Video Experimental Relacionado
Updated: Apr 10, 2026

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
Published on: December 6, 2024
La inteligencia artificial en las ciencias biomédicas: una revisión de alcance
Rasha Abu-El-Ruz1, Ali Hasan2, Dima Hijazi3
1Department of Biomedical Sciences, College of Health Sciences, QU Health, Qatar University, Doha, Qatar.
La inteligencia artificial (IA) en las ciencias biomédicas está creciendo rápidamente, pero carece de una caracterización completa. Esta revisión sintetiza la IA
Área de la Ciencia:
- Ciencias biomédicas
- Inteligencia artificial
- Tecnología de la salud
Sus antecedentes:
- La inteligencia artificial (IA) se integra cada vez más en la atención médica para el diagnóstico, el tratamiento, el monitoreo y la prevención de enfermedades.
- A pesar de su uso generalizado, las características de la IA dentro de las ciencias biomédicas siguen siendo poco exploradas.
Objetivo del estudio:
- Realizar una revisión de alcance que explore las características de la IA en las ciencias biomédicas.
- Para sintetizar los hallazgos en seis ámbitos y comprender la relevancia de la IA para la educación biomédica.
Principales métodos:
- Utilizó los marcos de Arksey y O'Malley para la revisión del alcance.
- Busqué en las bases de datos de PubMed, Embase y Web of Science sin restricciones.
- Se extrajeron y sintetizaron datos de 192 artículos incluidos.
Principales resultados:
- Las publicaciones de IA en ciencias biomédicas muestran un aumento constante, predominantemente de países de altos ingresos como los Estados Unidos.
- El aprendizaje automático es el modelo de IA más común, y la microbiología es la disciplina más asociada.
- Existe una brecha significativa en la investigación sobre la IA en la educación en ciencias biomédicas, con solo seis estudios identificados.
Conclusiones:
- La IA en las ciencias biomédicas está subcaracterizada debido a las variaciones en los modelos, las disciplinas y las perspectivas de aplicación.
- Las oportunidades incluyen una mayor eficiencia y precisión, mientras que las limitaciones implican la complejidad y robustez del modelo.
Más Videos Relacionados
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
05:33Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System
Published on: July 11, 2025