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. 202 1
La inteligencia artificial en la educación médica y la predicción en salud
Artificial intelligence in medical education and health prediction
Agustín N. Joison1 , Raúl J. Barcudi2, Enrique A. Majul3, Sergio A. Ruffino3, Juan J. De Mateo Rey3 , Agustin M. Joison 4, Gustavo Baiardi11,5 .
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
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 .
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.
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 de enfermedades y la prevención para el cuidado La inteligencia artificial (IA) tiene el potencial de de la salud. El objetivo básico de la enfermedad
transformar la forma en que se brinda el servicio. basada en la prevención del análisis de datos es Puede respaldar mejoras en los resultados de la tomar datos de pacientes del mundo real y ayudar misma, aumentar la productividad y la eficiencia a reducir el riesgo del paciente5 .
de la prestación y permitir que los sistemas de La IA es una disciplina científica que se enfoca en salud brinden más y mejor atención a más comprender y crear algoritmos informáticos personas. La IA puede ayudar a mejorar la similares a los que pueden hacer los humanos. La experiencia de los profesionales sanitarios, y IA está ganando impulso en la atención médica, dedicar más tiempo a la atención directa del donde la pregunta es: "¿Pueden pensar las paciente, reduciendo el agotamiento. Por último, máquinas?" La IA ha recorrido un largo camino. puede respaldar la prestación más rápida, Los ejemplos de avances en IA incluyen principalmente al acelerar el tiempo de procesamiento de lenguaje natural, diagnóstico, y ayudar a los sistemas de salud a reconocimiento de voz, agentes virtuales, gestión mejorar su administración de manera más de decisiones, aprendizaje automático, aprendizaje proactiva, asignando recursos donde puede tener el profundo y automatización de procesos robóticos. mayor impacto1. La IA implica el desarrollo de algoritmos El término "Inteligencia Artificial" (IA) se definió informáticos para realizar tareas típicamente como la ciencia y la ingeniería para fabricar asociadas con la inteligencia humana6, 7 .
máquinas inteligentes2 El desarrollo de la IA se Con la información médica creciendo a una inició a principios de la década de 1990 como parte velocidad vertiginosa, los médicos tienen de un campo relevante de la informática en busca problemas para mantenerse al día. Esto conduce a de encontrar similitudes y características de la una sobrecarga de información y crea presión para inteligencia humana, en cuanto al pensamiento y memorizar todo este contenido para aprobar los razonamiento e incluso a ver y como oír3. Las exámenes de licencia médica de los Estados primeras aplicaciones de la IA se realizaron Unidos para calificar para puestos de residencia. analizando datos sanitarios, plazos y opciones de Los médicos de hoy trabajan más horas y también pago, como herramientas innovadoras para se espera que brinden atención coordinada en una gestionar la información del paciente y tomar sociedad que envejece con afecciones complejas y decisiones. La necesidad de datos y toma de comorbilidades donde los costos de atención decisiones ha permitido dar respuesta a problemas médica están aumentando y las regulaciones de salud. Los objetivos de este resumen son para imponen una carga adicional a los procesos8, 9 . entender la importancia de la aplicación de esta Los estudios postulan que la posibilidad de que los tecnología en el cuidado y tratamiento de la salud, médicos sean reemplazados por la IA en la y además destacar la posibilidad en un futuro atención médica es incorrecta, no se trata cercano de incorporarla en la educación médica. necesariamente de enfrentar las mentes humanas contra la máquina, sino de expandir, agudizar y, a
veces, calmar la mente del profesional para Concepto y aplicación de inteligencia resolver los problemas que presentan sus artificial pacientes. El papel de la IA en la medicina es
La IA facilita una mayor accesibilidad, relevancia desarrollarquirúrgicos10algoritmos. de diagnóstico para robots y capacidad de acción de la información sanitaria.
La IA se ha desarrollado rápidamente en medicina
y atención médica junto con los avances en La inteligencia artificial en áreas computación, en el aprendizaje y la disponibilidad específicas de salud
de grandes conjuntos de datos (Big Data) de
registros médicos electrónicos (RME)4. El análisis En el área de cardiología, los avances realizados a de datos de salud es un área multidisciplinar nivel de hardware deben desarrollarse en paralelo relacionada con el aprendizaje automático y el con los métodos de aprendizaje automático, reconocimiento de patrones, el control inteligente aspectos que contribuyen a la IA para promover un cambio de paradigma significativo en las más
diversas áreas de la medicina. Conocimiento y,
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.
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.
particularmente en Cardiología, por su capacidad cardíacas sobre la marcha con la clasificación para apoyar la toma de decisiones que pueden automatizada de vistas ecocardiográficas19 . mejorar el desempeño diagnóstico y pronóstico. Una de las patologías con mayor dificultad para Estos impactos deben ser evaluados para su decidir sobre el tratamiento y seguimiento es la aplicación en seguridad del paciente, Diabetes mellitus (DM). La DM se refiere personalización de la atención, valorización del colectivamente a un grupo de enfermedades que paciente, dentro de un campo de vigilancia resultan de la disfunción del sistema de regulación tecnológica, que gradualmente consolida la IA de la glucosa, y en cada clase de diabetes, se como fundamental para una excelente práctica requiere un diagnóstico rápido, educación del médica11, 12. paciente en el autocuidado y atención médica La cardiología necesita inteligencia artificial para continua para prevenir complicaciones agudas el desarrollo de algoritmos de IA y, en como cetoacidosis, enfermedad renal, retinopatía, consecuencia, no requiere muchas hipótesis en pie diabético, enfermedad cardiovascular o relación con los datos existentes, lo que permite un accidente cerebrovascular. Los algoritmos alto nivel de evidencia debido a su alto inteligentes se utilizan ampliamente para el rendimiento, lo que sin duda representa un cambio desarrollo de herramientas y aplicaciones que de paradigma significativo en la medicina basada pueden mejorar el manejo efectivo de en la evidencia. Cabe señalar que los ensayos enfermedades complicadas, incluida la diabetes, clínicos tradicionales son generalmente lentos, por lo que la IA es un papel clave en el costosos, lentos y de tamaño limitado. Además, reconocimiento de estos sistemas como ayudas cuando la base de datos se alimenta con más datos terapéuticas de rutina para pacientes con (saludables), en general, se produce una mejora en diabetes20 .
el rendimiento de los algoritmos, que permiten que
los estudios sean continuos en el tiempo13, 14. Inteligencia artificial en la decisión Los cardiólogos aplicaron algoritmos para detectar médica
arritmias a partir del registro de información de un
electrocardiograma. Los datos se obtuvieron y Las decisiones médicas también se referirán a los analizaron a partir de un árbol de decisiones y servicios médicos de urgencias para la gestión del reglas basadas en umbrales. Se utilizaron pre-hospitalario en paciente traumático y su algoritmos genéticos para seleccionar las traslado al servicio de urgencias en función del características más adecuadas para ser utilizadas estado del mismo. Las decisiones que toman los en el trabajo. Para la detección de fibrilación profesionales para predecir el pronóstico son auricular, se obtuvo una puntuación F1 (media de importantes para la comunicación entre el técnico valor predictivo positivo y sensibilidad) de 0,81. de RME pre-hospitalario y el departamento de Otros autores utilizaron el Análisis de Tomografía emergencias del hospital para proporcionar Espacial Fase Cardíaca, así como la realización de instrucciones médicas en línea y prepararse para la ejercicios o estrés farmacológico, combinados con gestión hospitalaria. Diferentes estudios modelos ML (por ejemplo, algoritmos genéticos) demostraron que el uso del algoritmo de IA predijo para analizar señales de fase torácica. En este con precisión cuando y situación el paciente fue estudio, los autores utilizaron esta herramienta trasladado del SEM a cuidados críticos en la para evaluar a pacientes con enfermedad coronaria unidad hospitalaria21, 22, 23 .
y dolor en el pecho que fueron remitidos por el Actualmente en medicina, los procesos de toma de médico para una angiografía. Se estudiaron 606 decisiones se basan en la disponibilidad de pacientes y los resultados mostraron 92% de evidencia objetiva y confiable, la investigación, así sensibilidad, 62% de especificidad y 96% de valor como la adecuada interpretación de los hechos predictivo de enfermedad coronaria15, 16, 17, 18. disponibles con la incorporación de las relaciones La ecocardiografía es actualmente uno de los riesgo-beneficio del paciente en cada paso de métodos de imagen más utilizados en cardiología, decisión; sin embargo, la práctica de la medicina la ecografía también tiene ventajas en cuanto a su en el mundo real nos ha enseñado que la evidencia portabilidad, rapidez y accesibilidad. Pero depende no siempre está disponible, la penetración del del operador y requiere un largo tiempo de conocimiento lleva tiempo y las decisiones sobre entrenamiento para lograr una interpretación pacientes individuales pueden no siempre ser precisa de los datos adquiridos. La IA se utiliza objetivas24 .
para estandarizar mejor las imágenes La mayoría de los cardiólogos de hoy en día tienen ecocardiográficas y reducir la dependencia del más probabilidades de asociar el término IA con operador. Ya ha demostrado la capacidad de un fenómeno de ciencia ficción aún distante, pero ayudar en el análisis de imágenes de eco, lo que la realidad es que estás a punto de conquistar la permite la generación de importantes variables medicina, incluida la medicina cardiovascular.
Dawes y col. publicaron un algoritmo basado en
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.
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.
imágenes de resonancia magnética cardíaca de métodos digitalizados en un contexto médico patrones tridimensionales de movimiento cardíaco globalizado, incluida la IA. Por ello es importante sistólico que les permitió predecir el resultado en tener como objetivos a implementar en los planes pacientes con hipertensión pulmonar con alta de estudio e introducir programas educativos precisión. Brevemente, se utilizaron datos médicos representativos de esta tecnología29. La expansión de 250 pacientes para el estudio, y el software de la IA en la práctica médica ha generado debates copió cómo más de 30.000 puntos en sus sobre su aplicación en el área de la educación corazones se contraían con cada latido. Esto creó médica en las universidades. En el Reino Unid o un corazón virtual tridimensional para cada (UK), el uso de nuevos métodos digitales en salud paciente, mientras que el algoritmo aprendió qué ha sido objeto de un reciente gobierno nacional30 . características estaban asociadas con la muerte Topol explica con mucho énfasis explícito la prematura o la insuficiencia cardíaca derecha25. importancia de las herramientas digitales La IA también puede ayudar a respaldar la novedosas en la enseñanza de pregrado y posgrado investigación de fármacos y mejorar la eficiencia con el objetivo de ayudar a las futuras del desarrollo de nuevos fármacos. Finalmente, la generaciones de estudiantes de medicina en su combinación de inteligencia artificial y robots actividad clínica, incluidos los apoyados por la IA. quirúrgicos mejorará la precisión de muchas Actualmente, las facultades de medicina del Reino operaciones complejas y difíciles. Con el Unido no tienen este tipo de tecnología incluida en desarrollo de la inteligencia artificial, el análisis de sus planes de estudio, pero hay una recomendación big data y las tecnologías de computación en la del General Medical Council de que la incorporen nube, la inteligencia artificial puede brindar a los en el futuro. Existe alguna evidencia de que ciertas pacientes servicios médicos de alta calidad26. facultades de medicina del Reino Unido optan por ofrecer oportunidades educativas limitadas en el
Inteligencia artificial en estudiantes de uso de la IA en la salud; sin embargo, existe cierta medicina resistencia a la formación y aprendizaje de dicha tecnología por parte de los propios alumnos y
Los estudiantes de medicina deben aprender como docentes. Además, para involucrar efectivamente parte de sus conocimientos universitarios la a los estudiantes de medicina en este tema, sería experiencia adecuada en el uso de la IA para útil comprender su percepción de la IA como una aplicarla a sus pacientes en el futuro. Su cohorte. No es descabellado asumir que el preparación no es simplemente aprender a usar una ambiente actual de entusiasmo por la IA influye en tecnología de software, sino un conocimiento la actitud y el comportamiento de los estudiantes suficiente de medicamentos básicos y clínicos (que de medicina. De relevancia específica para la son los fundamentos de la práctica médica y son radiología, esto ha sido estudiado previamente por clave para comprender cómo usar la IA para la grupos en Canadá31 .
medicina), ciencia de datos, bioestadística y Otros estudios revelaron que grupos de estudiantes medicina basada en evidencia. Incluso como que hacían radiología no participaban en la estudiante de medicina, uno no debería aceptar aplicación de la IA, porque argumentaban que pasivamente historias relacionadas con la IA dicha tecnología los reemplazaría. En cualquier médica en los medios de comunicación y en caso, no se les conoce desde un punto de vista Internet. Los estudiantes de medicina deben tratar profesional, si este es el caso, con respecto a las de desarrollar habilidades para distinguir la actitudes de los estudiantes del Reino Unido de que información correcta del bombo y los efectos27. la IA puede ser una amenaza para ellos en el La educación de los estudiantes de medicina futuro32 .
implica el aprendizaje durante muchos años desde
la formación de pregrado hasta la formación de Mirando hacia el futuro
posgrado como parte de su especialización y más
allá, como maestrías, doctorados también El uso de la IA y el aprendizaje profundo como un conocidos como "educación médica continua". Al nuevo paradigma para la resolución de problemas principio hubo poco interés en la aplicación de la fue adoptado por la División de Recursos de IA en la educación médica durante la década de Investigación del Instituto Nacional de Salud, bajo 1980, pero más tarde y, curiosamente, se la dirección de Robert Raub, quien tiene un empezaron a publicar trabajos que mostraban la alumno de William Yamamoto en la Universidad eficacia de la IA en el diagnóstico médico. Esto de Pensilvania, con el objetivo de conocer y promovió un aumento en la investigación y el ampliar el enfoque desde lo estrictamente desarrollo de la IA en la educación médica en los estadístico hasta el modelado de inferencia del últimos años28. conocimiento fisiológico y clínico subyacente que Los estudiantes de medicina de nueva generación sustenta la toma de decisiones diagnósticas y pueden adaptarse perfectamente a los nuevos terapéuticas33 .
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.
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.
Esta revisión tiene como uno de los objetivos intelligence and big data. Healthc Manage comenzar a comprender la posibilidad de utilizar Forum. 2019;32(4):178- 82.
la IA en la educación médica, para que en un futuro
se pueda incluir en la evaluación curricular y 3. Asadi H, Dowling R, Yan B, Mitchell P. estudiar si hay una mejora en el aprendizaje de los Machine learning for outcome prediction of estudiantes, con investigaciones principalmente acute ischemic stroke post intra- arterial sobre el último. Analizar también los desafíos que therapy. PLoS One. 2014;9(2):e88225.
dificultan la implementación de la IA en la 4. Caliebe A, Leverkus F, Antes G, Krawczak educación médica, los cuales están relacionados M. Does big data require a methodological con la mejor manera de evaluar la efectividad de la change in medical research? BMC Med Res IA y manejar las dificultades técnicas asociadas al Methodol. 2019;19(1):125.
desarrollo efectivo y productivo de un sistema de
IA. 5. Razzak MI, Imran M, Xu G. Big data analytics Esta tecnología, que nació con cierta for preventive medicine. Neural Comput incertidumbre y calidez de los profesionales para Appl. 2019;16:1- 35.
aceptar este paradigma con respecto a la 6. Paranjape K, Schinkel M, Nannan Panday R, información que brinda, termina como un nuevo Car J, Nanayakkara P. Introducing Artificial paradigma en el cuidado de la salud por la Intelligence Training in Medical Education. comprensión de los algoritmos y la importancia del JMIR Med Educ. 2019;5(2):e16048. aprendizaje automático. Tenemos la esperanza de
que dilucidar estas conexiones desmitifique estas 7. Yu KH, Beam AL, Kohane IS. Artificial técnicas y proporcione un conjunto de expectativas intelligence in healthcare. Nat Biomed Eng. razonables para el papel de la IA en la atención de 2018;2(10):719- 31.
la salud. Es fundamental que todas las áreas del 8. Weaver SJ, Che XX, Petersen LA, Hysong SJ. Sistema de Salud tengan confianza en los Unpacking Care Coordination Through a algoritmos informáticos específicamente en el Multiteam System Lens: A Conceptual aprendizaje profundo, no solo por la información Framework and Systematic Review. Med concreta y objetiva que de él se deriva sino también Care. 2018;56(3):247- 59.
por la posibilidad de predecir eventos futuros,
brindando alta certeza en cuanto al diagnóstico y 9. Elliott J, Stolee P, Boscart V, Giangregorio L, tratamiento de enfermedades (Figura 1). Heckman G. Coordinating care for older adults in primary care settings: understanding
the current context. BMC Fam Pract.
Conclusiones 2018;19(1):137. Creemos que la IA tiene un papel importante que 10. Oh S, Kim JH, Choi SW, Lee HJ, Hong J, desempeñar en la práctica médica del futuro. En Kwon SH. Physician Confidence in Artificial forma de aprendizaje automático, es la capacidad Intelligence: An Online Mobile Survey. J Med principal detrás del desarrollo de la medicina de Internet Res. 2019;21(3):e12422.
precisión, ampliamente aceptada como un avance 11. Dilsizian ME, Siegel EL. Machine Meets necesario en mejorar la salud. Aunque los primeros Biology: a Primer on Artificial Intelligence in esfuerzos para proporcionar recomendaciones de Cardiology and Cardiac Imaging. Curr diagnóstico y tratamiento han demostrado ser un Cardiol Rep. 2018;20(12):139.
desafío, esperamos, que la IA final mente
acompañe la educación médica. También parece 12. Chang AC. Artificial intelligence in pediatric cada vez más claro que los sistemas de IA no cardiology and cardiac surgery: Irrational reemplazarán a los profesionales médicos a gran hype or paradigm shift? Ann Pediatr Cardiol. escala, sino que aumentarán sus esfuerzos para 2019;12(3):191- 4.
cuidar a los pacientes. 13. Johnson KW, Torres Soto J, Glicksberg BS, Shameer K, Miotto R, Ali M, et al. Artificial
Bibliografía Intelligence in Cardiology. J Am Coll Ca rdiol. 2018;71(23):2668- 79.
1. Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, 14. Price WN. Big data and black-box medical et al. Artificial intelligence in healthcare: past, algorithms. Sci Transl Med. 2018;10(471). present and future. Stroke Vasc Neurol.
2017;2(4):230-43. 15. Paredes S, Rocha T, de Carvalho P, Henriques 2. Abidi SSR, Abidi SR. Intelligent health data J,RiskMoraisAssessmentJ, Ferreira J. IntegrationTools toof Different Improve
analytics: A convergence of artificial
Stratification of Patients with Coronary Artery
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.
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.
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
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: In tegrative
machine learning. PLoS One. Review. JMIR Med Educ. 2019;5(1):e13930.
2018;13(8):e0198603.
29. Han ER, Yeo S, Kim MJ, Lee YH, Park KH, 19. Westcott RJ, Tcheng JE. Artificial Roh H. Medical education trends for future Intelligence and Machine Learning in physicians in the era of advanced technology Cardiology. JACC Cardiovasc Interv. and artificial intelligence: an integrative 2019;12(14):1312-4. review. BMC Med Educ. 2019;19(1): 460.
20. Rigla M, García-Sáez G, Pons B, Hernando 30. Sit C, Srinivasan R, Amlani A, Muthuswamy ME. Artificial Intelligence Methodologies K, Azam A, Monzon L, et al. Attitudes and and Their Application to Diabetes. J Diabetes perceptions of UK medical students towards Sci Technol. 2018;12(2):303-10. artificial intelligence and radiology: a 21. Kwon JM, Jeon KH, Kim HM, Kim MJ, Lim multicentre2020;11(1):14.survey. Insights Imaging.
S, Kim KH, et al. Deep-learning-based out-of -
hospital cardiac arrest prognostic system to 31. Gong B, Nugent JP, Guest W, Parker W, predict clinical outcomes. Resuscitation. Chang PJ, Khosa F, et al. Influence of 2019;139:84-91. Artificial Intelligence on Canadian Medical 22. Seymour CW, Kahn JM, Cooke CR, Watkins Students'ANationalPreferenceSurvey forStudy.RadiologyAcadSpecialty: Radiol.
TR, Heckbert SR, Rea TD. Prediction of 2019;26(4):566- 77.
critical illness during out-of- hospital
emergency care. Jama. 2010;304(7):747-54. 32. Pinto Dos Santos D, Giese D, Brodehl S, Chon 23. Smith GB, Prytherch DR, Meredith P, SH,students'Staab W,attitudeKleinerttowardsR, et al. artificial Medical
Schmidt PE, Featherstone PI. The ability of intelligence: a multicentre survey. Eur Radiol. the National Early Warning Score (NEWS) to 2019;29(4):1640- 6.
discriminate patients at risk of early cardiac
arrest, unanticipated intensive care unit 33. Amisha, Malik P, Pathania M, Rathaur VK. admission, and death. Resuscitation. Overview of artificial intelligence in 2013;84(4):465-70. medicine. J Family Med Prim Care. 2019;8(7):2328- 31.
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
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.
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.
Anexo figura
Figura 1. interrelaciones en la enseñanza y aplicación de la medicina de los próximos años .
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 .
50