La inteligencia artificial en Salud Pública: oportunidades, retos éticos y perspectivas futuras
e202503017
Palabras clave:
Inteligencia Artificial, Salud Pública, ética en IA, vigilancia epidemiológica, modelos predictivos, privacidad de datos, transparencia algorítmica, desigualdades en salud, capacitación profesional, innovación tecnológicaResumen
La inteligencia artificial (IA) está transformando la Salud Pública al proporcionar herramientas innovadoras para enfrentar desafíos globales complejos. Su capacidad para analizar grandes volúmenes de datos en tiempo real permite mejorar la vigilancia epidemiológica, optimizar la gestión de recursos sanitarios y personalizar intervenciones preventivas. Estas aplicaciones han demostrado ser valiosas en situaciones como pandemias, donde los algoritmos de IA han contribuido a la predicción de brotes, la asignación eficiente de recursos y el diseño de estrategias dirigidas.
Sin embargo, la adopción de la IA también plantea importantes desafíos éticos y regulatorios. Cuestiones como la privacidad de los datos, la transparencia de los algoritmos y los sesgos en los modelos destacan la necesidad de marcos normativos robustos que garanticen su uso ético y equitativo. Además, la falta de capacitación de los profesionales de la Salud Pública y la alfabetización digital de las comunidades limitan el impacto potencial de estas tecnologías.
Este artículo analiza las aplicaciones prácticas, los desafíos éticos y las estrategias necesarias para una adopción responsable de la IA en la Salud Pública. Se enfatiza la importancia de la capacitación, la colaboración interdisciplinaria y la investigación continua para garantizar que la IA se convierta en una herramienta transformadora que contribuya al bienestar global. Si se implementa de manera ética y sostenible, la IA puede desempeñar un papel crucial en la promoción de la equidad y la calidad en los sistemas de Salud Pública.
Descargas
Citas
He J, Baxter SL, Xu J, Xu J, Zhou X, Zhang K, Wong ST. The practical implementation of artificial intelligence technologies in medicine. Nat Med. 2019;25:30-36. https://doi.org/10.1038/s41591-018-0307-0
Vitorino LM, Júnior GHY. Artificial intelligence in epidemic management: Transforming public health in Brazil and beyond. HSJ. 2024. Recuperado de: https://portalrcs.hcitajuba.org.br/index.php/rcsfmit_zero/article/download/1579/952
Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25:44-56. https://doi.org/10.1038/s41591-018-0300-7
Beam AL, Kohane IS. Big Data and Machine Learning in Health Care. JAMA. 2018;319(13):1317-1318. https://doi.org/10.1001/jama.2017.18391
Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, Wang Y, Dong Q, Shen H, Wang Y. Artificial intelligence in healthcare: Past, present, and future. Stroke Vasc Neurol. 2017;2(4):230-243. https://doi.org/10.1136/svn-2017-000101
Price WN, Cohen IG. Privacy in the age of artificial intelligence. Science. 2019;363(6422):1-4. https://doi.org/10.1038/s41591-018-0272-7
Char DS, Shah NH, Magnus D. Implementing machine learning in health care-Addressing ethical challenges. N Engl J Med. 2018;378(11):981-983. https://doi.org/10.1056/NEJMp1714229
Mittermaier M, Raza MM, Kvedar JC. Bias in AI-based models for medical applications: challenges and mitigation strategies. npj Digit. Med.2023; 6, 113. https://doi.org/10.1038/s41746-023-00858-z
Buolamwini J, Gebru T. Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification. Proceedings of Machine Learning Research. 2018;81:77-91. Disponible en: https://proceedings.mlr.press/v81/buolamwini18a.html
O’Neill O, Costello F. Systematic Bias in Sample Inference and its Effect on Machine Learning. arXiv preprint. 2023. https://arxiv.org/abs/2307.01384
Sengupta K, Srivastava PR. Causal effect of racial bias in data and machine learning algorithms on user persuasiveness & discriminatory decision making: An Empirical Study. arXiv preprint. 2022. https://arxiv.org/abs/2202.00471
Gándara D, Anahideh H, Ison MP, Tayal A. Inside the Black Box: Detecting and Mitigating Algorithmic Bias across Racialized Groups in College Student-Success Prediction. arXiv preprint. 2023. https://arxiv.org/abs/2301.03784
Floridi L, Cowls J, Beltrametti M, Chatila R, Chazerand P, Dignum V, Luetge C, Madelin R, Pagallo U, Rossi F, Schafer B, Valcke P, Vayena E. AI governance: The need for regulation and accountability. Science. 2020;361(6404):759-760. https://doi.org/10.1126/science.aap9551
Al Kuwaiti A, Nazer K, Al-Reedy A et al. A Review of the Role of Artificial Intelligence in Healthcare. J Pers Med. 2023;13(6):951. Publicado 5 jun 2023. https://doi.org/10.3390/jpm13060951
Dankwa-Mullan I. Health equity and ethical considerations in using artificial intelligence in public health and medicine. Prev Chronic Dis. 2024;21:240245. https://doi.org/10.5888/pcd21.240245
Comisión Europea. Directrices éticas para una IA fiable. Luxemburgo: Oficina de Publicaciones de la Unión Europea; 2019. https://doi.org/10.2759/346720
Descargas
Publicado
Cómo citar
Número
Sección
Categorías
Licencia
Derechos de autor 2025 Sergio Castaño Castaño
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Usted es libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato.
La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia.
Bajo los siguientes términos:
Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
NoComercial — Usted no puede hacer uso del material con propósitos comerciales.
SinDerivadas — Si remezcla, transforma o crea a partir del material, no podrá distribuir el material modificado.
No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Avisos:
No tiene que cumplir con la licencia para elementos del material en el dominio público o cuando su uso esté permitido por una excepción o limitación aplicable.
No se dan garantías. La licencia podría no darle todos los permisos que necesita para el uso que tenga previsto. Por ejemplo, otros derechos como publicidad, privacidad, o derechos morales pueden limitar la forma en que utilice el material.
