oportunidades-de-la-inteligencia-artificial

Vista previa del material en texto

Oportunidades de la Inteligencia Artificial 
en Salud
Walter H. Curioso, Ph.D., M.D., M.P.H.
Vicerrector de Investigación
Universidad Continental
wcurioso@continental.edu.pe
@waltercurioso
I N T E L I G E N C I A A R T I F I C I A L : D E F I N I C I Ó N ( M I N S A )
• Es la serie de tecnologías que sirven para 
emular características o capacidades exclusivas 
del intelecto humano. 
• La Inteligencia Artificial en el campo de la 
salud, se basa en la utilización de algoritmos y 
técnicas de software para predecir la situación 
de salud humana a través del análisis de 
conjuntos de datos médicos.*
*Juan Ignacio Barrios Arce, 31 mayo, 2019, Inteligencia Artificial y salud, Ciencia de datos, Inteligencia Artificial, Inteligencia de Negocios, machine learning.
I N T E L I G E N C I A A R T I F I C I A L ( M I N S A )
http://bvs.minsa.gob.pe/local/MINSA/5165.pdf 
http://bvs.minsa.gob.pe/local/MINSA/5165.pdf
E J E S E S T R A T É G I C O S – E . N . I N T E L I G E N C I A A R T I F I C I A L
https://www.gob.pe/institucion/pcm/informes-publicaciones/1929011-estrategia-nacional-de-inteligencia-artificial
https://guias.servicios.gob.pe/creacion-servicios-digitales/inteligencia-artificial/enia
https://www.gob.pe/institucion/pcm/informes-publicaciones/1929011-estrategia-nacional-de-inteligencia-artificial
https://guias.servicios.gob.pe/creacion-servicios-digitales/inteligencia-artificial/enia
https://busquedas.elperuano.pe/normaslegales/ley-que-promueve-el-uso-de-la-inteligencia-artificial-en-fav-ley-n-31814-2192926-1/
Artículo 2. Interés nacional
Es de interés nacional la promoción del 
talento digital en el aprovechamiento de las 
tecnologías emergentes y nuevas 
tecnologías en favor del bienestar social y 
económico, así como el fomento del 
desarrollo y uso de la inteligencia artificial 
para la mejora de los servicios públicos, de la 
educación y los aprendizajes, la salud, la 
justicia, la seguridad ciudadana, la seguridad 
digital, la economía, la inclusión, los 
programas sociales, la seguridad y la defensa 
nacional, así como para toda otra actividad 
económica y social a nivel nacional.
L E Y Q U E P R O M U E V E E L U S O D E L A I N T E L I G E N C I A 
A R T I F I C I A L E N F A V O R D E L D E S A R R O L L O
https://busquedas.elperuano.pe/normaslegales/ley-que-promueve-el-uso-de-la-inteligencia-artificial-en-fav-ley-n-31814-2192926-1/
I N T E L I G E N C I A A R T I F I C I A L : 
H I S T O R I A
Chacón JG, Flórez AS, Rodríguez E. La inteligencia artificial y sus contribuciones a la física médica y la bioingeniería. Revista MundoFesc. 2015;1(9):60-63
Inteligencia artificial
Aprendizaje automático o 
automatizado 
Aprendizaje profundo
C O N C E P T O S B Á S I C O S D E L A 
I N T E L I G E N C I A A R T I F I C I A L
Chacón JG, Flórez AS, Rodríguez E. La inteligencia artificial y sus contribuciones a la física médica y la bioingeniería. Revista MundoFesc. 2015;1(9):60-63
Inteligencia artificial
Aprendizaje automático o 
automatizado 
Aprendizaje profundo
Deep Learning:
Utiliza «diversas cadenas de 
redes neuronales que 
además de conformar 
estructuras complejas 
secuenciales o en diversas 
configuraciones, las 
configuran en roles 
diferentes»
eRX
D E S A F Í O S E N E L P R O C E S O D E D I A G N Ó S T I C O D E L A 
T U B E R C U L O S I S
R E D E S N E U R O N A L E S C O N V O L U C I O N A L E S
( C N N s )
• Son una clase de aprendizaje profundo que utiliza una red neuronal artificial 
para analizar imágenes visuales.
• Tipo de Redes Neuronales muy efectivas en las tareas de reconocimiento y 
clasificación.
• Las redes neuronales convolucionales se han convertido en la técnica 
preferida para analizar imágenes médicas. 
Input =>Convolutional Layer =>Sub-sampling/Pooling Layer =>Fully-connected Layer =>Output
https://rpmesp.ins.gob.pe/index.php/rpmesp/article/view/5585/3741
https://rpmesp.ins.gob.pe/index.php/rpmesp/article/view/5585/3741
O P T I M I Z A N D O E L P R O C E S O D E D I A G N Ó S T I C O D E L A 
T U B E R C U L O S I S C O N I N T E L I G E N C I A A R T I F I C I A L
Curioso WH, Brunette MJ. Inteligencia artificial e innovación para optimizar el proceso de diagnóstico de la tuberculosis. Rev Peru Med Exp 
Salud Publica. 2020;37(3). doi: https://doi.org/10.17843/rpmesp.2020.373.5585
Placa de Rx Extracción de la 
región
Redes neuronales 
convolucionales
Clasificación de 
regiones y 
reconocimiento de 
manifestaciones de 
tuberculosis
http://www.cs.uml.edu/~cliu/pub/ICIP_2017_CameraReady_preprint.pdf 
We achieve an 85.68% classification accuracy in a 
large TB image dataset, surpassing any state-of-art 
classification accuracy in this area.
E R X : 8 5 . 6 8 % P R E C I S I Ó N ( 2 0 1 7 )
http://www.cs.uml.edu/~cliu/pub/ICIP_2017_CameraReady_preprint.pdf
https://www.scielosp.org/pdf/rpmesp/2017.v34n3/544-550/es
R O L D E L O S F A C T O R E S S O C I O T É C N I C O S
https://www.scielosp.org/pdf/rpmesp/2017.v34n3/544-550/es
https://www.scielosp.org/pdf/rpmesp/2017.v34n3/544-550/es
S I S T E M A S O C I O T É C N I C O
https://www.scielosp.org/pdf/rpmesp/2017.v34n3/544-550/es
Brunette MJ, Curioso WH. Sistemas de salud móvil integrados: rol de los factores socioculturales y el enfoque de sistemas sociotécnico. Rev Peru Med Exp Salud Publica. 2017;34(3):544-50. doi: 10.17843/rpmesp.2017.343.2859. 
E N F O Q U E D E S I S T E M A S O C I O T É C N I C O
Alcantara MF, Cao Y, Liu B, Liu C, Zhang N, Zhang P, Griffin T, Curioso WH, Ugarte-Gil C, Brunette MJ. eRx – A technological advance to speed-up TB 
diagnostics. Smarth Health. 2020(16):100117. doi: 10.1016/j.smhl.2020.100117.
E R X - S M A R T H H E A L T H ( 2 0 2 0 )
Curioso WH, Brunette MJ. Inteligencia artificial e innovación para optimizar el proceso de diagnóstico de la tuberculosis. Rev Peru Med Exp Salud Publica 
2020;37(3):554-8. doi: https://doi.org/10.17843/rpmesp.2020.373.5585
I N T E L I G E N C I A A R T I F I C A L E I N N O V A C I Ó N
Islam MM, Poly TN, Alsinglawi B, Lin MC, Hsu M-H, Li Y-C. A State-of-the-Art Survey on Artificial Intelligence to Fight COVID-19. Journal of Clinical Medicine. 
2021; 10(9):1961. https://doi.org/10.3390/jcm10091961
A P L I C A C I O N E S D E L A I A E N M E D I C I N A
C H A T G P T Y A R T I C U L O S C I E N T I F I C O S
C H A T G P T
• ChatGPT: desarrollado por OpenAI (noviembre 2022).
• Es un tipo de chatbot (aplicación informática que simula 
una conversación real con una persona) que emplea el 
modelo de lenguaje Generative Pre-trained Transformer. 
• Permite mediante conversación escrita, responder a todo 
tipo de demandas (prompts). 
https://neurologia.com/articulo/2023066/esp
“Prompt”: se refiere al “input” o información que 
facilitamos en formato texto a ChatGPT. Esta entrada de 
información puede ser una orden, una pregunta, una 
afirmación o incluso un tema de conversación
0
200
400
600
800
1000
1200
1400
1600
1800
2022 2023
en
P E R F O R M A N C E D E L C H A T G P T E N E L U S M L E ( U S A )
• Los autores evaluaron el rendimiento del 
ChatGPT en el Examen de licencia médica de 
los Estados Unidos (USMLE), que consta de 
tres exámenes: USMLE Step 1, Step 2, y Step 
3.
• ChatGPT aprobó los tres exámenes. sin 
ninguna formación especializada o refuerzo. 
Además, ChatGPT demostró un alto nivel de 
concordancia y coherencia en sus 
explicaciones. 
• Los resultados sugieren que los modelos de 
lenguaje extenso pueden tener el potencial de 
ayudar con la educación médica y, 
potencialmente, con la toma de decisiones 
clínicas.
https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0000198
https://journals.plos.org/digitalhealth/article?id=10.1371/journal.pdig.0000198
P E R F O R M A N C E D E L C H A T G P T E N E L E N A M ( P E R U )
https://mededu.jmir.org/2023/1/e48039/PDF
• GPT-4 precisión de 86% en el ENAM
• GPT-3.5 precisiónde 77% en el ENAM
• Las personas que respondieron el ENAM: 
precisión del 55%
• Concordancia entre GPT-3.5 y GPT-4 
(κ=0.38) 
https://mededu.jmir.org/2023/1/e48039/PDF
C O N S I D E R A C I O N E S D E L A I A E N S A L U D
OMS. https://iris.who.int/handle/10665/373421
• Resalta la importancia de la seguridad y eficacia de los 
sistemas y modelos de IA, y la necesidad de fomentar el 
diálogo entre las partes interesadas, incluyendo a 
reguladores, desarrolladores, fabricantes, trabajadores de 
la salud y pacientes.
• OMS destaca 6 áreas clave para las consideraciones 
regulatorias:
• Documentación y transparencia
• Gestión de riesgos y enfoques del ciclo de vida de 
desarrollo de sistemas de IA
• Uso previsto y validación analítica y clínica
• Calidad de datos
• Privacidad y protección de datos
• Compromiso y colaboración
https://iris.who.int/handle/10665/373421
¿ L A I N T E L I G E N C I A A R T I F I C I A L R E E M P L A Z A R Á A L O S 
M É D I C O S ?
La inteligencia artificial no 
reemplazará a los 
médicos, pero los médicos 
que usen la inteligencia 
artificial reemplazarán a los 
médicos que no la usan.
Langlotz, C.P., 2019. Will Artificial Intelligence Replace Radiologists? Radiol Artif Intell 1,e190058. https://doi.org/10.1148/ryai.2019190058 
https://doi.org/10.1148/ryai.2019190058
Muchas gracias 
Walter H. Curioso, M.D., Ph.D., M.P.H.
Vicerrector de Investigación
Universidad Continental
wcurioso@continental.edu.pe
@waltercurioso
	Diapositiva 1: Oportunidades de la Inteligencia Artificial en Salud
	Diapositiva 2
	Diapositiva 3
	Diapositiva 4
	Diapositiva 5: https://busquedas.elperuano.pe/normaslegales/ley-que-promueve-el-uso-de-la-inteligencia-artificial-en-fav-ley-n-31814-2192926-1/ 
	Diapositiva 6
	Diapositiva 7
	Diapositiva 8
	Diapositiva 9
	Diapositiva 10
	Diapositiva 11
	Diapositiva 12
	Diapositiva 13
	Diapositiva 14
	Diapositiva 15
	Diapositiva 16
	Diapositiva 17
	Diapositiva 18
	Diapositiva 19
	Diapositiva 20
	Diapositiva 21
	Diapositiva 22
	Diapositiva 23
	Diapositiva 24
	Diapositiva 25: Muchas gracias 
	Diapositiva 26