Examen de alcance sobre los aspectos económicos de las aplicaciones de aprendizaje automático en la atención...

Área de la Ciencia:

• Economía de la salud
• Inteligencia artificial en el cuidado de la salud
• Aplicaciones de aprendizaje automático

Sus antecedentes:

• El uso creciente de la IA y el aprendizaje automático en el cuidado de la salud requiere evidencia sobre la seguridad y el valor económico.
• Las evaluaciones económicas son cruciales para la toma de decisiones y la asignación de recursos sanitarios.
• Esta revisión de alcance sintetiza los métodos actuales para la evaluación económica de las tecnologías de aprendizaje automático en la atención médica.

Objetivo del estudio:

• Trazar un mapa y sintetizar los enfoques existentes para la evaluación económica de las tecnologías basadas en el aprendizaje automático en la atención sanitaria.
• Identificar las lagunas en la presentación de informes y la cobertura de las evaluaciones económicas para la IA en el ámbito sanitario.
• Evaluar la alineación de los estudios actuales con las directrices de notificación como CHEERS-AI.

Principales métodos:

• Una revisión exhaustiva del alcance siguiendo las directrices de JBI.
• Se buscó en seis de las principales bases de datos (PubMed, CINAHL, Cochrane, Embase, Scopus, IEEE Xplore).
• Los 18 estudios analizados incluyeron estadísticas descriptivas y codificación inductiva, comparando con la declaración de CHEERS-AI.

Principales resultados:

• Se incluyeron dieciocho estudios que incluían evaluaciones económicas, de impacto y de rendimiento.
• El análisis de la relación coste-eficacia fue el método de evaluación económica más común.
• Se encontraron brechas significativas en los informes, con una alineación promedio con CHEERS-AI de solo el 39,6%, particularmente baja para los detalles específicos de la IA (21,3%).

Conclusiones:

• La literatura actual sobre la evaluación económica de las tecnologías de aprendizaje automático en el cuidado de la salud carece de coherencia y cobertura completa.
• Es necesario perfeccionar los marcos de desarrollo de la IA para incluir la evaluación del sistema y la post-implementación.
• La mejora de la colaboración multidisciplinaria es esencial para que las evaluaciones económicas sean sólidas.