Revista Methodo: Investigación Aplicada a las Ciencias Biológicas. Universidad Católica de Córdoba. Jacinto
Ríos 571 Bº Gral. Paz. X5004FXS. Córdoba. Argentina. El. :(54) 351 4517299 / Correo: methodo@ucc.edu.ar
/ Web: methodo.ucc.edu.ar | ARTICULO DE REVISION Rev. Methodo 2021;6(1):44-50.
ARTICULO DE REVISION Rev. Methodo 2021;6(1):44-50
https://doi.org/10.22529/me.2021.6(1)07
Recibido 02 Sep. 2020 | Aceptado 27 Oct. 2020 |Publicado 05 Ene. 2021
La inteligencia artificial en la educación médica y la predicción
en salud.
Artificial intelligence in medical education and health prediction
Agustín N. Joison
1
, Raúl J. Barcudi
2
, Enrique A. Majul
3
, Sergio A. Ruffino
3
, Juan J. De Mateo Rey
3
,
Agustin M. Joison
4
, Gustavo Baiardi1
1,5
.
1 Universidad Católica de Córdoba, Facultad de Ciencias Químicas.
2 Universidad Católica de Córdoba, Clínica Universitaria Reina Fabiola. Servicio de Cardiología clínica e intervencionista.
3 Universidad Católica de Córdoba. Facultad de Ciencias de la Salud. Clínica Universitaria Reina Fabiola.
4 Globant Empresa de desarrollo de sistemas. Argentina
5 Instituto of investigación Biológica y Tecnológica (IIBYT-CONICET), Universidad Nacional de Córdoba
Correspondencia: Agustín Joison, Universidad Católica de Córdoba, Facultad de Ciencias Químicas. Córdoba. Argentina Email:
ajoison2001@yahoo.com.ar.
Resumen
La inteligencia artificial tiene el potencial de transformar la forma en que se brinda la atención médica.
Puede respaldar mejoras en los resultados y aumentar la productividad y la eficiencia de la prestación de
los servicios. En servicios de las diferentes especialidades los avances realizados a nivel hardware deben
desarrollarse en paralelo con los métodos de aprendizaje automático, aspectos que la inteligencia artificial
contribuye para promover un cambio de paradigma significativo en las más diversas áreas de la medicina.
Es importante en la educación médica como eje para el conocimiento y en la toma de decisiones que pueden
mejorar el desempeño de los profesionales. Los estudiantes de medicina de nueva generación pueden
adaptarse perfectamente a los nuevos métodos digitalizados en un contexto médico globalizado, incluida la
inteligencia artificial. Por ello es importante tener como objetivos a implementar en los planes de estudio e
introducir programas educativos representativos de esta tecnología. Es fundamental que todas las áreas del
Sistema de Salud tengan confianza en los sistemas informáticos específicamente en el aprendizaje
profundo, no solo por la información concreta y objetiva que de él se deriva sino también por la posibilidad
de predecir eventos futuros, brindando alta certeza en cuanto al diagnóstico y tratamiento de enfermedades.
Palabras claves: Inteligencia artificial, Cardiología, Algoritmos, Red neuronal, salud, predicción.
Abstract
Artificial intelligence has the potential to transform the way healthcare is delivered. You can support
improved results and increase the productivity and efficiency of service delivery. In the services of the
different specialties, the advances made at the hardware level must be developed in parallel with the
methods of machine learning, aspects that artificial intelligence contributes to promote a significant
paradigm shift in the most diverse areas of medicine. It is important in medical education as an axis for
knowledge and in making decisions that can improve the performance of professionals. New generation
medical students can perfectly adapt to new digitized methods in a globalized medical context, including
artificial intelligence. For this reason, it is important to have as objectives to be implemented in the study
plans and to introduce educational programs that are representative of this technology. It is essential that
all areas of the Health System have confidence in computer systems specifically in deep learning, not
only because of the concrete and objective information that is derived from it but also because of the
44
Joison A N, Barcudi R J, Majul E A, Ruffino S A, De Mateo Rey J J, Joison A M, Baiardi G. La inteligencia artificial en la
educación médica y la predicción en salud.
Revista Methodo: Investigación Aplicada a las Ciencias Biológicas. Universidad Católica de Córdoba. Jacinto
Ríos 571 Bº Gral. Paz. X5004FXS. Córdoba. Argentina. El. :(54) 351 4517299 / Correo: methodo@ucc.edu.ar
/ Web: methodo.ucc.edu.ar | ARTICULO DE REVISION Rev. Methodo 2021;6(1):44-50.
possibility of predicting future events, providing high certainty regarding to the diagnosis and treatment
of diseases.
Keywords: Artificial intelligence, Cardiology, Algorithms, Neural network, Health, Prediction
Introducción
La inteligencia artificial (IA) tiene el potencial de
transformar la forma en que se brinda el servicio.
Puede respaldar mejoras en los resultados de la
misma, aumentar la productividad y la eficiencia
de la prestación y permitir que los sistemas de
salud brinden más y mejor atención a más
personas. La IA puede ayudar a mejorar la
experiencia de los profesionales sanitarios, y
dedicar más tiempo a la atención directa del
paciente, reduciendo el agotamiento. Por último,
puede respaldar la prestación más rápida,
principalmente al acelerar el tiempo de
diagnóstico, y ayudar a los sistemas de salud a
mejorar su administración de manera más
proactiva, asignando recursos donde puede tener el
mayor impacto
1
.
El término "Inteligencia Artificial" (IA) se definió
como la ciencia y la ingeniería para fabricar
máquinas inteligentes
2
El desarrollo de la IA se
inició a principios de la década de 1990 como parte
de un campo relevante de la informática en busca
de encontrar similitudes y características de la
inteligencia humana, en cuanto al pensamiento y
razonamiento e incluso a ver y como oír
3
. Las
primeras aplicaciones de la IA se realizaron
analizando datos sanitarios, plazos y opciones de
pago, como herramientas innovadoras para
gestionar la información del paciente y tomar
decisiones. La necesidad de datos y toma de
decisiones ha permitido dar respuesta a problemas
de salud. Los objetivos de este resumen son para
entender la importancia de la aplicación de esta
tecnología en el cuidado y tratamiento de la salud,
y además destacar la posibilidad en un futuro
cercano de incorporarla en la educación médica.
Concepto y aplicación de inteligencia
artificial
La IA facilita una mayor accesibilidad, relevancia
y capacidad de acción de la información sanitaria.
La IA se ha desarrollado rápidamente en medicina
y atención médica junto con los avances en
computación, en el aprendizaje y la disponibilidad
de grandes conjuntos de datos (Big Data) de
registros médicos electrónicos (RME)
4
. El análisis
de datos de salud es un área multidisciplinar
relacionada con el aprendizaje automático y el
reconocimiento de patrones, el control inteligente
de enfermedades y la prevención para el cuidado
de la salud. El objetivo básico de la enfermedad
basada en la prevención del análisis de datos es
tomar datos de pacientes del mundo real y ayudar
a reducir el riesgo del paciente
5
.
La IA es una disciplina científica que se enfoca en
comprender y crear algoritmos informáticos
similares a los que pueden hacer los humanos. La
IA está ganando impulso en la atención médica,
donde la pregunta es: "¿Pueden pensar las
máquinas?" La IA ha recorrido un largo camino.
Los ejemplos de avances en IA incluyen
procesamiento de lenguaje natural,
reconocimiento de voz, agentes virtuales, gestión
de decisiones, aprendizaje automático, aprendizaje
profundo y automatización de procesos robóticos.
La IA implica el desarrollo de algoritmos
informáticos para realizar tareas típicamente
asociadas con la inteligencia humana
6, 7
.
Con la información médica creciendo a una
velocidad vertiginosa, los médicos tienen
problemas para mantenerse al día. Esto conduce a
una sobrecarga de información y crea presión para
memorizar todo este contenido para aprobar los
exámenes de licencia médica de los Estados
Unidos para calificar para puestos de residencia.
Los médicos de hoy trabajan más horas y también
se espera que brinden atención coordinada en una
sociedad que envejece con afecciones complejas y
comorbilidades donde los costos de atención
médica están aumentando y las regulaciones
imponen una carga adicional a los procesos
8, 9
.
Los estudios postulan que la posibilidad de que los
médicos sean reemplazados por la IA en la
atención médica es incorrecta, no se trata
necesariamente de enfrentar las mentes humanas
contra la máquina, sino de expandir, agudizar y, a
veces, calmar la mente del profesional para
resolver los problemas que presentan sus
pacientes. El papel de la IA en la medicina es
desarrollar algoritmos de diagnóstico para robots
quirúrgicos
10
.
La inteligencia artificial en áreas
específicas de salud
En el área de cardiología, los avances realizados a
nivel de hardware deben desarrollarse en paralelo
con los métodos de aprendizaje automático,
aspectos que contribuyen a la IA para promover un
cambio de paradigma significativo en las más
diversas áreas de la medicina. Conocimiento y,
45
Joison A N, Barcudi R J, Majul E A, Ruffino S A, De Mateo Rey J J, Joison A M, Baiardi G. La inteligencia artificial en la
educación médica y la predicción en salud.
Revista Methodo: Investigación Aplicada a las Ciencias Biológicas. Universidad Católica de Córdoba. Jacinto
Ríos 571 Bº Gral. Paz. X5004FXS. Córdoba. Argentina. El. :(54) 351 4517299 / Correo: methodo@ucc.edu.ar
/ Web: methodo.ucc.edu.ar | ARTICULO DE REVISION Rev. Methodo 2021;6(1):44-50.
particularmente en Cardiología, por su capacidad
para apoyar la toma de decisiones que pueden
mejorar el desempeño diagnóstico y pronóstico.
Estos impactos deben ser evaluados para su
aplicación en seguridad del paciente,
personalización de la atención, valorización del
paciente, dentro de un campo de vigilancia
tecnológica, que gradualmente consolida la IA
como fundamental para una excelente práctica
médica
11,
12
.
La cardiología necesita inteligencia artificial para
el desarrollo de algoritmos de IA y, en
consecuencia, no requiere muchas hipótesis en
relación con los datos existentes, lo que permite un
alto nivel de evidencia debido a su alto
rendimiento, lo que sin duda representa un cambio
de paradigma significativo en la medicina basada
en la evidencia. Cabe señalar que los ensayos
clínicos tradicionales son generalmente lentos,
costosos, lentos y de tamaño limitado. Además,
cuando la base de datos se alimenta con más datos
(saludables), en general, se produce una mejora en
el rendimiento de los algoritmos, que permiten que
los estudios sean continuos en el tiempo
13, 14
.
Los cardiólogos aplicaron algoritmos para detectar
arritmias a partir del registro de información de un
electrocardiograma. Los datos se obtuvieron y
analizaron a partir de un árbol de decisiones y
reglas basadas en umbrales. Se utilizaron
algoritmos genéticos para seleccionar las
características más adecuadas para ser utilizadas
en el trabajo. Para la detección de fibrilación
auricular, se obtuvo una puntuación F1 (media de
valor predictivo positivo y sensibilidad) de 0,81.
Otros autores utilizaron el Análisis de Tomografía
Espacial Fase Cardíaca, así como la realización de
ejercicios o estrés farmacológico, combinados con
modelos ML (por ejemplo, algoritmos genéticos)
para analizar señales de fase torácica. En este
estudio, los autores utilizaron esta herramienta
para evaluar a pacientes con enfermedad coronaria
y dolor en el pecho que fueron remitidos por el
médico para una angiografía. Se estudiaron 606
pacientes y los resultados mostraron 92% de
sensibilidad, 62% de especificidad y 96% de valor
predictivo de enfermedad coronaria
15,
16, 17,
18
.
La ecocardiografía es actualmente uno de los
métodos de imagen más utilizados en cardiología,
la ecografía también tiene ventajas en cuanto a su
portabilidad, rapidez y accesibilidad. Pero depende
del operador y requiere un largo tiempo de
entrenamiento para lograr una interpretación
precisa de los datos adquiridos. La IA se utiliza
para estandarizar mejor las imágenes
ecocardiográficas y reducir la dependencia del
operador. Ya ha demostrado la capacidad de
ayudar en el análisis de imágenes de eco, lo que
permite la generación de importantes variables
cardíacas sobre la marcha con la clasificación
automatizada de vistas ecocardiográficas
19
.
Una de las patologías con mayor dificultad para
decidir sobre el tratamiento y seguimiento es la
Diabetes mellitus (DM). La DM se refiere
colectivamente a un grupo de enfermedades que
resultan de la disfunción del sistema de regulación
de la glucosa, y en cada clase de diabetes, se
requiere un diagnóstico rápido, educación del
paciente en el autocuidado y atención médica
continua para prevenir complicaciones agudas
como cetoacidosis, enfermedad renal, retinopatía,
pie diabético, enfermedad cardiovascular o
accidente cerebrovascular. Los algoritmos
inteligentes se utilizan ampliamente para el
desarrollo de herramientas y aplicaciones que
pueden mejorar el manejo efectivo de
enfermedades complicadas, incluida la diabetes,
por lo que la IA es un papel clave en el
reconocimiento de estos sistemas como ayudas
terapéuticas de rutina para pacientes con
diabetes
20
.
Inteligencia artificial en la decisión
médica
Las decisiones médicas también se referirán a los
servicios médicos de urgencias para la gestión del
pre-hospitalario en paciente traumático y su
traslado al servicio de urgencias en función del
estado del mismo. Las decisiones que toman los
profesionales para predecir el pronóstico son
importantes para la comunicación entre el técnico
de RME pre-hospitalario y el departamento de
emergencias del hospital para proporcionar
instrucciones médicas en línea y prepararse para la
gestión hospitalaria. Diferentes estudios
demostraron que el uso del algoritmo de IA predijo
con precisión cuando y situación el paciente fue
trasladado del SEM a cuidados críticos en la
unidad hospitalaria
21,
22,
23
.
Actualmente en medicina, los procesos de toma de
decisiones se basan en la disponibilidad de
evidencia objetiva y confiable, la investigación, así
como la adecuada interpretación de los hechos
disponibles con la incorporación de las relaciones
riesgo-beneficio del paciente en cada paso de
decisión; sin embargo, la práctica de la medicina
en el mundo real nos ha enseñado que la evidencia
no siempre está disponible, la penetración del
conocimiento lleva tiempo y las decisiones sobre
pacientes individuales pueden no siempre ser
objetivas
24
.
La mayoría de los cardiólogos de hoy en día tienen
más probabilidades de asociar el término IA con
un fenómeno de ciencia ficción aún distante, pero
la realidad es que estás a punto de conquistar la
medicina, incluida la medicina cardiovascular.
Dawes y col. publicaron un algoritmo basado en
46
Joison A N, Barcudi R J, Majul E A, Ruffino S A, De Mateo Rey J J, Joison A M, Baiardi G. La inteligencia artificial en la
educación médica y la predicción en salud.
Revista Methodo: Investigación Aplicada a las Ciencias Biológicas. Universidad Católica de Córdoba. Jacinto
Ríos 571 Bº Gral. Paz. X5004FXS. Córdoba. Argentina. El. :(54) 351 4517299 / Correo: methodo@ucc.edu.ar
/ Web: methodo.ucc.edu.ar | ARTICULO DE REVISION Rev. Methodo 2021;6(1):44-50.
imágenes de resonancia magnética cardíaca de
patrones tridimensionales de movimiento cardíaco
sistólico que les permitió predecir el resultado en
pacientes con hipertensión pulmonar con alta
precisión. Brevemente, se utilizaron datos médicos
de 250 pacientes para el estudio, y el software
copió cómo más de 30.000 puntos en sus
corazones se contraían con cada latido. Esto creó
un corazón virtual tridimensional para cada
paciente, mientras que el algoritmo aprendió qué
características estaban asociadas con la muerte
prematura o la insuficiencia cardíaca derecha
25
.
La IA también puede ayudar a respaldar la
investigación de fármacos y mejorar la eficiencia
del desarrollo de nuevos fármacos. Finalmente, la
combinación de inteligencia artificial y robots
quirúrgicos mejorará la precisión de muchas
operaciones complejas y difíciles. Con el
desarrollo de la inteligencia artificial, el análisis de
big data y las tecnologías de computación en la
nube, la inteligencia artificial puede brindar a los
pacientes servicios médicos de alta calidad
26
.
Inteligencia artificial en estudiantes de
medicina
Los estudiantes de medicina deben aprender como
parte de sus conocimientos universitarios la
experiencia adecuada en el uso de la IA para
aplicarla a sus pacientes en el futuro. Su
preparación no es simplemente aprender a usar una
tecnología de software, sino un conocimiento
suficiente de medicamentos básicos y clínicos (que
son los fundamentos de la práctica médica y son
clave para comprender cómo usar la IA para la
medicina), ciencia de datos, bioestadística y
medicina basada en evidencia. Incluso como
estudiante de medicina, uno no debería aceptar
pasivamente historias relacionadas con la IA
médica en los medios de comunicación y en
Internet. Los estudiantes de medicina deben tratar
de desarrollar habilidades para distinguir la
información correcta del bombo y los efectos
27
.
La educación de los estudiantes de medicina
implica el aprendizaje durante muchos años desde
la formación de pregrado hasta la formación de
posgrado como parte de su especialización y más
allá, como maestrías, doctorados también
conocidos como "educación médica continua". Al
principio hubo poco interés en la aplicación de la
IA en la educación médica durante la década de
1980, pero más tarde y, curiosamente, se
empezaron a publicar trabajos que mostraban la
eficacia de la IA en el diagnóstico médico. Esto
promovió un aumento en la investigación y el
desarrollo de la IA en la educación médica en los
últimos años
28
.
Los estudiantes de medicina de nueva generación
pueden adaptarse perfectamente a los nuevos
métodos digitalizados en un contexto médico
globalizado, incluida la IA. Por ello es importante
tener como objetivos a implementar en los planes
de estudio e introducir programas educativos
representativos de esta tecnología
29
. La expansión
de la IA en la práctica médica ha generado debates
sobre su aplicación en el área de la educación
médica en las universidades. En el Reino Unido
(UK), el uso de nuevos métodos digitales en salud
ha sido objeto de un reciente gobierno nacional
30
.
Topol explica con mucho énfasis explícito la
importancia de las herramientas digitales
novedosas en la enseñanza de pregrado y posgrado
con el objetivo de ayudar a las futuras
generaciones de estudiantes de medicina en su
actividad clínica, incluidos los apoyados por la IA.
Actualmente, las facultades de medicina del Reino
Unido no tienen este tipo de tecnología incluida en
sus planes de estudio, pero hay una recomendación
del General Medical Council de que la incorporen
en el futuro. Existe alguna evidencia de que ciertas
facultades de medicina del Reino Unido optan por
ofrecer oportunidades educativas limitadas en el
uso de la IA en la salud; sin embargo, existe cierta
resistencia a la formación y aprendizaje de dicha
tecnología por parte de los propios alumnos y
docentes. Además, para involucrar efectivamente
a los estudiantes de medicina en este tema, sería
útil comprender su percepción de la IA como una
cohorte. No es descabellado asumir que el
ambiente actual de entusiasmo por la IA influye en
la actitud y el comportamiento de los estudiantes
de medicina. De relevancia específica para la
radiología, esto ha sido estudiado previamente por
grupos en Canadá
31
.
Otros estudios revelaron que grupos de estudiantes
que hacían radiología no participaban en la
aplicación de la IA, porque argumentaban que
dicha tecnología los reemplazaría. En cualquier
caso, no se les conoce desde un punto de vista
profesional, si este es el caso, con respecto a las
actitudes de los estudiantes del Reino Unido de que
la IA puede ser una amenaza para ellos en el
futuro
32
.
Mirando hacia el futuro
El uso de la IA y el aprendizaje profundo como un
nuevo paradigma para la resolución de problemas
fue adoptado por la División de Recursos de
Investigación del Instituto Nacional de Salud, bajo
la dirección de Robert Raub, quien tiene un
alumno de William Yamamoto en la Universidad
de Pensilvania, con el objetivo de conocer y
ampliar el enfoque desde lo estrictamente
estadístico hasta el modelado de inferencia del
conocimiento fisiológico y clínico subyacente que
sustenta la toma de decisiones diagnósticas y
terapéuticas
33
.
47
Joison A N, Barcudi R J, Majul E A, Ruffino S A, De Mateo Rey J J, Joison A M, Baiardi G. La inteligencia artificial en la
educación médica y la predicción en salud.
Revista Methodo: Investigación Aplicada a las Ciencias Biológicas. Universidad Católica de Córdoba. Jacinto
Ríos 571 Bº Gral. Paz. X5004FXS. Córdoba. Argentina. El. :(54) 351 4517299 / Correo: methodo@ucc.edu.ar
/ Web: methodo.ucc.edu.ar | ARTICULO DE REVISION Rev. Methodo 2021;6(1):44-50.
Esta revisión tiene como uno de los objetivos
comenzar a comprender la posibilidad de utilizar
la IA en la educación médica, para que en un futuro
se pueda incluir en la evaluación curricular y
estudiar si hay una mejora en el aprendizaje de los
estudiantes, con investigaciones principalmente
sobre el último. Analizar también los desafíos que
dificultan la implementación de la IA en la
educación médica, los cuales están relacionados
con la mejor manera de evaluar la efectividad de la
IA y manejar las dificultades técnicas asociadas al
desarrollo efectivo y productivo de un sistema de
IA.
Esta tecnología, que nació con cierta
incertidumbre y calidez de los profesionales para
aceptar este paradigma con respecto a la
información que brinda, termina como un nuevo
paradigma en el cuidado de la salud por la
comprensión de los algoritmos y la importancia del
aprendizaje automático. Tenemos la esperanza de
que dilucidar estas conexiones desmitifique estas
técnicas y proporcione un conjunto de expectativas
razonables para el papel de la IA en la atención de
la salud. Es fundamental que todas las áreas del
Sistema de Salud tengan confianza en los
algoritmos informáticos específicamente en el
aprendizaje profundo, no solo por la información
concreta y objetiva que de él se deriva sino también
por la posibilidad de predecir eventos futuros,
brindando alta certeza en cuanto al diagnóstico y
tratamiento de enfermedades (Figura 1).
Conclusiones
Creemos que la IA tiene un papel importante que
desempeñar en la práctica médica del futuro. En
forma de aprendizaje automático, es la capacidad
principal detrás del desarrollo de la medicina de
precisión, ampliamente aceptada como un avance
necesario en mejorar la salud. Aunque los primeros
esfuerzos para proporcionar recomendaciones de
diagnóstico y tratamiento han demostrado ser un
desafío, esperamos, que la IA finalmente
acompañe la educación médica. También parece
cada vez más claro que los sistemas de IA no
reemplazarán a los profesionales médicos a gran
escala, sino que aumentarán sus esfuerzos para
cuidar a los pacientes.
Bibliografía
1. Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S,
et al. Artificial intelligence in healthcare: past,
present and future. Stroke Vasc Neurol.
2017;2(4):230-43.
2. Abidi SSR, Abidi SR. Intelligent health data
analytics: A convergence of artificial
intelligence and big data. Healthc Manage
Forum. 2019;32(4):178-82.
3. Asadi H, Dowling R, Yan B, Mitchell P.
Machine learning for outcome prediction of
acute ischemic stroke post intra-arterial
therapy. PLoS One. 2014;9(2):e88225.
4. Caliebe A, Leverkus F, Antes G, Krawczak
M. Does big data require a methodological
change in medical research? BMC Med Res
Methodol. 2019;19(1):125.
5. Razzak MI, Imran M, Xu G. Big data analytics
for preventive medicine. Neural Comput
Appl. 2019;16:1-35.
6. Paranjape K, Schinkel M, Nannan Panday R,
Car J, Nanayakkara P. Introducing Artificial
Intelligence Training in Medical Education.
JMIR Med Educ. 2019;5(2):e16048.
7. Yu KH, Beam AL, Kohane IS. Artificial
intelligence in healthcare. Nat Biomed Eng.
2018;2(10):719-31.
8. Weaver SJ, Che XX, Petersen LA, Hysong SJ.
Unpacking Care Coordination Through a
Multiteam System Lens: A Conceptual
Framework and Systematic Review. Med
Care. 2018;56(3):247-59.
9. Elliott J, Stolee P, Boscart V, Giangregorio L,
Heckman G. Coordinating care for older
adults in primary care settings: understanding
the current context. BMC Fam Pract.
2018;19(1):137.
10. Oh S, Kim JH, Choi SW, Lee HJ, Hong J,
Kwon SH. Physician Confidence in Artificial
Intelligence: An Online Mobile Survey. J Med
Internet Res. 2019;21(3):e12422.
11. Dilsizian ME, Siegel EL. Machine Meets
Biology: a Primer on Artificial Intelligence in
Cardiology and Cardiac Imaging. Curr
Cardiol Rep. 2018;20(12):139.
12. Chang AC. Artificial intelligence in pediatric
cardiology and cardiac surgery: Irrational
hype or paradigm shift? Ann Pediatr Cardiol.
2019;12(3):191-4.
13. Johnson KW, Torres Soto J, Glicksberg BS,
Shameer K, Miotto R, Ali M, et al. Artificial
Intelligence in Cardiology. J Am Coll Cardiol.
2018;71(23):2668-79.
14. Price WN. Big data and black-box medical
algorithms. Sci Transl Med. 2018;10(471).
15. Paredes S, Rocha T, de Carvalho P, Henriques
J, Morais J, Ferreira J. Integration of Different
Risk Assessment Tools to Improve
Stratification of Patients with Coronary Artery
48
Joison A N, Barcudi R J, Majul E A, Ruffino S A, De Mateo Rey J J, Joison A M, Baiardi G. La inteligencia artificial en la
educación médica y la predicción en salud.
Revista Methodo: Investigación Aplicada a las Ciencias Biológicas. Universidad Católica de Córdoba. Jacinto
Ríos 571 Bº Gral. Paz. X5004FXS. Córdoba. Argentina. El. :(54) 351 4517299 / Correo: methodo@ucc.edu.ar
/ Web: methodo.ucc.edu.ar | ARTICULO DE REVISION Rev. Methodo 2021;6(1):44-50.
Disease. Med Biol Eng Comput.
2015;53(10):1069-83.
16. Al-Mallah MH, Elshawi R, Ahmed AM,
Qureshi WT, Brawner CA, Blaha MJ, et al.
Using Machine Learning to Define the
Association between Cardiorespiratory
Fitness and All-Cause Mortality (from the
Henry Ford Exercise Testing Project). Am J
Cardiol. 2017;120(11):2078-84.
17. Smisek R, Hejc J, Ronzhina M, Nemcova A,
Marsanova L, Kolarova J, et al. Multi-stage
SVM approach for cardiac arrhythmias
detection in short single-lead ECG recorded
by a wearable device. Physiol Meas.
2018;39(9):094003.
18. Stuckey TD, Gammon RS, Goswami R, Depta
JP, Steuter JA, Meine FJ, 3rd, et al. Cardiac
Phase Space Tomography: A novel method of
assessing coronary artery disease utilizing
machine learning. PLoS One.
2018;13(8):e0198603.
19. Westcott RJ, Tcheng JE. Artificial
Intelligence and Machine Learning in
Cardiology. JACC Cardiovasc Interv.
2019;12(14):1312-4.
20. Rigla M, García-Sáez G, Pons B, Hernando
ME. Artificial Intelligence Methodologies
and Their Application to Diabetes. J Diabetes
Sci Technol. 2018;12(2):303-10.
21. Kwon JM, Jeon KH, Kim HM, Kim MJ, Lim
S, Kim KH, et al. Deep-learning-based out-of-
hospital cardiac arrest prognostic system to
predict clinical outcomes. Resuscitation.
2019;139:84-91.
22. Seymour CW, Kahn JM, Cooke CR, Watkins
TR, Heckbert SR, Rea TD. Prediction of
critical illness during out-of-hospital
emergency care. Jama. 2010;304(7):747-54.
23. Smith GB, Prytherch DR, Meredith P,
Schmidt PE, Featherstone PI. The ability of
the National Early Warning Score (NEWS) to
discriminate patients at risk of early cardiac
arrest, unanticipated intensive care unit
admission, and death. Resuscitation.
2013;84(4):465-70.
24. Otokiti A. Using informatics to improve
healthcare quality. Int J Health Care Qual
Assur. 2019;32(2):425-30.
25. Dawes TJW, de Marvao A, Shi W, Fletcher T,
Watson GMJ, Wharton J, et al. Machine
Learning of Three-dimensional Right
Ventricular Motion Enables Outcome
Prediction in Pulmonary Hypertension: A
Cardiac MR Imaging Study. Radiology.
2017;283(2):381-90.
26. Yan Y, Zhang JW, Zang GY, Pu J. The
primary use of artificial intelligence in
cardiovascular diseases: what kind of
potential role does artificial intelligence play
in future medicine? J Geriatr Cardiol.
2019;16(8):585-91.
27. Ochodo EA, de Haan MC, Reitsma JB, Hooft
L, Bossuyt PM, Leeflang MM.
Overinterpretation and misreporting of
diagnostic accuracy studies: evidence of
"spin". Radiology. 2013;267(2):581-8.
28. Chan KS, Zary N. Applications and
Challenges of Implementing Artificial
Intelligence in Medical Education: Integrative
Review. JMIR Med Educ. 2019;5(1):e13930.
29. Han ER, Yeo S, Kim MJ, Lee YH, Park KH,
Roh H. Medical education trends for future
physicians in the era of advanced technology
and artificial intelligence: an integrative
review. BMC Med Educ. 2019;19(1):460.
30. Sit C, Srinivasan R, Amlani A, Muthuswamy
K, Azam A, Monzon L, et al. Attitudes and
perceptions of UK medical students towards
artificial intelligence and radiology: a
multicentre survey. Insights Imaging.
2020;11(1):14.
31. Gong B, Nugent JP, Guest W, Parker W,
Chang PJ, Khosa F, et al. Influence of
Artificial Intelligence on Canadian Medical
Students' Preference for Radiology Specialty:
ANational Survey Study. Acad Radiol.
2019;26(4):566-77.
32. Pinto Dos Santos D, Giese D, Brodehl S, Chon
SH, Staab W, Kleinert R, et al. Medical
students' attitude towards artificial
intelligence: a multicentre survey. Eur Radiol.
2019;29(4):1640-6.
33. Amisha, Malik P, Pathania M, Rathaur VK.
Overview of artificial intelligence in
medicine. J Family Med Prim Care.
2019;8(7):2328-31.
49
Joison A N, Barcudi R J, Majul E A, Ruffino S A, De Mateo Rey J J, Joison A M, Baiardi G. La inteligencia artificial en la
educación médica y la predicción en salud.
Revista Methodo: Investigación Aplicada a las Ciencias Biológicas. Universidad Católica de Córdoba. Jacinto
Ríos 571 Bº Gral. Paz. X5004FXS. Córdoba. Argentina. El. :(54) 351 4517299 / Correo: methodo@ucc.edu.ar
/ Web: methodo.ucc.edu.ar | ARTICULO DE REVISION Rev. Methodo 2021;6(1):44-50.
Anexo figura
Figura 1. interrelaciones en la enseñanza y aplicación de la medicina de los próximos años.
50
