritmo basado en inteligencia especialistas. ( 26 ). Oponerse a la IA y a los médicos, aunque está bien representado en la
artificial que es capaz de diagnosticar el cáncer en histopatología computacional con gran literatura científica, probablemente no sea la mejor manera de abordar el tema del
precisión, lo que permite al patólogo ganar tiempo para concentrarse en diapositivas desempeño en la experiencia médica: varios estudios están abordando la interacción entre
importantes ( 44 ). los médicos y los algoritmos ( 47 ) ya que la combinación de inteligencia humana y artificial
supera a cualquiera de las dos por sí sola.
3.1. Validación de tecnologías basadas en inteligencia artificial: ¿hacia Además, en los últimos años varias empresas de wearables han llegado a
una crisis de replicación? acuerdos importantes con compañías de seguros o gobiernos para organizar
Uno de los desafíos centrales de la aplicación de la IA en la medicina en los próximos una distribución a gran escala de estos productos: este tipo de iniciativas son
años será la validación clínica de los conceptos centrales. principalmente
destinado a inducir un cambio de estilo de vida en grandes poblaciones. Si bien los países cada vez más capaz de ayudar al médico a entregar registros médicos
occidentales continúan evolucionando hacia sistemas de salud centrados en la completos, se necesitan más soluciones para resolver el problema del creciente
responsabilidad individual del paciente hacia su propia salud y bienestar, con frecuencia tiempo asignado a la atención indirecta del paciente.
se discuten las implicaciones éticas del monitoreo médico continuo con dispositivos
médicos a través de Internet de las cosas. Por ejemplo, el monitoreo continuo y las La inteligencia clínica ambiental (ACI) se entiende como un entorno
violaciones de la privacidad tienen el potencial de aumentar el estigma en torno a los digital sensible, adaptativo y receptivo que rodea al médico y al paciente ( 54 )
ciudadanos con enfermedades crónicas o más desfavorecidos ( 48 ) y posiblemente y capaz de, por ejemplo, analizar la entrevista y completar automáticamente
penalizar a aquellos ciudadanos que no puedan adoptar nuevos estándares de estilo de la historia clínica electrónica del paciente. Se están llevando a cabo varios
vida saludable, por ejemplo, reduciendo el acceso al seguro y la atención médica; poco o proyectos para desarrollar un ACI, que sería una aplicación crucial de la
ningún debate se ha centrado en estos posibles y cruciales escollos en la formulación de inteligencia artificial en medicina y muy necesaria para resolver los
políticas de salud. problemas modernos con el personal médico.
En este marco tecnopolítico, el tema de la protección y la propiedad de los datos se Una de las grandes barreras para la adopción de tecnologías médicas inteligentes
vuelve cada vez más crucial, aunque tiene más de dos décadas ( 49 ). En la literatura se en los médicos es el miedo a una deshumanización de la medicina. Esto se debe
describen varias actitudes hacia la propiedad de los datos: aunque algunos trabajos principalmente a la creciente carga administrativa ( 12 ) impuesto a los médicos. Sin
abogan por la propiedad común de los datos de los pacientes para beneficiar los embargo, la tecnología moderna como ACI y el procesamiento del lenguaje natural
enfoques de la medicina personalizada ( 50 , 51 ), el consenso se está desplazando hacia seguramente resolverá el problema de la carga administrativa y ayudará a los médicos
la propiedad del paciente, ya que tiene efectos positivos en la participación del paciente y a concentrarse más en el paciente.
puede mejorar el intercambio de información si se desarrolla un acuerdo de uso de datos
entre el paciente y los profesionales de la salud ( 52 ).
3.5. ¿Los médicos serán reemplazados por inteligencia
artificial?
Como se discutió recientemente en la literatura ( 15 , dieciséis ) lo más probable es que los
3.3. La necesidad de educar a los médicos aumentados médicos no sean reemplazados por inteligencia artificial: las tecnologías médicas
inteligentes existen como tales como apoyo al médico para mejorar el manejo del paciente.
Varias universidades han comenzado a crear un nuevo plan de estudios médico, Como han indicado estudios recientes ( 45 ), sin embargo, las comparaciones ocurren con
incluido un doctorado en ingeniería ( 18 ), para responder a la necesidad de educar a frecuencia entre las soluciones de inteligencia artificial y los médicos, como si las dos
los futuros líderes médicos sobre los desafíos de la inteligencia artificial en la contrapartes estuvieran en competencia. Los estudios futuros deberían centrarse en la
medicina ( 53 ). Dichos planes de estudio ven un enfoque más sólido de las ciencias comparación entre médicos que utilizan soluciones de inteligencia artificial con médicos sin
duras (como la física y las matemáticas) y la adición de ciencias computacionales, la ayuda de tales aplicaciones, y extender esas comparaciones a los ensayos clínicos
codificación, algoritmos e ingeniería mecatrónica. Estos “médicos aumentados” traslacionales; sólo entonces se aceptará la inteligencia artificial como complementaria de
contarían con experiencia clínica y pericia digital para resolver problemas de salud los médicos. Los profesionales sanitarios se encuentran hoy en día en una posición
modernos, participar en la definición de estrategias digitales para instituciones de privilegiada, para poder acoger la evolución digital y ser los principales impulsores del
salud, gestionar la transición digital, educar a pacientes y pares. cambio, aunque es necesaria una importante revisión de la formación médica para dotar a
los futuros líderes de las competencias para hacerlo.
REFERENCIAS arritmias usando un reloj inteligente: el estudio del corazón de la manzana. Ame Heart J. ( 2019) 207: 66–75. doi:
10.1016 / j.ahj.2018.09.002
1. Steinhubl SR, Muse ED, Topol EJ. El campo emergente de la salud móvil. Sci Trans Med. ( 2015) 7: 21. Raja JM, Elsakr C, Roman S, Cave B, Pour-Ghaz I, Nanda A, et al. Apple watch, wearables y ritmo
283rv3. doi: 10.1126 / scitranslmed.aaa3487 cardíaco: ¿dónde nos encontramos? Ann Trans Med. ( 2019) 7: 417. doi: 10.21037 / atm.2019.06.79.
2. Peng Y, Zhang Y, Wang L. Inteligencia artificial en ingeniería biomédica e informática:
introducción y revisión. Artif Intell Med. ( 2010) 48: 71–3. doi: 10.1016 / j.artmed.2009.07.007 22. Huang Z, Chan TM, Dong W. Predicción MACE del síndrome coronario agudo a través de la
clasificación de remuestreo potenciada utilizando registros médicos electrónicos. J Biomed Inform.
3. Orth M, Averina M, Chatzipanagiotou S, Faure G, Haushofer A, Kusec ( 2017) 66: 161–70. doi: 10.1016 / j.jbi.2017.
V, et al. Opinión: redefinir el papel del médico en la medicina de laboratorio en el contexto de 01.001
las tecnologías emergentes, la medicina personalizada y la autonomía del paciente ('medicina 23. Mortazavi BJ, Downing NS, Bucholz EM, Dharmarajan K, Manhapra
4P'). J Clin Pathol. ( 2019) 72: 191–7. doi: 10.1136 / jclinpath-2017-204734 A, Li SX y col. Análisis de técnicas de aprendizaje automático para reingresos por insuficiencia
cardíaca. Resultados de Circ Cardiovasc Qual. ( 2016) 9: 629–40. doi: 10.1161 /
4. Abdulnabi M, Al-Haiqi A, Kiah MLM, Zaidan AA, Zaidan BB, Hussain M. Un marco distribuido CIRCOUTCOMES.116.003039
para el intercambio de información de salud utilizando tecnologías de teléfonos inteligentes. J 24. Dorado-Díaz PI, Sampedro-Gómez J, Vicente-Palacios V, Sánchez PL. Aplicaciones de la
Biomed Informat. ( 2017) 69: 230–50. doi: 10.1016 / j.jbi.2017.04.013 inteligencia artificial en cardiología. El futuro ya está aquí. Revista Española de Cardiología. ( 2019)
72: 1065–75. doi: 10.1016 / j.rec.2019.05.014
5. Topol EJ. Una década de innovación en medicina digital. Sci Trans Med. ( 2019) 11: 7610. doi: 10.1126
/ scitranslmed.aaw7610 25. Topalovic M, Das N, Burgel PR, Daenen M, Derom E, Haenebalcke
6. Morawski K, Ghazinouri R, Krumme A, Lau ff enburger JC, Lu Z, Durfee E, et al. Asociación de una C, et al. La inteligencia artificial supera a los neumólogos en la interpretación de las pruebas de
aplicación para smartphone con la adherencia a la medicación y el control de la presión arterial: el función pulmonar. Eur Respirat J. ( 2019) 53: 1801660. doi: 10.1183 / 13993003.01660-2018.
ensayo clínico aleatorizado MedISAFE-BP. JAMA Int Med. ( 2018) 178: 802–9. doi: 10.1001 /
jamainternmed.2018.0447 26. Delclaux C. No es necesario que los neumólogos interpreten las pruebas de función pulmonar.
7. Overley SC, Cho SK, Mehta AI, Arnold PM. Navegación y robótica en cirugía de columna: Eur Respirat J. ( 2019) 54: 1900829. doi: 10.1183 / 13993003.00829-2019 Lawton J, Blackburn M, Allen J,
¿dónde estamos ahora? Neurocirugía. ( 2017) 80: S86–99. doi: 10.1093 / neuros / nyw077 27. Campbell F, Elleri D, Leelarathna L, et al. Experiencias de pacientes y cuidadores sobre el uso de la
monitorización continua de la glucosa para apoyar el autocontrol de la diabetes: estudio cualitativo. Trastorno
8. Tepper OM, Rudy HL, Lefkowitz A, Weimer KA, Marks SM, Stern CS, et al. Realidad mixta con endocrino de BMC. ( 2018) 18:12. doi: 10.1186 / s12902-018-0239-1
HoloLens: donde la realidad virtual se encuentra con la realidad aumentada en el quirófano. Plast
Reconstruct Surg. ( 2017) 140: 1066–70. doi: 10.1097 / PRS.0000000000003802 28. Christiansen MP, Garg SK, Brazg R, Bode BW, Bailey TS, Slover RH, et al. Precisión de un
sensor de glucosa continuo subcutáneo de cuarta generación.
9. Mishkind MC, Norr AM, Katz AC, Reger GM. Revisión del tratamiento de la realidad virtual en Diabet Technol Therapeut. ( 2017) 19: 446–56. doi: 10.1089 / dia.2017.0087
psiquiatría: evidencia versus difusión y uso actual. Curr Psychiat Rep. ( 2017) 19:80. doi: 10.1007 29. Niel O, Boussard C, Bastard P. La inteligencia artificial puede predecir la disminución de la TFG durante el
/ s11920-017-0836-0 curso de la PQRAD. Am J Kidney Dis O ff J Natl Kidney Found. ( 2018) 71: 911–2. doi: 10.1053 /
10. Malloy KM, Fresado LS. La efectividad de la distracción de la realidad virtual para la reducción del dolor: j.ajkd.2018.01.051
una revisión sistemática. Clin Psychol Rev. ( 2010) 30: 1011–8. doi: 10.1016 / j.cpr.2010.07.001 30. Geddes CC, Fox JG, Allison ME, Boulton-Jones JM, Simpson K. Una red neuronal artificial puede
seleccionar pacientes con alto riesgo de desarrollar nefropatía progresiva por IgA con mayor precisión
11. Haag M, Igel C, Fischer MR, Sociedad Alemana de Educación Médica (GMA), comité "Aprendizaje que los nefrólogos experimentados. Diálisis Nephrol, trasplante. ( 1998) 13: 67–71.
y enseñanza asistidos por tecnología de digitalización", grupo de trabajo conjunto "Enseñanza y
aprendizaje mejorados por tecnología en medicina (TeLL)" de la asociación alemana de 31. Niel O, Bastard P. Inteligencia artificial en nefrología: conceptos básicos, aplicaciones clínicas
informática médica, biometría y epidemiología (gmds) y la Sociedad Alemana de Informática (GI). y perspectivas. Am J Kidney Dis. ( 2019) 74: 803–10. doi: 10.1053 / j.ajkd.2019.05.020
Docencia digital y medicina digital: se necesita una iniciativa nacional. GMS J Med Educ.
32. Yang YJ, Bang CS. Aplicación de la inteligencia artificial en gastroenterología.
(2018) 35: Doc43. doi: 10.3205 / zma001189 Mundial J Gastroenterol. ( 2019) 25: 1666–83. doi: 10.3748 / wjg.v25.i14.1666 Fernández-Esparrach G,
12. Chaiyachati KH, Shea JA, Asch DA, Liu M, Bellini LM, Dine CJ, et al. Evaluación de la asignación de tiempo 33. Bernal J, López-Cerón M, Córdova H, SánchezMontes C, Rodríguez de Miguel C, et al. Explorando el
de hospitalización entre los residentes de medicina interna de primer año mediante observaciones de potencial clínico de un método automático de detección de pólipos colónicos basado en la creación de
tiempo-movimiento. JAMA Int Med. ( 2019) 179: 760–7. doi: 10.1001 / jamainternmed.2019.0095 mapas energéticos. Endoscopia. ( 2016) 48: 837–42. doi: 10.1055 / s-0042-108434
13. West CP, Dyrbye LN, Shanafelt TD. Agotamiento médico: contribuyentes, consecuencias 34. Pace F, Buscema M, Dominici P, Intraligi M, Baldi F, Cestari R, et al. Las redes neuronales artificiales son
y soluciones. J En t Medicina. (2018) 283: 516-29. capaces de reconocer a los pacientes con enfermedad por reflujo gastroesofágico únicamente sobre la base
doi: 10.1111 / joim.12752 de datos clínicos. Eur J Gastroenterol Hepatol.
14. Shah NR. Atención sanitaria en 2030: ¿sustituirá a los médicos la inteligencia artificial? (2005) 17: 605–10. doi: 10.1097 / 00042737-200506000-00003
Ann Int Med. ( 2019) 170: 407–8. doi: 10.7326 / M19-0344 Topol 35. Lahner E, Grossi E, Intraligi M, Buscema M, Corleto VD, Delle Fave G, et al. Posible contribución de
15. EJ. Alto rendimiento medicamento: la convergencia de las redes neuronales artificiales y el análisis discriminante lineal en el reconocimiento de pacientes
inteligencia humana y artificial. Nat Med. ( 2019) 25: 44–56. con sospecha de gastritis corporal atrófica.
doi: 10.1038 / s41591-018-0300-7 Mundial J Gastroenterol. ( 2005) 11: 5867–73. doi: 10.3748 / wjg.v11.i37.5867
Verghese
dieciséis. A, Shah NH, Harrington RA. Qué es este médico informático: las necesidades es un 36. Das A, Ben-Menachem T, Cooper GS, Chak A, Sivak MV, Gonet JA, et al. Predicción del
humanismo e inteligencia artificial. JAMA. ( 2018) doi: 10.1001 / 319: 19-20. resultado en hemorragia digestiva baja aguda basada en una red neuronal artificial: validación
jama.2017.19198 interna y externa de un modelo predictivo. Lanceta. ( 2003) 362: 1261–6. doi: 10.1016 /
17. Precio WN, Gerke S, Cohen IG. Posible responsabilidad de los médicos que utilizan inteligencia S0140-6736 (03) 14568-0
artificial. JAMA. ( 2019) 322: 1765–6. doi: 10.1001 / jama.2019.15064 Briganti G. Nous Devons Former 37. Sato F, Shimada Y, Selaru FM, Shibata D, Maeda M, Watanabe G, et al. Predicción de la supervivencia
18. des Médecins ≪ augmentés ≫. Le Specialiste. (2019) Disponible en línea en: en pacientes con carcinoma de esófago mediante redes neuronales artificiales. Cáncer. ( 2005) 103:
https://www.lespecialiste.be/fr/debats/nousdevons-former-des-medecins-laquo-nbsp-augmentes-raquo.html 1596–605. doi: 10.1002 / cncr.20938
(consultado el 26 de octubre de 2019). 38. Peng JC, Ran ZH, Shen J. Variación estacional en la aparición y recaída de la EII y un modelo para
predecir la frecuencia de aparición, recaída y gravedad de la EII basado en la red neuronal artificial. Int
19. Halcox JPJ, Wareham K, Cardew A, Gilmore M, Barry JP, Phillips C y col. Evaluación del muestreo J Colorect Dis. ( 2015) 30: 1267–73. doi: 10.1007 / s00384-015-2250-6
remoto del ritmo cardíaco utilizando el monitor cardíaco AliveCor para detectar la fibrilación
auricular: el estudio REHEARSE-AF. Circulación. 39. Ichimasa K, Kudo SE, Mori Y, Misawa M, Matsudaira S, Kouyama Y, et al. La inteligencia artificial puede
(2017) 136: 1784–94. doi: 10.1161 / CIRCULATIONAHA.117.030583 Turakhia MP, Desai M, Hedlin H, ayudar a predecir la necesidad de cirugía adicional después de la resección endoscópica del cáncer
20. Rajmane A, Talati N, Ferris T, et al. Justificación y diseño de un estudio a gran escala basado en colorrectal T1. Endoscopia. ( 2018) 50: 230–
aplicaciones para identificar problemas cardíacos 40. doi: 10.1055 / s-0043-122385
40. Yang HX, Feng W, Wei JC, Zeng TS, Li ZD, Zhang LJ, et al. El nomograma de vector de soporte 48. Mittelstadt B. Ética de la Internet de las cosas relacionada con la salud: una revisión narrativa. Ética
basado en máquina predice metástasis a distancia posoperatoria en pacientes con carcinoma de Informat Technol. ( 2017) 19: 157–75. doi: 10.1007 / s10676-0179426-4
células escamosas de esófago. Br J Cancer. ( 2013) 109: 1109–16. doi: 10.1038 / bjc.2013.379
49. Williamson JB. Preservando la confidencialidad y seguridad de la información de atención médica del paciente. Gestión
41. Regalia G, Onorati F, Lai M, Caborni C, Picard RW. Dispositivos de pulsera multimodales para de información de salud superior. ( 1996) 16: 56–60. Montgomery
la detección de convulsiones y el avance de la investigación: centrarse en las pulseras 50. J. Datos intercambio y la idea de propiedad.
Empatica. Epilep Res. ( 2019) 153: 79–82. doi: 10.1016 / j.eplepsyres.2019.02.007 Nuevo Bioeth Multidisciplinar J Biotecnología Cuerpo. (2017) 23: 81–6.
doi: 10.1080 / 20502877.2017.1314893
42. Bruno E, Simblett S, Lang A, Biondi A, Odoi C, Schulze-Bonhage 51. Rodwin MA. El caso de la propiedad pública de los datos de los pacientes. JAMA. ( 2009) 302: 86–8. doi:
A, et al. Tecnología usable en epilepsia: las opiniones de pacientes, cuidadores y 10.1001 / jama.2009.965
profesionales de la salud. Epilep Behav. ( 2018) 85: 141–9. doi: 10.1016 / j.yebeh.2018.05.044 52. Mikk KA, Sleeper HA, Topol EJ. El camino hacia la propiedad de los datos del paciente y una mejor salud. JAMA.
( 2017) 318: 1433–4. doi: 10.1001 / jama.2017.12145 Brouillette M. AI agregada al plan de estudios para
43. Dorsey ER, Glidden AM, Holloway MR, Birbeck GL, Schwamm LH. Teleneurología y 53. futuros médicos. Nat Med. ( 2019). 25: 1808–9. doi: 10.1038 / s41591-019-0648-3
tecnologías móviles: el futuro de la atención neurológica. Nat Rev Neurol. ( 2018) 14: 285–97.
doi: 10.1038 / nrneurol.2018.31 54. Acampora G, Cook DJ, Rashidi P, Vasilakos AV. Una encuesta sobre inteligencia ambiental en el cuidado
44. Campanella G, Hanna MG, Geneslaw L, Mira fl or A, Silva VWK, Busam KJ, et al. Patología de la salud. Proc IEEE Inst Elect Electron Eng. ( 2013) 101: 2470–
computacional de grado clínico que utiliza aprendizaje profundo supervisado débilmente en imágenes de 94. doi: 10.1109 / JPROC.2013.2262913
diapositivas completas. Nat Med. ( 2019) 25: 1301–9. doi: 10.1038 / s41591-019-0508-1
Conflicto de intereses: Los autores declaran que la investigación se llevó a cabo en ausencia de
45. Liu X, Faes L, Kale AU, Wagner SK, Fu DJ, Bruynseels A, et al. Una comparación del rendimiento del aprendizaje relaciones comerciales o financieras que pudieran interpretarse como un posible conflicto de intereses.
profundo con los profesionales de la salud en la detección de enfermedades a partir de imágenes médicas: una
revisión sistemática y un metanálisis. Salud de los dígitos de la lanceta. ( 2019) 1: e271–97. doi: 10.1016 /
S2589-7500 (19) 30123-2 Copyright © 2020 Briganti y Le Moine. Este es un artículo de acceso abierto distribuido bajo los términos
46. Panch T, Mattie H, Celi LA. La "verdad incómoda" sobre la IA en la asistencia sanitaria. de la Licencia de atribución Creative Commons (CC BY). Se permite el uso, distribución o reproducción
NPJ Digit Med. ( 2019) 2: 1–3. doi: 10.1038 / s41746-019-0155-4 en otros foros, siempre que se acredite al autor (es) original (es) y al propietario (es) de los derechos de
47. Kelly CJ, Karthikesalingam A, Suleyman M, Corrado G, King D. Desafíos clave para lograr un autor y se cite la publicación original en esta revista, de acuerdo con la práctica académica aceptada. No
impacto clínico con inteligencia artificial. BMCMed. se permite ningún uso, distribución o reproducción que no cumpla con estos términos.
(2019) 17: 195. doi: 10.1186 / s12916-019-1426-2