medigraphic.com
ISSN 1561-3127 (Electronic)
ISSN 0864-3466 (Print)

2022, Number 4

<< Back Next >>

Revista Cubana de Salud Pública 2022; 48 (4)

Artificial intelligence in medicine and surgical procedures: impact on decision making and health

Blanchar MTM, Pio HRF

Language: Spanish
References: 25
Page: 1-19
PDF size: 900.12 Kb.


ABSTRACT

Introduction: Systematic reviews of the literature constitute a practical methodological tool for the search of information on clinical research, technological applications and health impact decision-making.
Objectives: To describe how artificial intelligence influences medical decision-making according to the degree of agreement between this evidence and the expert systems applied in clinical and surgical specialties with an impact on health, according to reports from 2010 to 2019.
Methods: A systematic review was conducted with the use of a relational database model and a relationship entity model to guarantee the referential entity of which the databases and articles are part, as well as the quality of each of the articles classified by degrees of agreement between "very concordant" or "not concordant" with the topic of interest and the decision making of impact on health.
Conclusions: Applications such as expert systems, machine learning and robotics bring innovation to institutions and a revolutionary change in academic, clinical and epidemiological areas.


REFERENCES

  1. Jiménez Villa J, Argimon Pallás JM, Martín Zurro A, Vilardell Tarrés M. Publicación científica biomédica. Cómo escribir y publicar un artículo de investigación. 2a ed. Barcelona: Elsevier. 2015 [acceso 01/08/2019] Disponible en: Disponible en: https://dialnet.unirioja.es/servlet/libro?codigo=580024 1.

  2. Valbuena Castro R. IA. Investigación Científica Avanzada Centrada en Datos. 1ra edición. Venezuela: Cencal Press. 2021.

  3. Russell S, Norvig P. IA. Un enfoque moderno. 2a ed. Madrid: Pearson Educación; 2004 [acceso 01/08/2019]. Disponible en: Disponible en: https://luismejias21.files.wordpress.com/2017/09/inteligencia-artificial-un-enfoque-moderno-stuart-j-russell.pdf 3.

  4. Zamarripa Franco R. Curso virtual. Introducción a la IA. México: Red de Universidades de Anáhuac; 2020 [acceso 01/08/2019] Disponible en: Disponible en: https://www.edx.org/es/course/introduccion-a-la-inteligencia-artificial 4.

  5. Ruiz Morales A, Gómez Restrepo C. Epidemiología clínica. Investigación clínica aplicada. 2a ed. Bogotá: Editorial Panamericana. 2015[acceso 13/11/2019]. Disponible en: Disponible en: https://www.academia.edu/43416866/Epidemiolog%C3%ADa_Cl%C3%ADnica_2_EDICI%C3%93N_a_Investigaci%C3%B3n_Cl%C3%ADnica_Aplicada 5.

  6. Lasala Calleja MP. Introducción a la IA y los sistemas expertos. España: Zaragoza, Prensas Universitarias. 1994 [acceso 10/11/2019]. Disponible en: Disponible en: https://dialnet.unirioja.es/servlet/libro?codigo=374072 6.

  7. Beunza Nuin J, Puertas Sanz E, Condès Moreno E. Manual Práctico de IA en Entornos Sanitarios. Editorial Elservier. España. S.L.U. 2020 [acceso 10/11/2020]. Disponible en: Disponible en: https://www.elsevier.com/books/manual-practico-de-inteligencia-artificial-en-entornos-sanitarios/beunza-nuin/978-84-9113-801-3 7.

  8. Martínez López F, Gallegos Ruiz A. Programación de bases de datos relacionales. Bogotá: Ediciones de la U; 2017 [acceso 10/11/2019]. Disponible en: Disponible en: https://www.worldcat.org/title/programacion-de-bases-de-datos-relacionales/oclc/1099999839 8.

  9. Núñez Reiz A, Martínez Sagasti F, Álvarez González M, Blesa Malpica A, Martín Benítez JC, Nieto Cabrera M, et al9. . Organizing Committee of the Madrid 2017 Critical Care Datathon. Big data and machine learning in critical care: Opportunities for collaborative research. Med Intensiva. España. 2019;43(1):52-7. DOI:10.1016/j.medin.2018.06.002

  10. De la Cruz Figueroa L, Fernández Rodríguez R, González Rangel M. Hacia herramientas de IA en la enseñanza médica. Enfoque preliminar. Rev cub inform méd. 2018 [acceso 10/11/2019];10(1):68-75. Disponible en: Disponible en: https://pesquisa.bvsalud.org/portal/resource/es/biblio-960451 10.

  11. Campo F, Hornero R, Marcos JV, Álvarez D, Zamarrón C. Aplicaciones clínicas de las redes neuronales en el síndrome de apnea hipopnea del sueño. Vigilia sueño. 2013 [acceso 10/11/2019];25(1):34-43. Disponible en: Disponible en: https://pesquisa.bvsalud.org/portal/resource/es/ibc-111436 11. .

  12. Cabrera Hernández M, Paderni López MC, Hita Torres R, Delgado Ramos A, Tardío López M, Derivet Thaureaux D, et al12. . Aplicaciones médicas como ayuda al diagnóstico en la medicina. Experiencia SOFTEL-MINSAP. Rev. cuba. inform. méd. 2012 [acceso 10/11/2019];4(2):199-212. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1684-18592012000200010&lng=es 12.

  13. Walker BN, Rehg JM, Kalra A, Winters RM, Drews P, Dascalu J, et al13. . Dermoscopy diagnosis of cancerous lesions utilizing dual deep learning algorithms via visual and audio (sonification) outputs: Laboratory and prospective observational studies. EBioMedicine. 2019(40):176-83. DOI: 10.1016/j.ebiom.2019.01.028

  14. Dos Santos H. Comparação da performance de algoritmos de machine learning para a análise preditiva em saúde pública e medicina [tesis]. [São Paulo]: Universidad de São Paulo; Faculdad de Saudè Pública; 2018. DOI: 10.11606/T.6.2018.TDE-09102018-132826.

  15. Fang H, He L, Si H, Liu P, Xie X. Human activity recognition based on feature selection in smart home using back-propagation algorithm. ISA Trans. 2014 [acceso 12/11/2019];53(5):1629-38. Disponible en: Disponible en: https://pesquisa.bvsalud.org/portal/resource/es/mdl-25016308 15. .

  16. Guidi G, Pettenati MC, Melillo P, Iadanza E. A machine learning system to improve heart failure patient assistance. IEEE J Biomed Health Inform. 2014 [acceso 12/11/2019];18(6):1750-6. Disponible en: Disponible en: https://pesquisa.bvsalud.org/portal/resource/es/mdl-25029521 16. .

  17. Ilktan A, Yusuf A. A computerized recognition system for the home-based physiotherapy exercises using an RGBD camera. IEEE Trans Neural Syst Rehabil Eng. 2014 [acceso 12/11/2019];22(6):1160-71. Disponible en: Disponible en: https://pesquisa.bvsalud.org/portal/resource/es/mdl-24860037 17. .

  18. Curran K, Nichols E, Xie E, Harper R. An intensive insulin therapy mobile phone application built on artificial intelligence techniques. J Diabetes Sci Technol. 2010 [acceso 12/11/2019];4(1):209-20. Disponible en: Disponible en: https://pesquisa.bvsalud.org/portal/resource/es/mdl-20167186 18. .

  19. Finkelstein J, Wood J. Predicting asthma exacerbations using artificial intelligence. Stud Health Technol Inform. 2013 [acceso 12/11/2019];190:56-8. Disponible en: Disponible en: https://pesquisa.bvsalud.org/portal/resource/es/mdl-23823374 19. .

  20. Miller D, Nelson C, Oleynikov D. Shortened OR time and decreased patient risk through use of a modular surgical instrument with artificial intelligence. Surg Endosc. 2009[acceso 13/11/2019];23(5):1099-105. Disponible en: Disponible en: https://pesquisa.bvsalud.org/portal/resource/es/mdl-19184205 20. .

  21. Nakawala H, Ferrigno G, De Momi E. Development of an intelligent surgical training system for Thoracentesis. Artif Intell Med. 2018 [acceso 13/11/2019];84:50-63. Disponible en: Disponible en: https://pesquisa.bvsalud.org/portal/resource/es/mdl-29169646 21. .

  22. Lovejoy C, Buch V, Maruthappu M. Artificial intelligence in the intensive care unit. Crit Care. 2019 [acceso 13/11/2019];23(1):7. Disponible en: Disponible en: https://pesquisa.bvsalud.org/portal/resource/es/mdl-30630492 22. .

  23. Mori Y, Kudo S, Mori K. Potential of artificial intelligence-assisted colonoscopy using an endocytoscope (with video). Dig Endosc. 2018 [acceso 13/11/2019];30(1):52-3. Disponible en: Disponible en: https://pesquisa.bvsalud.org/portal/resource/es/mdl-29658647 23. .

  24. Carlson J, Das S, De la Torre F, Frisch A, Guyette F, Hodgins J, et al24. . A Novel Artificial Intelligence System for Endotracheal Intubation. Prehosp Emerg Care. 2016;20(5):667-71. DOI:10.3109/10903127.2016.1139220.

  25. Quan T, Zheng T, Yang Z, Ding W, Li S, Li J, et al25. . NeuroGPS: automated localization of neurons for brain circuits using L1 minimization model. SciRep. 2013;3:1414. DOI: 10.1038/srep01414




2020     |     www.medigraphic.com