Estrategias de la inteligencia artificial aplicadas a estudiantes de ciencias de la salud.

[Artificial intelligence strategies applied to health sciences students. Scoping review of the literature. ]

José Luis Álvarez Watson1 , Daria Rodríguez Coronado2 , Helen Saray Herrera Soberón3 , Camila Sarmiento4 , Yarkelis Cortez Polanco2 , Eylen Araúz De Gracia5 , Juan Castañeda-González4

1. Hospital del Niño, Dr José Renán Esquivel, Panamá, Rep de Panamá; 2. Hospital Santo Tomas, Panamá, Rep de Panamá; 3. Hospital Regional Dr Luis Chicho Fábrega, Panamá, Rep de Panamá; 4. Universidad El Bosque, Bogotá, Colombia; 5. Hospital Dr Rafael Hernández, Panamá, Rep de Panamá;

Palabras Clave ++
DOI: 10.37980/im.journal.rmdp.20242433
Publicado: 2024-12-30

Descargas

Resumen

Introducción: En el contexto del acelerado avance tecnológico y digital, la inteligencia artificial ha surgido como un elemento fundamental en la atención médica integral dentro del campo de las ciencias de la salud. A través de la adopción del aprendizaje automático, se está encaminando hacia la consecución de resultados más eficientes y experiencias de salud mejoradas para los pacientes. Este desarrollo no solo busca optimizar los procesos clínicos y administrativos, sino también promete impulsar la detección temprana de enfermedades, personalizar tratamientos y revolucionar la prestación de servicios médicos, lo que, en última instancia, mejorará significativamente la calidad de vida de los pacientes. Materiales y métodos: Se llevó a cabo una revisión panorámica de la literatura, realizando una búsqueda sistemática en bases de datos incluyendo Pubmed, LILAC, BVS, incluyendo artículos donde se evidencia la participación de la inteligencia artificial como modelos de aprendizaje en estudiantes de ciencias de la salud. Resultados: En la búsqueda realizada en las tres bases de datos se encontraron 186 estudios, Pubmed, LILAC  y BVS. Se incluyeron 10 artículos que cumplieron con los criterios de elegibilidad. Conclusión: La inteligencia artificial está transformando el panorama de la salud, ofreciendo nuevas oportunidades para mejorar la precisión del diagnóstico, la eficiencia del tratamiento y la calidad de la atención médica. Sin embargo, es importante abordar los desafíos y preocupaciones asociadas con su aplicación para garantizar su efectividad y beneficios en el cuidado de la salud.

Abstract

Introduction: In the context of accelerating technological and digital advancement, artificial intelligence has emerged as a key enabler of integrated healthcare within the field of health sciences. Through the adoption of machine learning, it is moving towards more efficient outcomes and improved healthcare experiences for patients. This development not only aims to optimise clinical and administrative processes, but also promises to drive early disease detection, personalise treatments and revolutionise healthcare delivery, ultimately significantly improving patients' quality of life. Materials and methods: A scoping review of the literature was carried out, conducting a systematic search of databases including Pubmed, LILAC, BVS, including articles where the participation of artificial intelligence as learning models in health science students is evidenced. Results: The search of the three databases found 186 studies, Pubmed [171], LILAC [11] and BVS [4]. 10 articles that met the eligibility criteria were included.  Conclusions: Artificial intelligence is transforming the healthcare landscape, offering new opportunities to improve diagnostic accuracy, treatment efficiency and quality of care. However, it is important to address the challenges and concerns associated with its application to ensure its effectiveness and benefits in healthcare.

Biografía del autor/a

José Luis Álvarez Watson, Hospital del Niño, Dr. José Renán Esquivel, Panamá, Rep. de Panamá;

Enfermero  con más de 20 años de experiencia en áreas pediátricas sobre todo en cuidados intensivos  en Hospital del Niño Dr. José Renán Esquivel. Docente en Universidad de Panamá , Facultad de Enfermería y en la Universidad Especializada de las Américas.  Miembro de la Asociación Nacional de Enfermeras de Panamá, coordinador de la subcomisión de investigación de ANEP.  Miembro de la Asociación Internacional de Adaptación de Roy,  capítulo de Panamá.  Participación en capítulos de libros, publicaciones en revistas científicas y como ponente en diversos congresos nacionales e internacionales. Motivado  en la participación colaborativa de proyectos de  investigación disciplinar o multidisciplinar.

Citas

[1] Hardy T, (IA: Inteligencia Artificial).. POLIS, Revista Latinoamericana [Internet]. 2001;1(2):0. Recuperado de: https://www.redalyc.org/articulo.oa?id=30500219.

[2] Matava C, Pankiv E, Ahumada L, Weingarten B, Simpao A. Artificial intelligence, machine learning and the pediatric airway. von Ungern?Sternberg B, editor. Pediatric Anesthesia. 2020 Mar 2;30(3):264-8.

[3] Ávila-Tomás JF, Mayer-Pujadas MA, Quesada-Varela VJ. La inteligencia artificial y sus aplicaciones en medicina II: importancia actual y aplicaciones prácticas. Aten Primaria. 2021 Jan;53(1):81-8.

[4] Fazlollahi AM, Bakhaidar M, Alsayegh A, Yilmaz R, Winkler-Schwartz A, Mirchi N, et al. Effect of Artificial Intelligence Tutoring vs Expert Instruction on Learning Simulated Surgical Skills Among Medical Students. JAMA Newt Open. 2022 Feb 22;5(2):e2149008.

[5] Inglada Galiana L, Corral Gudino L, Miramontes González P. Ethics and artificial intelligence. Revista Clínica Española (English Edition). 2024 Mar;224(3):178-86.

[6] Ouzzani M, Hammady H, Fedorowicz Z, Elmagarmid A. Rayyan?a web and mobile app for systematic reviews. Syst Rev. 2016 Dec 5;5(1):210.

[7] Tricco AC, Lillie E, Zarin W, O?Brien KK, Colquhoun H, Levac D, et al. PRISMA Extension for Scoping Reviews (PRISMA-SCRA): Checklist and Explanation. Ann Intern Med. 2018 Oct 2;169(7):467-73.

[8] Khumrin P, Ryan A, Judd T, Verspoor K. Diagnostic machine learning models for acute abdominal pain: Towards an e-learning tool for medical students. In: Studies in Health Technology and Informatics. IOS Press BV; 2017. p. 447-51.

[9] Hao D, Ahsan M, Salim T, Duarte-Rojo A, Esmaeel D, Zhang Y, et al. A self-training teacher-student model with an automatic label grader for abdominal skeletal muscle segmentation. Artif Intell Med. 2022 Oct 1;132:102366.

[10] Schneider M, Bartko P, Geller W, Dannenberg V, König A, Binder C, et al. A machine learning algorithm supports ultrasound-naïve novices in the acquisition of diagnostic echocardiography loops and provides accurate estimation of LVEF. Int J Cardiovasc Imaging. 2021 Feb 8;37(2):577-86.

[11] Monlezun DJ, Dart L, Vanbeber A, Smith-Barbaro P, Costilla V, Samuel C, et al. Machine Learning-Augmented Propensity Score-Adjusted Multilevel Mixed Effects Panel Analysis of Hands-On Cooking and Nutrition Education versus Traditional Curriculum for Medical Students as Preventive Cardiology: Multisite Cohort Study of 3,248 Trainees over 5 Years. Biomed Res Int. 2018;2018.

[12] Castellano MS, Contreras-Mckay I, Neyem A, Inzunza O, Nicolás ;, Ottone E, et al. Plataforma de Software Educativa Gamificada: Experiencia con Estudiantes de Anatomía de la Universidad de La Frontera Gamified Educational Software Platform: Experience with Anatomy Students at Universidad de La Frontera. Vol. 40, Int. J. Morphol. 2022.

[13] Borakati A. Evaluation of an international medical E-learning course with natural language processing and machine learning. BMC Med Educ. 2021 Dec 1;21(1).

[14] zheng J, Tayag J, Cui Y, Chen J. Bloom?s Classification of Educational Objectives Based on Deep Learning Theory Teaching Design of Nursing Specialty. ComputIntellNeurosci. 2022 Jul 21;2022:1-8.

[15] Zhang S, Ma R, Wang Z, Li G, Fa T. Academic self-concept mediates the effect of online learning engagement on deep learning in online courses for Chinese nursing students: A cross-sectional study. Nurse Educ Today. 2022 Oct 1;117:105481.

[16] Tschirhart J, Woolsey A, Skinner J, Ahmed K, Fleming C, Kim J, et al. Introducing medical students to deep learning through image labelling: a new approach to meet calls for greater artificial intelligence fluency among medical trainees. Can Med Educ J. 2022 Oct 21;

[17] Hashim MJ, Govender R, Ghenimi N, Kieu A, Khan MAB. LecturePlus: a learner-centered teaching method to promote deep learning. Adv Physiol Educ. 2023;47(2):175-80.

[18] Aracena C, Villena F, Arias F, Dunstan J. Applications of machine learning in healthcare. Revista Médica Clínica Las Condes. 2022 Nov 1;33(6):568-75.

[19] Pedrero V, Reynaldos-Grandón K, Ureta-Achurra J, Cortez-Pinto E, Pedrero V, Reynaldos-Grandón K, et al. Generalidades del Machine Learning y su aplicación en la gestión sanitaria en Servicios de Urgencia. Rev Med Chil [Internet]. 2021 Feb [cited 2024 Apr 11] ;149(2):248-54. Available from: http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0034-98872021000200248&lng=en&nrm=iso&tlng=en

[20] Martínez Sánchez LM, Hernández-Sarmiento JM, Jaramillo-Jaramillo LI, Villegas-Alzate JD, Álvarez-Hernández LF, Roldan-Tabares MD, et al. La educación en salud como una importante estrategia de promoción y prevención. Archivos de Medicina (Manizales). 2020 Jun 16;20(2):490-504.

[21] Pedrero V, Reynaldos-Grandón K, Ureta-Achurra J, Cortez-Pinto E, Pedrero V, Reynaldos-Grandón K, et al. Generalidades del Machine Learning y su aplicación en la gestión sanitaria en Servicios de Urgencia. Rev Med Chil [Internet]. 2021 Feb [cited 2024 Apr.

[22] Cruz E, González M, Rangel JC. Técnicas de machine learning aplicadas a la evaluación del rendimiento y a la predicción de la deserción de estudiantes universitarios, una revisión. Prisma Tecnológico. 2022 Feb 23;13(1):77-87.

[23] Sancho Escrivá JV, Fanjul Peyró C, De la Iglesia Vayá M, Montell JA, Escartí Fabra MJ. Aplicación de la Inteligencia Artificial con Procesamiento del Lenguaje Natural para textos de investigación cualitativa en la relación médico-paciente con enfermedad m.

[24] Castillejos López B. Inteligencia artificial y los entornos personales de aprendizaje: atentos al uso adecuado de los recursos tecnológicos de los estudiantes universitarios. Educación. 2022 Mar 18;31(60):9-24.

[25] Torres-Cruz F, Coaquira Flores EE, Condori Quispe SJ, Tito Lipa JP, López Cueva MA, Basurco Chambilla TR, et al. Predicción De La Proficiencia Del Idioma ingles Mediante Um Modelo De Aprendizaje Automático Basado En El Clasificador Naive Bayes. In: Liderar a Educação Escolar: desenvolvimiento de conhecimentos e competências de lideran çasnas escolas. Editora Científica Digital; 2023. p. 63-83.

[26] Pineda JM. Predictive models in health based on machine learning. Revista Médica Clínica Las Condes. 2022 Nov 1;33(6):583-90.

Licencia

Derechos de autor 2024 Infomedic Intl.

Derechos autoriales y de reproducibilidad. La Revista Médica de Panama es un ente académico, sin fines de lucro, que forma parte de la Academia Panameña de Medicina y Cirugía. Sus publicaciones son de tipo acceso gratuito de su contenido para uso individual y académico, sin restricción. Los derechos autoriales de cada artículo son retenidos por sus autores. Al Publicar en la Revista, el autor otorga Licencia permanente, exclusiva, e irrevocable a la Sociedad para la edición del manuscrito, y otorga a la empresa editorial, Infomedic International Licencia de uso de distribución, indexación y comercial exclusiva, permanente e irrevocable de su contenido y para la generación de productos y servicios derivados del mismo. En caso que el autor obtenga la licencia CC BY, el artículo y sus derivados son de libre acceso y distribución.

×