Una introducción a las aplicaciones de la inteligencia artificial en Medicina: Aspectos históricos

En un sentido amplio la inteligencia artificial y el aprendizaje automático se ha aplicado a los datos médicos desde los inicios de la informática dado el profundo arraigo de esta área en la innovación, pero los últimos años han sido testigo de una generación cada vez mayor de datos relacionados con...

Full description

Autores:
Arias Vanegas, Víctor Alfonso
Salazar Vílchez, Juan
Garicano Soto, Carlos Hernando
Contreras Velásquez, Julio César
Chacón Rangel, José Gerardo
Chacín González, Maricarmen
Añez, Roberto J.
Rojas Quintero, Joselyn Joanna
Bermúdez Pirela, Valmore José
Tipo de recurso:
Article of investigation
Fecha de publicación:
2019
Institución:
Tecnológico de Antioquia
Repositorio:
Repositorio Tdea
Idioma:
spa
OAI Identifier:
oai:dspace.tdea.edu.co:tdea/2821
Acceso en línea:
https://dspace.tdea.edu.co/handle/tdea/2821
Palabra clave:
Innovación
Innovation
Inovação
Inteligencia Artificial
Artificial Intelligence
Inteligência Artificial
Registros Médicos
Medical Records
Databases
Base de datos
Rights
openAccess
License
https://creativecommons.org/licenses/by-nd/4.0/
Description
Summary:En un sentido amplio la inteligencia artificial y el aprendizaje automático se ha aplicado a los datos médicos desde los inicios de la informática dado el profundo arraigo de esta área en la innovación, pero los últimos años han sido testigo de una generación cada vez mayor de datos relacionados con las ciencias de la salud, cuestión que ha dado nacimiento a un nuevo campo de las ciencias de la computación llamado big data. Los datos médicos a gran escala (en forma de bases de datos estructuradas y no estructuradas) si son apropiadamente adquiridos e interpretados pueden generar grandes beneficios al reducir los costos y los tiempos del servicio de salud, pero también podrían servir para predecir epidemias, mejorar los esquemas terapéuticos, asesorar a médicos en lugares remotos y mejorar la calidad de vida. Los algoritmos de deep learning son especialmente útiles para manejar esta gran cantidad de datos complejos, poco documentados y generalmente no estructurados; todo esto debido a que el deep learning puede irrumpir al crear modelos que descubren de forma automática las características principales, así como las que mejor predicen el comportamiento de otras variables dentro de una gran cantidad de datos complejos. En el futuro, la relación hombre-máquina en biomedicina será más estrecha; mientras que la máquina se encargará de tareas de extracción, limpieza y búsquedas de correlaciones, el médico se concentraría en interpretar estas correlaciones y buscar nuevos tratamientos que mejoren la atención y en última instancia la calidad de vida del paciente. Palabras clave: Inteligencia artificial, innovación, registros médicos, bases de.