Cerrando la brecha de beneficios de la IA: Diseño de sistemas para la equidad en la salud poblacional

Área de la Ciencia:

• Salud Pública; Informática de la Salud; Inteligencia Artificial

Sus antecedentes:

• La Inteligencia Artificial (IA) promete mejorar la efectividad, eficiencia y equidad de la atención médica, pero no se observan consistentemente beneficios generalizados y mejoras en los resultados a nivel poblacional.
• Las aplicaciones actuales de IA en la atención médica a menudo enfrentan desafíos para escalar y demostrar ganancias tangibles en la salud poblacional, a pesar de implementaciones exitosas.

Objetivo del estudio:

• Identificar las causas raíz de la "brecha de beneficios" en la implementación de la IA de la atención médica.
• Proponer un nuevo marco para el desarrollo y despliegue de la IA en la atención médica para lograr objetivos de salud poblacional.

Principales métodos:

• Análisis de los desafíos y limitaciones en las aplicaciones actuales de IA en la atención médica, extraído del simposio "Global Health in the Age of AI" de 2024.
• Argumentación a favor de un cambio fundamental en la función y el diseño fundamental de la IA en la atención médica.

Principales resultados:

• La "brecha de beneficios" en la IA de la atención médica se atribuye a dos problemas centrales: infraestructura fundamental inadecuada y un enfoque inapropiado en la optimización de la salud individual en lugar de la salud poblacional.
• Las intervenciones políticas existentes son insuficientes para cerrar esta brecha; se requiere un rediseño sistémico.

Conclusiones:

• La IA debe ser reorientada para funciones de salud a nivel poblacional, respaldada por fundamentos sólidos y diseñados sistémicamente.
• La cocreación de la función y los fundamentos de la IA por parte de las comunidades afectadas, los profesionales de la salud y los desarrolladores de IA es esencial para materializar el potencial de la IA en la salud poblacional y prevenir un "invierno de la IA en la atención médica".