����������������������������������������������������������������������������������

 

Inteligencia Artificial en el laboratorio cl�nico y su transformaci�n en diagn�sticos y decisiones �tica en el �rea m�dica (2023)

 

Artificial Intelligence in the clinical laboratory and its transformation into diagnoses and ethical decisions in the medical area (2023)

 

Intelig�ncia Artificial no laborat�rio cl�nico e sua transforma��o em diagn�sticos e decis�es �ticas na �rea m�dica (2023)

Paola Patricia Palacios-Palma I
palacios-paola0810@unesum.edu.ec  https://orcid.org/0000-0001-9202-0268

,Yenniffer Estefan�a Zambrano-Vera II
zambrano-yenniffer3578@unesum.edu.ec  https://orcid.org/0000-0003-4277-1252
        Vielka Gabriela Cede�o-P�rraga III
cedeno-vielka1181@unesum.edu.ec  https://orcid.org/0009-0003-9127-1120

,Mirian F�tima Su�rez-V�liz IV
mirian.suarez@unesum.edu.ec  https://orcid.org/0000-0002-6035-8085
 

 

 

 

 

 

 

 

 

 


Correspondencia: palacios-paola0810@unesum.edu.ec ��

 

Ciencias de la Salud

Art�culo de Investigaci�n

 

 

* Recibido: 30 de diciembre de 2023 *Aceptado: 19 de enero de 2024 * Publicado: �16 de febrero de 2024

 

        I.            Licenciada en Laboratorio Cl�nico, Instituto de Posgrado del Programa de Maestr�a Ciencias en Laboratorio Cl�nico, Universidad Estatal del Sur de Manab�, Jipijapa, Ecuador.

      II.            Licenciada en Laboratorio Cl�nico, Instituto de Posgrado del Programa de Maestr�a Ciencias en Laboratorio Cl�nico, Universidad Estatal del Sur de Manab�, Jipijapa, Ecuador.

   III.            Bi�loga, Instituto de Posgrado del Programa de Maestr�a Ciencias en Laboratorio Cl�nico, Universidad Estatal del Sur de Manab�, Jipijapa, Ecuador.

   IV.            Odont�loga, Mag�ster en Dise�o Curricular, Doctora en Ciencias de la Salud PhD, Perito Forense del Consejo de Judicatura del Ecuador, Tutora Revisora, Universidad Estatal del Sur de Manab�, Jipijapa, Manab�, Ecuador.


Resumen

En el presente estudio se realiz� una revisi�n sistem�tica de la incorporaci�n de la Inteligencia Artificial (IA) en el laboratorio cl�nico, la cual ha revolucionado la forma en que se procesan, analizan e interpretan los datos m�dicos, generando un impacto significativo en los diagn�sticos y decisiones �ticas en el �rea m�dica. La aplicaci�n de la IA en este entorno presenta beneficios sustanciales, pero tambi�n plantea desaf�os �ticos cruciales que deben abordarse con cautela, el prop�sito central es ofrecer una comprensi�n exhaustiva y actualizada del estado actual de la implementaci�n de la IA en el laboratorio cl�nico y su consecuente influencia en los diagn�sticos m�dicos y las decisiones �ticas y contribuir� al analizar de manera cr�tica las investigaciones y desarrollos m�s recientes. La metodolog�a es de revisi�n sistem�tica, del tipo documental, bibliogr�fico, ya que se llev� a cabo una s�ntesis de la literatura cient�fica procedente de diversas investigaciones. Los resultados principales muestran que el aprendizaje autom�tico, el procesamiento del lenguaje natural, extracci�n de informaci�n de informes m�dicos y precisi�n de los diagn�sticos son las principales tecnolog�as IA aplicadas, la inteligencia artificial (IA) en la toma de decisiones m�dicas ha sido transformador y ha revolucionado varios aspectos de la prestaci�n de atenci�n m�dica como en la exactitud y precisi�n, mejor diagn�stico de los pacientes. Se concluye que las tecnolog�as de Inteligencia Artificial (IA) en el �mbito del laboratorio cl�nico representa un cambio paradigm�tico en la forma en que se procesan y analizan los datos m�dicos.

Palabras clave: Inteligencia artificial; Laboratorio cl�nico; �tica; Diagn�stico.

 

Abstract

In the present study, a systematic review was carried out on the incorporation of Artificial Intelligence (AI) in the clinical laboratory, which has revolutionized the way in which medical data is processed, analyzed and interpreted, generating a significant impact on diagnoses and ethical decisions in the medical area. The application of AI in this environment presents substantial benefits, but also poses crucial ethical challenges that must be addressed with caution, the central purpose is to offer a comprehensive and up-to-date understanding of the current state of AI implementation in the clinical laboratory and its consequent influence medical diagnoses and ethical decisions and will contribute by critically analyzing the most recent research and developments. The methodology is a systematic review, of the documentary, bibliographic type, since a synthesis of the scientific literature from various investigations was carried out. The main results show that machine learning, natural language processing, information extraction from medical reports and accuracy of diagnoses are the main AI technologies applied, artificial intelligence (AI) in medical decision making has been transformative and has revolutionized several aspects of healthcare delivery such as accuracy and precision, better diagnosis of patients. It is concluded that Artificial Intelligence (AI) technologies in the field of the clinical laboratory represent a paradigmatic change in the way in which medical data is processed and analyzed.

Keywords: Artificial intelligence; Clinical laboratory; Ethics; Diagnosis.

 

Resumo

No presente estudo foi realizada uma revis�o sistem�tica sobre a incorpora��o da Intelig�ncia Artificial (IA) no laborat�rio cl�nico, que revolucionou a forma como os dados m�dicos s�o processados, analisados ​​e interpretados, gerando um impacto significativo nos diagn�sticos e nas decis�es �ticas na �rea m�dica. A aplica��o da IA ​​neste ambiente apresenta benef�cios substanciais, mas tamb�m coloca desafios �ticos cruciais que devem ser abordados com cautela. O objetivo central � oferecer uma compreens�o abrangente e atualizada do estado atual da implementa��o da IA ​​no laborat�rio cl�nico e a sua consequente influ�ncia nos diagn�sticos m�dicos e nas decis�es �ticas e contribuir� analisando criticamente as pesquisas e desenvolvimentos mais recentes. A metodologia � uma revis�o sistem�tica, do tipo documental, bibliogr�fica, uma vez que foi realizada uma s�ntese da literatura cient�fica proveniente de diversas investiga��es. Os principais resultados mostram que o aprendizado de m�quina, o processamento de linguagem natural, a extra��o de informa��es de relat�rios m�dicos e a precis�o dos diagn�sticos s�o as principais tecnologias de IA aplicadas, a intelig�ncia artificial (IA) na tomada de decis�es m�dicas tem sido transformadora e revolucionou v�rios aspectos da presta��o de cuidados de sa�de, como exatid�o e precis�o, melhor diagn�stico dos pacientes. Conclui-se que as tecnologias de Intelig�ncia Artificial (IA) no �mbito do laborat�rio cl�nico representam uma mudan�a paradigm�tica na forma como os dados m�dicos s�o processados ​​e analisados.

Palavras-chave: Intelig�ncia artificial; Laborat�rio clinico; �tica; Diagn�stico.

 

 

 

Introducci�n

La integraci�n de la inteligencia artificial (IA) en el laboratorio cl�nico ha marcado una revoluci�n significativa en la forma en que abordamos los diagn�sticos m�dicos y las decisiones �ticas en el �mbito m�dico, la r�pida evoluci�n de la tecnolog�a ha permitido que los algoritmos de aprendizaje autom�tico y la IA analicen vastos conjuntos de datos cl�nicos, transformando la pr�ctica m�dica tradicional y brindando nuevas oportunidades para mejorar la precisi�n y eficiencia en el proceso diagn�stico.

Los macrodatos y el aprendizaje autom�tico est�n teniendo un impacto en la mayor�a de los aspectos de la vida moderna, desde el entretenimiento, el comercio y la atenci�n m�dica, existe un gran optimismo en cuanto a que la aplicaci�n de la inteligencia artificial (IA) pueda proporcionar mejoras sustanciales en todas las �reas de la atenci�n sanitaria, desde el diagn�stico hasta el tratamiento, existe una gran cantidad de evidencia de que los algoritmos de IA funcionan a la par o mejor que los humanos en diversas tareas, por ejemplo, al analizar im�genes m�dicas o correlacionar s�ntomas y biomarcadores de registros m�dicos electr�nicos (EMR) con la caracterizaci�n y el pron�stico de la enfermedad(1).

El laboratorio desempe�a un papel primordial en muchas decisiones m�dicas cuyos datos complejos y en constante crecimiento necesitan cada vez m�s la integraci�n del aprendizaje autom�tico. Como profesionales que conocemos bien las mejores pr�cticas de desarrollo de pruebas, es l�gico que tambi�n ayudemos a guiar el desarrollo de herramientas de aprendizaje autom�tico, ya que comparten muchas similitudes con las pruebas desarrolladas en laboratorio (2).

A medida que los laboratorios cl�nicos contin�an su proceso de digitalizaci�n y automatizaci�n en el �mbito de la medicina de laboratorio, es probable que enfrenten desaf�os relacionados con la evaluaci�n, implementaci�n y validaci�n de algoritmos de inteligencia artificial (IA), tanto dentro como fuera de sus instalaciones, tener una comprensi�n clara de la utilidad de la IA, su aplicabilidad y conocer los �ltimos avances, as� como sus limitaciones, ser� beneficioso para profesionales de laboratorio y m�dicos. No obstante, la introducci�n de nuevas tecnolog�as implica una disposici�n para cambiar la estructura y la mentalidad existentes hacia estas innovaciones, las cuales no siempre son plenamente comprendidas (3).

Dentro del contexto mundial, en Reino Unido el Imperial College de Londres est� utilizando IA para desarrollar una herramienta de diagn�stico para la tuberculosis, entrenando un sistema de IA para analizar radiograf�as de t�rax y detectar signos de la enfermedad (4).

La inteligencia artificial (IA) en el laboratorio cl�nico plantea importantes cuestiones �ticas. Algunos de los principales problemas �ticos que surgen del uso de tecnolog�as de IA en medicina de laboratorio incluyen la transparencia y la reproducibilidad de los algoritmos, la equidad en el acceso y la distribuci�n de beneficios, la minimizaci�n del sesgo y las disparidades, la protecci�n de la privacidad y la seguridad de los datos, y la responsabilidad profesional y legal en el desarrollo y uso de sistemas de IA (5).

Existe una creciente inquietud acerca de los posibles impactos negativos no deseados derivados de estas tecnolog�as, en ciertos aspectos, las aplicaciones de inteligencia artificial han experimentado un crecimiento m�s acelerado que las normativas y regulaciones sociales, las cuales han tenido que adaptarse para hacer frente a estas innovaciones, se han suscitado serias preocupaciones en relaci�n con la privacidad, la seguridad y la equidad, en el �mbito de la atenci�n m�dica, las expectativas sociales y �ticas son particularmente elevadas, como se refleja tanto en los mensajes difundidos en la cultura popular como en las regulaciones del sector sanitario, por lo tanto, resulta crucial establecer sistemas, procesos y canales que aseguren el desarrollo �tico y la utilizaci�n responsable de la inteligencia artificial en el �mbito de la atenci�n sanitaria(6).

Este estudio es importante ya que la incorporaci�n de la IA en el �mbito cl�nico representa una revoluci�n tecnol�gica que est� transformando fundamentalmente la manera en que se abordan los procesos diagn�sticos y la toma de decisiones en el cuidado de la salud, el prop�sito central es ofrecer una comprensi�n exhaustiva y actualizada del estado actual de la implementaci�n de la IA en el laboratorio cl�nico y su consecuente influencia en los diagn�sticos m�dicos y las decisiones �ticas y contribuir� al analizar de manera cr�tica las investigaciones y desarrollos m�s recientes, la revisi�n proporciona informaci�n valiosa sobre las aplicaciones exitosas de la IA y los desaf�os.

 

Materiales y m�todos

Se aplic� un dise�o de revisi�n sistem�tica, del tipo documental, bibliogr�fico, ya que se llev� a cabo una s�ntesis de la literatura cient�fica procedente de diversas investigaciones.

         Criterios de elegibilidad

         Criterios de inclusi�n: Se incorporaron art�culos provenientes de fuentes cient�ficas, publicaciones originales, de revisi�n, metaan�lisis.

         Criterios de exclusi�n: Se excluyeron art�culos que conten�an �nicamente el resumen, revistas sin acceso abierto e informaci�n provenientes de blogs o p�ginas web.

Estrategias de b�squeda

Se opt� por buscar art�culos con un m�ximo de 5 a�os de antig�edad (2019-2023), los cuales fueron recopilados de diversas bases de datos, como PubMed, Springer, scopus, Elsevier, Web Of Science y Google Acad�mico. Este proceso de b�squeda abarc� la exploraci�n de una amplia gama de informaci�n, seleccionando numerosos art�culos que abordaban la tem�tica, se incluyeron tanto art�culos de trabajos originales como aquellos provenientes de revisiones, los cuales estaban redactados en idiomas de ingl�s y espa�ol. Se aplicaron t�rminos MeSH: Artificial intelligence, laboratory, ethical issues, medicine y operadores booleanos AND, OR.

 

Manejo de la informaci�n

De forma independiente, los investigadores asumieron la responsabilidad de revisar t�tulos y res�menes de estudios relevantes vinculados al tema propuesto. Tras la revisi�n individual, se gener� una base de datos en Microsoft Excel que incluy� informaci�n detallada, como el t�tulo, a�o de publicaci�n, tipo de estudio, autores, ubicaci�n, pa�s, poblaci�n, tipo de poblaci�n y otras variables pertinentes. La Figura N�1 ilustra la recopilaci�n de un total de 50 art�culos cuidadosamente seleccionados.

 

Figura 1: Diagrama de flujo de la b�squeda de la informaci�n para la revisi�n

 

Consideraciones �ticas

La investigaci�n ha otorgado atenci�n adecuada a los aspectos �ticos, asegurando la preservaci�n de la propiedad intelectual de los diversos autores consultados. En conformidad con la teor�a y los conocimientos cient�ficos universales, se han incorporado citas apropiadas siguiendo las normas de Vancouver, garantizando de esta manera la correcta atribuci�n de cr�ditos a las fuentes originales. Todas las fuentes bibliogr�ficas empleadas han sido claramente identificadas, proporcionando informaci�n detallada sobre la ubicaci�n de la publicaci�n original (7).

 

Resultados

 

Tabla 1: Tecnolog�as de IA aplicadas en el procesamiento y an�lisis de datos en el laboratorio cl�nico.

Ref.

Pa�s

A�o

Metodolog�a

Tecnolog�as

Huang, W y col.(8)

China

2023

Revisi�n sistem�tica

Recogida y transportes inteligentes de muestras

Yahyaouim A y col.(9)

Marruecos

2023

Revisi�n sistem�tica

Aprendizaje autom�tico (ML)

Rivera, N y col.(10)

Estados Unidos

2023

Estudio hibrido de datos

Aprendizaje autom�tico (ML)

Aradhya, S y col.(11)

Estados Unidos

2023

Revisi�n sistem�tica

Procesamiento del lenguaje natural (PLN)

Aprendizaje autom�tico (ML)

Alowais, S y col.(12)

Arabia Saudita

2023

Revisi�n sistem�tica

el aprendizaje autom�tico (ML), el aprendizaje profundo (DL) y el procesamiento del lenguaje natural (NLP).

Erasmus, R y col.(13)

Sud�frica

2023

Revisi�n sistem�tica

Digitalizaci�n de la informaci�n y los procesos

Fu, Q y col.(14)

China

2023

Revisi�n sistem�tica

Aprendizaje autom�tico (ML)

Blatter, T y col.(15)

Suiza

2022

Revisi�n sistem�tica

Procesamiento del Lenguaje Natural (PLN)

Wen, X y col.(16)

China

2022

Revisi�n sistem�tica

El aprendizaje autom�tico (ML)

Padoan, A y col.(17)

Italia

2022

Revisi�n sistem�tica

Extracci�n de Informaci�n de Informes M�dicos

UNDRU, T y col.(18)

India

2022

Revisi�n sistem�tica

Procesamiento del lenguaje natural (PNL)

Damiani, A y col.(19)

Italia

2021

Revisi�n sistem�tica

Procesamiento del lenguaje natural (PNL)

Paranjape, K y col.(20)

Holanda

2020

Revisi�n sistem�tica

Aprendizaje autom�tico (ML)

Basok, B.(21)

Turqu�a

2020

Revisi�n sistem�tica

Aprendizaje autom�tico (ML)

 

An�lisis y s�ntesis:

Las tecnolog�as de Inteligencia Artificial (IA) desempe�an un papel crucial en el procesamiento y an�lisis de datos en el laboratorio cl�nico, ofreciendo avances significativos en la interpretaci�n de informaci�n m�dica, entre las tecnolog�as m�s aplicadas se encuentran: el aprendizaje autom�tico, el procesamiento del lenguaje natural, extracci�n de informaci�n de informes m�dicos, la aplicaci�n de estos no solo mejora la velocidad y precisi�n de los diagn�sticos, sino que tambi�n contribuye a una atenci�n medica m�s personalizada y eficiente.

 

Tabla 2: Impacto de la inteligencia artificial en la toma de decisiones m�dicas.

Ref.

Pa�s

A�o

Metodolog�a

Impacto�

Sauerbrei, A y col.(22)

Reino Unido

2023

Revisi�n sistem�tica

Potencial de alterar las relaciones m�dico-paciente centradas en la persona.

Nagendran, M y col.(23)

Reino Unido

2023

Estudio descriptivo

Apoyo a la toma de decisiones para los profesionales de la salud.

MacIntyre, M y col.(24)

Estados Unidos

2023

Revisi�n sistem�tica

Capacidad de toma de decisiones m�dicas.

Cresswell, K y col.(25)

Reino Unido

2023

Revisi�n sistem�tica

Planes de tratamientos personalizados.

Moazemi, S y col.(26)

Alemania

2023

Revisi�n sistem�tica

Cuesti�n central para la integraci�n efectiva de la IA en la atenci�n sanitaria.

Ali, O y col.(27)

Australia

2023

Revisi�n sistem�tica

Aumentar la calidad de los servicios en la industria de la salud.

Srivastava, R.(28)

India

2023

Revisi�n sistem�tica

Exactitud y precisi�n

Mehta, V.(29)

India

2023

Revisi�n sistem�tica

Revolucionar la atenci�n sanitaria y mejorar los resultados de los pacientes.

Whicher, D y col.(30)

Estados Unidos

2022

Revisi�n sistem�tica

Mejor el diagn�stico de los pacientes y los orienten hacia opciones de atenci�n m�s efectivas.

Maron, J.(31)

Estados Unidos

2022

Revisi�n sistem�tica

Reducir los costos y la morbilidad de la atenci�n m�dica.

Giordano, Ch y col.(32)

Estados Unidos

2021

Revisi�n sistem�tica

Exactitud y precisi�n mejoradas

Triberti, S y col.(33)

Italia

2020

Revisi�n sistem�tica

Precisi�n y eficiencia del diagn�stico y tratamiento

Davenport, T y col.(34)

Estados Unidos

2019

Revisi�n sistem�tica

Comparar probabil�sticamente datos en diferentes bases de datos.

Ahuja, A.(35)

Estados Unidos

2019

Revisi�n sistem�tica

Precisi�n y eficiencia del diagn�stico y tratamiento en diversas especializaciones

An�lisis y s�ntesis:

El impacto de la inteligencia artificial (IA) en la toma de decisiones m�dicas ha sido transformador y ha revolucionado varios aspectos de la prestaci�n de atenci�n m�dica como en la exactitud y precisi�n, mejor diagn�stico de los pacientes, reducci�n de costos, eficiencia del diagn�stico, aumentar la calidad de los servicios y mejorar los resultados sin embargo tambi�n podr�a tener un impacto en las relaciones m�dico-paciente.

 

Tabla 3: Implicaciones �ticas asociadas con el uso de la Inteligencia Artificial en el �mbito m�dico.

Ref.

Pa�s

A�o

Metodolog�a

Implicaciones �ticas��

Jeyaraman, M y col.(36)

India

2023

Revisi�n bibliogr�fica

Medidas de seguridad s�lidas y cumplir con las normas de protecci�n de datos

Masters, K.(37)

Oman

2023

Revisi�n bibliogr�fica

La seguridad, el sesgo, la transparencia, la responsabilidad, la autonom�a y la beneficencia

Tang, L y col.(38)

Estados Unidos

2023

Revisi�n bibliogr�fica

Autonom�a

Seguridad

Confidencialidad

Zhang, J y col.(39)

China

2023

Revisi�n bibliogr�fica

La autonom�a y la dignidad de los m�dicos y los pacientes.

Prakash, S y col.(40)

India

2022

Revisi�n bibliogr�fica

la autonom�a y la beneficencia

Naik, N y col.(41)

India

2022

Revisi�n bibliogr�fica

Consentimiento informado

Bhattacharya, S y col.(42)

India

2021

Revisi�n bibliogr�fica

Beneficencia

Responsabilidad

Consentimiento informado

Abdullah, Y y col.(43)

Estados Unidos

2021

Revisi�n bibliogr�fica

Confidencialidad y Privacidad.

Farhud, D.(44)

Ir�n

2021

Revisi�n bibliogr�fica

La empat�a y la simpat�a

Basu, T y col.(45)

Estados Unidos

2020

Revisi�n bibliogr�fica

Privacidad

Equidad

Responsabilidad

Transparencia

Gerke, S y col.

Dinamarca

2020

Revisi�n bibliogr�fica

Consentimiento informado para el uso.

seguridad y transparencia

privacidad de los datos.

Rigby, M y col.(46)

Estados Unidos

2019

Revisi�n bibliogr�fica

Transparencia

privacidad de los datos

 

An�lisis y s�ntesis:

La integraci�n de la Inteligencia Artificial (IA) en el campo m�dico plantea diversas implicaciones �ticas que exigen una cuidadosa consideraci�n, como el consentimiento informado, la seguridad, confidencialidad, la transparencia, la dignidad de los m�dicos, privacidad de los datos, la empat�a y simpat�a, saber abordar estas consideraciones �ticas es crucial para para la implementaci�n responsables y �tica de la inteligencia artificial.

 

Discusi�n

Las tecnolog�as de Inteligencia Artificial (IA) emergen como pilares fundamentales en el procesamiento y an�lisis de datos en el laboratorio cl�nico, marcando un hito en la interpretaci�n de la informaci�n m�dica, entre las diversas herramientas aplicadas, destacan el aprendizaje autom�tico, el procesamiento del lenguaje natural y la extracci�n de informaci�n de informes m�dicos, estas tecnolog�as no solo revolucionan la velocidad y precisi�n de los diagn�sticos, sino que tambi�n catalizan una transformaci�n hacia una atenci�n m�dica m�s personalizada y eficiente.

De acuerdo con Mitra, P y col. (47) la IA y sus herramientas asociadas han sido objeto de una extensa exploraci�n recientemente para identificar aplicaciones novedosas en la pr�ctica diaria de la qu�mica cl�nica. Asi mismo, Zhang, L y col (48) a�aden que el aprendizaje autom�tico puede optimizar los procedimientos de trabajo del laboratorio, reducir los costos del laboratorio y aumentar la eficiencia del laboratorio.

La influencia de la inteligencia artificial (IA) en la toma de decisiones m�dicas ha generado una transformaci�n profunda y ha revolucionado significativamente diversos aspectos de la prestaci�n de atenci�n m�dica. Uno de los impactos m�s destacados es la mejora sustancial en la exactitud y precisi�n de los diagn�sticos, permitiendo una identificaci�n m�s r�pida y precisa de condiciones m�dicas. Esta capacidad de la IA ha llevado a un aumento en la confiabilidad de los diagn�sticos, contribuyendo directamente a una toma de decisiones m�s fundamentada y eficiente por parte de los profesionales de la salud.

Herman, D y col. (49) mencionan que la influencia de la inteligencia artificial ha sido de gran relevancia en la pr�ctica y el alcance de la medicina del laboratorio, esto ha sido posible gracias a los avances en la inform�tica moderna y la digitalizaci�n generalizada de la informaci�n sanitaria. Por otro lado, Halasey, S. (50) La integraci�n de la inteligencia artificial (IA) en el proceso de diagn�stico representa un avance trascendental en la medicina moderna, transformando la forma en que se abordan y comprenden las condiciones m�dicas.

La integraci�n de la Inteligencia Artificial (IA) en el �mbito m�dico se erige como una innovaci�n prometedora, pero a su vez plantea una serie de implicaciones �ticas que demandan una reflexi�n cuidadosa y una gesti�n responsable. Entre estas consideraciones �ticas destacan aspectos fundamentales que son clave para garantizar una implementaci�n �tica y responsable de la inteligencia artificial en el sector de la salud.

Varkey, B. (51) indica que se debe garantizar la confidencialidad y seguridad de la informaci�n del paciente para proteger a los pacientes de los impactos negativos de las violaciones de datos y el acceso no autorizado. Por otro lado, Brown, C y col. (52) sostienen que los sistemas de IA pueden heredar sesgos de los datos con los que est�n entrenados, lo que lleva a una toma de decisiones injusta y discriminatoria. Es esencial abordar y mitigar estos sesgos para garantizar una prestaci�n de atenci�n sanitaria equitativa.

 

Conclusiones

Finalmente, la irrupci�n de las tecnolog�as de Inteligencia Artificial (IA) en el �mbito del laboratorio cl�nico representa un cambio paradigm�tico en la forma en que se procesan y analizan los datos m�dicos. Con �nfasis en el aprendizaje autom�tico, el procesamiento del lenguaje natural y la extracci�n de informaci�n de informes m�dicos, estas tecnolog�as no solo optimizan la velocidad y precisi�n en los diagn�sticos, sino que tambi�n aportan a la creaci�n de una atenci�n m�dica m�s personalizada y eficiente.

En resumen, la influencia de la inteligencia artificial (IA) en la toma de decisiones m�dicas ha marcado una transformaci�n profunda en la prestaci�n de atenci�n m�dica, introduciendo mejoras significativas en aspectos cruciales como la exactitud y precisi�n diagn�stica, la eficiencia operativa, la reducci�n de costos y la calidad general de los servicios. La capacidad de la IA para optimizar diagn�sticos, prever resultados y personalizar tratamientos ha revolucionado la atenci�n m�dica de manera positiva.

En relaci�n a lo antes expuesto, la integraci�n de la Inteligencia Artificial (IA) en el campo m�dico no solo representa un avance tecnol�gico significativo, sino que tambi�n plantea desaf�os �ticos que deben abordarse con diligencia y reflexi�n. Consideraciones fundamentales, como el consentimiento informado, la seguridad, la confidencialidad, la transparencia y la privacidad de los datos, son esenciales para garantizar una implementaci�n responsable y �tica de la IA en la atenci�n m�dica.

 

Referencias

      1.            Miller DD, Brown EW. Artificial Intelligence in Medical Practice: The Question to the Answer? Am J Med. febrero de 2018;131(2):129-33.

      2.            Albahra S, Gorbett T, Robertson S, D�Aleo G, Kumar SVS, Ockunzzi S, et al. Artificial intelligence and machine learning overview in pathology & laboratory medicine: A general review of data preprocessing and basic supervised concepts. Seminars in Diagnostic Pathology. 1 de marzo de 2023;40(2):71-87.

      3.            Safi S, Thiessen T, Schmailzl KJ. Acceptance and Resistance of New Digital Technologies in Medicine: Qualitative Study. JMIR Res Protoc. 4 de diciembre de 2018;7(12): e11072.

      4.            Naidoo J, Shelmerdine SC, -Charcape CFU, Sodhi AS. Artificial Intelligence in Paediatric Tuberculosis. Pediatr Radiol. 28 de enero de 2023;1-13.

      5.            Pennestr� F, Banfi G. Artificial intelligence in laboratory medicine: fundamental ethical issues and normative key-points. Clinical Chemistry and Laboratory Medicine (CCLM). 1 de noviembre de 2022;60(12):1867-74.

      6.            Vellido A. Societal Issues Concerning the Application of Artificial Intelligence in Medicine. Kidney Diseases. 3 de septiembre de 2018;5(1):11-7.

      7.            Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, et al. Declaraci�n PRISMA 2020: una gu�a actualizada para la publicaci�n de revisiones sistem�ticas. Revista Espa�ola de Cardiolog�a. 1 de septiembre de 2021;74(9):790-9.

      8.            Huang W, Huang D, Ding Y, Yu C, Wang L, Lv N, et al. Clinical application of intelligent technologies and integration in medical laboratories. iLABMED. 2023;1(1):82-91.

      9.            Yahyaoui A, Zrouri H, Hamdani O, Azizi W, Sbibih Y, Harrandou M, et al. Contribution of artificial intelligence and big data in a medical biology laboratory: An experience of the central laboratory CHU Mohammed VI Oujda. Materials Today: Proceedings. 1 de enero de 2023; 72:3718-23.

  10.            Rivera NH, McClintock DS, Alterman MA, Alterman TAL, Pruitt HD, Olsen GM, et al. A clinical laboratorian�s journey in developing a machine learning algorithm to assist in testing utilization and stewardship. Journal of Laboratory and Precision Medicine [Internet]. 30 de julio de 2023 [citado 5 de enero de 2024];8(0). Disponible en: https://jlpm.amegroups.org/article/view/8019

  11.            Aradhya S, Facio FM, Metz H, Manders T, Colavin A, Kobayashi Y, et al. Applications of artificial intelligence in clinical laboratory genomics. American Journal of Medical Genetics Part C: Seminars in Medical Genetics. 2023;193(3): e32057.

  12.            Alowais SA, Alghamdi SS, Alsuhebany N, Alqahtani T, Alshaya AI, Almohareb SN, et al. Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC Medical Education. 22 de septiembre de 2023;23(1):689.

  13.            Erasmus R, Ondoa P. Taking the train of digital health and artificial intelligence to improve medical laboratory service in Africa: Key considerations. Afr J Lab Med. 30 de noviembre de 2023;12(1):2329.

  14.            Fu Q, Lai J, Zhong T, Ran L. Design and Implementation of Clinical LIS360 Laboratory Management System Based on AI Technology. Int J Comput Intell Syst. 14 de marzo de 2023;16(1):33.

  15.            Blatter TU, Witte H, Nakas CT, Leichtle AB. Big Data in Laboratory Medicine�FAIR Quality for AI? Diagnostics. agosto de 2022;12(8):1923.

  16.            Wen X, Leng P, Wang J, Yang G, Zu R, Jia X, et al. Clinlabomics: leveraging clinical laboratory data by data mining strategies. BMC Bioinformatics. 24 de septiembre de 2022;23(1):387.

  17.            Padoan A, Plebani M. Flowing through laboratory clinical data: the role of artificial intelligence and big data. Clinical Chemistry and Laboratory Medicine (CCLM). 1 de noviembre de 2022;60(12):1875-80.

  18.            UNDRU TR, UDAY U, LAKSHMI JT, KALIAPPAN A, MALLAMGUNTA S, NIKHAT SS, et al. Integrating Artificial Intelligence for Clinical and Laboratory Diagnosis � a Review. Maedica (Bucur). junio de 2022;17(2):420-6.

  19.            Damiani A, Masciocchi C, Lenkowicz J, Capocchiano ND, Boldrini L, Tagliaferri L, et al. Building an Artificial Intelligence Laboratory Based on Real World Data: The Experience of Gemelli Generator. Frontiers in Computer Science [Internet]. 2021 [citado 5 de enero de 2024];3. Disponible en: https://www.frontiersin.org/articles/10.3389/fcomp.2021.768266

  20.            Paranjape K, Schinkel M, Hammer RD, Schouten B, Nannan Panday RS, Elbers PWG, et al. The Value of Artificial Intelligence in Laboratory Medicine: Current Opinions and Barriers to Implementation. American Journal of Clinical Pathology. 1 de junio de 2021;155(6):823-31.

  21.            Basok B. Digitalization and artificial intelligence in laboratory medicine. International Journal of Medical Biochemistry. 1 de enero de 2020;

  22.            Sauerbrei A, Kerasidou A, Lucivero F, Hallowell N. The impact of artificial intelligence on the person-centred, doctor-patient relationship: some problems and solutions. BMC Medical Informatics and Decision Making. 20 de abril de 2023;23(1):73.

  23.            Nagendran M, Festor P, Komorowski M, Gordon AC, Faisal AA. Quantifying the impact of AI recommendations with explanations on prescription decision making. npj Digit Med. 7 de noviembre de 2023;6(1):1-7.

  24.            MacIntyre MR, Cockerill RG, Mirza OF, Appel JM. Ethical considerations for the use of artificial intelligence in medical decision-making capacity assessments. Psychiatry Research. 1 de octubre de 2023; 328:115466.

  25.            Cresswell K, Rigby M, Magrabi F, Scott P, Brender J, Craven CK, et al. The need to strengthen the evaluation of the impact of Artificial Intelligence-based decision support systems on healthcare provision. Health Policy. 1 de octubre de 2023; 136:104889.

  26.            Moazemi S, Vahdati S, Li J, Kalkhoff S, Castano LJV, Dewitz B, et al. Artificial intelligence for clinical decision support for monitoring patients in cardiovascular ICUs: A systematic review. Frontiers in Medicine [Internet]. 2023 [citado 5 de enero de 2024];10. Disponible en: https://www.frontiersin.org/articles/10.3389/fmed.2023.1109411

  27.            Ali O, Abdelbaki W, Shrestha A, Elbasi E, Alryalat MAA, Dwivedi YK. A systematic literature review of artificial intelligence in the healthcare sector: Benefits, challenges, methodologies, and functionalities. Journal of Innovation & Knowledge. 1 de enero de 2023;8(1):100333.

  28.            Srivastava R. Applications of Artificial Intelligence in Medicine. Exploratory Research and Hypothesis in Medicine. 19 de septiembre de 2023;0(000):0-0.

  29.            Mehta V. Artificial Intelligence in Medicine: Revolutionizing Healthcare for Improved Patient Outcomes | Journal of Medical Research and Innovation. 3 de junio de 2023 [citado 5 de enero de 2024]; Disponible en: https://jmrionline.com/jmri/article/view/292

  30.            Whicher D, Rapp T. The Value of Artificial Intelligence for Healthcare Decision Making�Lessons Learned. Value in Health. 1 de marzo de 2022;25(3):328-30.

  31.            Maron JL. Impact of Artificial Intelligence on Clinical Decision-Making in Health Care. Clinical Therapeutics. 1 de junio de 2022;44(6):825-6.

  32.            Giordano C, Brennan M, Mohamed B, Rashidi P, Modave F, Tighe P. Accessing Artificial Intelligence for Clinical Decision-Making. Front Digit Health. 25 de junio de 2021; 3:645232.

  33.            Triberti S, Durosini I, Pravettoni G. A �Third Wheel� Effect in Health Decision Making Involving Artificial Entities: A Psychological Perspective. Frontiers in Public Health [Internet]. 2020 [citado 5 de enero de 2024];8. Disponible en: https://www.frontiersin.org/articles/10.3389/fpubh.2020.00117

  34.            Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J. junio de 2019;6(2):94-8.

  35.            Ahuja AS. The impact of artificial intelligence in medicine on the future role of the physician. PeerJ. 4 de octubre de 2019;7: e7702.

  36.            Jeyaraman M, Balaji S, Jeyaraman N, Yadav S, Jeyaraman M, Balaji S, et al. Unraveling the Ethical Enigma: Artificial Intelligence in Healthcare. Cureus [Internet]. 10 de agosto de 2023 [citado 5 de enero de 2024];15(8). Disponible en: https://www.cureus.com/articles/178557-unraveling-the-ethical-enigma-artificial-intelligence-in-healthcare

  37.            Masters K. Ethical use of Artificial Intelligence in Health Professions Education: AMEE Guide No. 158. Med Teach. junio de 2023;45(6):574-84.

  38.            Tang L, Li J, Fantus S. Medical artificial intelligence ethics: A systematic review of empirical studies. Digit Health. 6 de julio de 2023; 9:20552076231186064.

  39.            Zhang J, Zhang Z ming. Ethics and governance of trustworthy medical artificial intelligence. BMC Medical Informatics and Decision Making [Internet]. 2023 [citado 5 de enero de 2024];23. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9840286/

  40.            Prakash S, Balaji JN, Joshi A, Surapaneni KM. Ethical Conundrums in the Application of Artificial Intelligence (AI) in Healthcare�A Scoping Review of Reviews. J Pers Med. 16 de noviembre de 2022;12(11):1914.

  41.            Naik N, Hameed BMZ, Shetty DK, Swain D, Shah M, Paul R, et al. Legal and Ethical Consideration in Artificial Intelligence in Healthcare: Who Takes Responsibility? Frontiers in Surgery [Internet]. 2022 [citado 5 de enero de 2024];9. Disponible en: https://www.frontiersin.org/articles/10.3389/fsurg.2022.862322

  42.            Bhattacharya S, Hossain MM, Juyal R, Sharma N, Pradhan KB, Singh A. Role of Public Health Ethics for Responsible Use of Artificial Intelligence Technologies. Indian J Community Med. 2021;46(2):178-81.

  43.            Abdullah YI, Schuman JS, Shabsigh R, Caplan A, Al-Aswad LA. Ethics of Artificial Intelligence in Medicine and Ophthalmology. The Asia-Pacific Journal of Ophthalmology. junio de 2021;10(3):289.

  44.            Farhud DD, Zokaei S. Ethical Issues of Artificial Intelligence in Medicine and Healthcare. Iran J Public Health. noviembre de 2021;50(11): i-v.

  45.            Basu T, Engel-Wolf S, Menzer O. The Ethics of Machine Learning in Medical Sciences: Where Do We Stand Today? Indian J Dermatol. 2020;65(5):358-64.

  46.            Rigby MJ. Ethical Dimensions of Using Artificial Intelligence in Health Care. AMA Journal of Ethics. 1 de febrero de 2019;21(2):121-4.

  47.            Mitra P, Gupta S, Sharma P. Artificial Intelligence in Clinical Chemistry: Dawn of a New Era? Ind J Clin Biochem. 1 de octubre de 2023;38(4):405-6.

  48.            Zhang L, Hu ZD. Clinical applications of machine learning in pre-analytical, analytical and post-analytical phases of laboratory medicine: a narrative review. AME Medical Journal [Internet]. 30 de diciembre de 2022 [citado 5 de enero de 2024];7(0). Disponible en: https://amj.amegroups.org/article/view/7424

  49.            Herman DS, Rhoads DD, Schulz WL, Durant TJS. Artificial Intelligence and Mapping a New Direction in Laboratory Medicine: A Review. Clin Chem. 1 de noviembre de 2021;67(11):1466-82.

  50.            Halasey S. AI�s Impact on In Vitro Diagnostics [Internet]. Clinical Lab Products. 2019 [citado 5 de enero de 2024]. Disponible en: https://clpmag.com/diagnostic-technologies/anatomic-pathology/microscopy/ais-impact-on-in-vitro-diagnostics/

  51.            Varkey B. Principles of Clinical Ethics and Their Application to Practice. Med Princ Pract. 2021;30(1):17-28.

  52.            Brown C, Nazeer R, Gibbs A, Page PL, Mitchell AR, Brown C, et al. Breaking Bias: The Role of Artificial Intelligence in Improving Clinical Decision-Making. Cureus [Internet]. 20 de marzo de 2023 [citado 5 de enero de 2024];15(3). Disponible en: https://www.cureus.com/articles/143345-breaking-bias-the-role-of-artificial-intelligence-in-improving-clinical-decision-making

 

 

 

 

 

 

� 2024 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';





Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/