Uso de la inteligencia artificial para el desarrollo de un mapa de evidencia viva: el ejemplo de la farmacopuntura

Área de la Ciencia:

• Medicina integradora y complementaria
• Informática de la salud
• La inteligencia artificial en la investigación

Sus antecedentes:

• Los mapas de evidencia son cruciales para visualizar paisajes de investigación e identificar prioridades, pero los métodos tradicionales requieren un amplio monitoreo de la literatura manual.
• La farmacopuntura, una terapia de medicina coreana, consiste en inyectar extractos medicinales en los puntos de acupuntura, un área con un creciente cuerpo de investigación.
• La necesidad de una síntesis de evidencia eficiente y actualizada en campos especializados como la farmacopuntura es significativa.

Objetivo del estudio:

• Desarrollar y validar un sistema automatizado basado en inteligencia artificial (IA) para construir y mantener un mapa de evidencia viva.
• Mejorar la identificación de las lagunas y prioridades de investigación en farmacopuntura a través de un sistema automatizado.
• Evaluar el rendimiento y la eficiencia temporal del sistema de IA en comparación con los métodos manuales.

Principales métodos:

• Se desarrolló un sistema basado en la web, que integra la API de PubMed y la IA de Gemini para la búsqueda automatizada de literatura, selección, extracción de datos y clasificación.
• La precisión del sistema se evaluó en nueve tareas distintas, con la revisión manual de expertos como punto de referencia.
• Se implementó un sistema interactivo de visualización de gráficos de burbujas para facilitar la identificación intuitiva de las lagunas de la investigación.

Principales resultados:

• El sistema de IA demostró una alta precisión general (94,00%) en el procesamiento de 202 artículos, con tareas específicas como la extracción del tamaño de la muestra logrando un error del 0%.
• La mayoría de las tareas, incluida la extracción de nombres de farmacopuntura (tasa de error del 22,22%), superaron el 90% de precisión.
• Se observó una mejora significativa en la eficiencia del tiempo, con una reducción del 68,9% en el tiempo requerido (59 minutos frente a 190 minutos), lo que confirma la viabilidad de las actualizaciones diarias.

Conclusiones:

• El mapa de evidencia viva impulsado por IA ofrece una mejora sustancial sobre los métodos estáticos para organizar evidencia de investigación.
• El sistema identifica intuitivamente las lagunas de investigación, lo que permite una priorización y dirección más efectivas de la futura investigación en farmacopuntura.
• El sistema desarrollado proporciona un seguimiento preciso y continuamente actualizado de la evidencia para la investigación farmacológica, ahorrando tiempo y recursos considerables.