Algunos de los componentes y subcampos de la IA, pueden beneficiar a la salud pública:
✓ Aprendizaje automático: proceso de aplicación de datos de entrenamiento a un “algoritmo de aprendizaje”. El algoritmo genera un conjunto de reglas sobre la base de los patrones de datos identificados.
Estas reglas pueden usarse para clasificar datos nuevos o predecir datos futuros. Con el uso de diferentes datos de entrenamiento, el mismo algoritmo de aprendizaje puede utilizarse para generar diferentes modelos; por ejemplo, predicción de enfermedades.
✓ Búsqueda cognitiva: uso de soluciones de IA (como aprendizaje automático y procesamiento del lenguaje natural) para incorporar y comprender contenido digital de muchas fuentes diferentes, como: texto, imágenes, video y datos legibles por máquina.
El objetivo es mejorar la pertinencia de los resultados generados a partir de una búsqueda de usuario.
✓ Procesamiento del lenguaje natural (PLN): El PLN automatiza la capacidad para leer, entender y extraer significado del lenguaje humano. A continuación, se describen dos subcampos del PLN de particular interés.
Comprensión del lenguaje natural: algoritmos para entender escritos humanos por medio de una comprensión codificada de la gramática, la sintaxis y la semántica.
Generación de lenguaje natural: algoritmos para transformar automáticamente los datos estructurados en lenguaje sencillo. Es la contraparte de la comprensión del lenguaje natural.
✓ Robótica: área de investigación interdisciplinaria en la interfaz de la informática y la ingeniería. El objetivo de la robótica es diseñar máquinas inteligentes que faciliten la actividad humana.
✓ Agentes virtuales (chatbots): También conocidos como “agentes de conversación”, son aplicaciones informáticas que imitan el habla humana escrita u oral para simular una conversación o una interacción con una persona real.
✓ Visión por computadora: entrenamiento de las computadoras para que interpreten y entiendan el mundo visual. Usando imágenes digitales de cámaras, videos y métodos de aprendizaje profundo, las máquinas pueden identificar y clasificar objetos con precisión.
✓ Aprendizaje profundo: subcampo del aprendizaje automático que usa algoritmos diseñados en forma de redes de decisiones para aprender de los datos. Estas redes a menudo se denominan redes neuronales.
Cuando las redes tienen muchas capas, se denominan redes neuronales profundas o redes de aprendizaje profundo. El aprendizaje profundo puede identificar enfermedades sobre la base de imágenes y predecir el estado de salud a partir de historias clínicas electrónicas.
✓ Análisis del habla: proceso que consiste en analizar el habla en vivo o grabada para comprenderla y extraer significado.
A la hora de aplicar soluciones de IA para la salud pública, es necesario tener en cuenta los principios éticos de beneficencia, no maleficencia, autonomía y justicia, junto con el respeto de los derechos humanos tales como la dignidad, el respeto de la vida, la libertad, la salud, la autodeterminación, la equidad, la justicia, la privacidad y la propiedad.
Las principales esferas de la legislación que deben considerarse para aplicar la IA en la salud pública son las siguientes:
- protección de datos, privacidad y libertad de información;
- reglamentación de las historias clínicas electrónicas;
- acuerdos para el intercambio nacional (y posiblemente regional) de información de salud;
- evaluaciones de la tecnología sanitaria para la IA.
Su relación con los ocho principios para la transformación digital de la salud pública, se encuentra a mediados del 2020, cuando las Naciones Unidas presentaron ocho áreas de colaboración basadas en recomendaciones de un grupo especial de alto nivel sobre la cooperación técnica en la era de la interdependencia digital.
La OPS ha adoptado y adaptado esas áreas en estos principios para que reflejen los imperativos de la transformación digital del sector de la salud:
1) conectividad universal; 2) bienes digitales; 3) salud digital incluyente; 4) interoperabilidad; 5) derechos humanos; 6) inteligencia artificial; 7) seguridad de la información, y 8) arquitectura de la salud pública.
Principio 6: Inteligencia artificial. La participación de la cooperación mundial en materia de inteligencia artificial y toda tecnología emergente debe formar parte de las políticas de salud pública. Esto significa incluir las dimensiones individuales y sociales en una realidad globalizada e interconectada que ya forma parte de la condición humana.
Esta cooperación, además de operar en redes multisectoriales e interdisciplinarias, es vital para el diseño y la adopción de soluciones de inteligencia artificial que promuevan enfoques de equidad, género y diversidad cultural con algoritmos seguros, fiables y abiertos.
