Evaluación comparativa de herramientas tecnológicas basadas en Inteligencia Artificial para el monitoreo de enfermedades
DOI:
https://doi.org/10.33936/isrtic.v8i1.6325Palabras clave:
Salud, Tecnología, Inteligencia artificial, Enfermedad, PacienteResumen
La atención médica está experimentando una revolución sin precedentes gracias a los avances en informática, inteligencia artificial (IA) y telemedicina. En este contexto, los chatbots se han convertido en herramientas innovadoras que transforman las prácticas médicas tradicionales al ofrecer atención personalizada y orientación instantánea. Esto desafía el enfoque convencional de seguimiento de enfermedades, que solía depender históricamente de visitas médicas programadas y recopilación manual de datos. Este estudio se enfoca en evaluar comparativamente las herramientas tecnológicas basadas en IA diseñadas para el monitoreo de enfermedades. Adoptando el método PRISMA 2020, se llevó a cabo una revisión exhaustiva de la literatura y estudios pertinentes. Este enfoque metodológico permitió un análisis preciso de la eficacia, exactitud y viabilidad de chatbots específicos como GYANT, Babylon Health, EDAChatbot, Med-PaLM, Symptomate y Buoy Health. Los resultados obtenidos revelan el impacto positivo que estas tecnologías tienen en la mejora de la atención médica. Además, ofrecen una guía sólida para su desarrollo y adopción futura. Es fundamental destacar que la implementación de estas tecnologías debe llevarse a cabo sin descuidar principios éticos fundamentales, como la protección de la privacidad y la autonomía del paciente. En cuanto a los hallazgos específicos, se encontró que los chatbots EDAChatbot, Buoy Health y Symptomate sobresalen en varios aspectos críticos. Estos incluyen: respuestas rápidas e instantáneas, interfaz amigable y sencilla, adaptabilidad Lingüística, integración con Registros Médicos Electrónicos (EMR) y seguridad de Datos, garantizando la confidencialidad y protección de la información del paciente.
Descargas
Citas
Altamimi, I. A. (2023). Artificial Intelligence (AI) Chatbots in Medicine: A Supplement, Not a Substitute. Cureus. https://doi.org/10.7759/cureus.40922
Amisha, Malik, P., Pathania, M., & Rathaur, V. (2019). Overview of artificial intelligence in medicine. Journal of Family Medicine and Primary Care. https://doi.org/10.4103/jfmpc.jfmpc_440_19
Aranibar, E., Salinas, F., & Seguil, N. (2023). Exploring trends in the public sphere: scientometrics and systematic review. Universitas XXI. https://doi.org/10.17163/uni.n39.2023.05
Ćirković , A. (2020). Evaluation of Four Artificial Intelligence–Assisted Self-Diagnosis Apps on Three Diagnoses: Two-Year Follow-Up Study. J Med Internet Res. https://doi.org/10.2196/18097
Curioso, W., & Brunette, M. (2020). Inteligencia artificial e innovación para optimizar el proceso de diagnóstico de la tuberculosis. . Revista Peruana de Medicina Experimental y Salud Publica. https://doi.org/10.17843/rpmesp.2020.373.5585
Galatzer-Levy, I., McDuff, D., Natarajan, V., Karthikesalingam, A., & Malgaroli, M. (2023). The Capability of Large Language Models to Measure Psychiatric Functioning. arXiv preprint. https://doi.org/10.48550/arXiv.2308.01834
Galvani, A., Parpia, A., Foster, E., Singer, B., & Fitzpatrick, M. (2020). Improving the prognosis of health care in the USA. Lancet. https://doi.org/10.1016/S0140-6736(19)33019-3
García, J. (2016). Applications of Data Mining (DM) in Science and Engineering: State of the art and perspectives. arxiv. https://doi.org/10.48550/arXiv.1609.05401
Goktas, P., Karakaya, G., Kalyoncu, A., & Damadoglu, E. (2023). Artificial Intelligence Chatbots in Allergy and Immunology Practice: Where Have We Been and Where Are We Going? The Journal of Allergy and Clinical Immunology: In Practice. https://doi.org/10.1016/j.jaip.2023.05.042
Guizado, D., Távara, A., & Meneses, B. (2023). Virtual reality in communicative learning tools for children with autism spectrum disorders a systematic literature review. Salud, Ciencia y Tecnología – Serie de Conferencias. https://doi.org/10.56294/sctconf2023533
Han, J., Park, J., & & Lee, H. (2022). Analysis of the effect of an artificial intelligence chatbot educational program on non-face-to-face classes: a quasi-experimental study. BMC Med Educ. https://doi.org/10.1186/s12909-022-03898-3
Han, R., Todd, A., Wardak, S., Partridge, S., & Raeside, R. (2023). Feasibility and Acceptability of Chatbots for Nutrition and Physical Activity Health Promotion Among Adolescents: Systematic Scoping Review With Adolescent Consultation. JMIR Hum Factors, 10(e43227). https://doi.org/10.2196/43227
Imran, N., Hashmi, A., & Imran, A. (2023). Chat-GPT: Opportunities and Challenges in Child Mental Healthcare. PAKISTAN JOURNAL OF MEDICAL SCIENCES, 1191-1193. https://doi.org/10.12669/pjms.39.4.8118
Lacobucci, G. (2020). Babylon Health holds talks with “significant” number of NHS trusts. BMJ. https://doi.org/10.1136/bmj.m266
Mahase, E. (2019). Birmingham trust and Babylon Health discuss pre-A&E triage app. BMJ. https://doi.org/10.1136/bmj.l2354
Makasi, T., Nili, A., Desouza, K., & & Tate, M. (2020). Chatbot-mediated public service delivery: A public service value-based framework. First Monday. https://doi.org/10.5210/fm.v25i12.10598
Murugaiyan, P., & Ramakrishnan, V. (2020). A methodology for structured literature network meta-analysis. JOURNAL OF MODELLING IN MANAGEMENT, 4-48. https://doi.org/10.1108/JM2-01-2020-0009
Nißen, M., Rüegger, D., Stieger, M., Flückiger, C., Allemand, M., V Wangenheim, F., & & Kowatsch, T. (2022). The Effects of Health Care Chatbot Personas With Different Social Roles on the Client-Chatbot Bond and Usage Intentions: Development of a Design Codebook and Web-Based Study. Journal of medical Internet research. https://doi.org/10.2196/32630
Oliver, D. (2019). David Oliver: Lessons from the Babylon Health saga. BMJ. https://doi.org/10.1136/bmj.l2387
Omarov, B., Narynov, S., & Zhumanov, Z. (2023). Artificial Intelligence-Enabled Chatbots in Mental Health: A Systematic Review. CMC-COMPUTERS MATERIALS & CONTINUA, 5105-5122. https://doi.org/10.32604/cmc.2023.034655
Page, M., McKenzie, J., Bossuyt, P., Boutron, I., Hoffmann, T., Mulrow, C., . . . Moher, D. (2021). Declaración PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas. Revista Española de Cardiología. https://doi.org/10.1016/j.recesp.2021.06.016
Salas, J., Barros, F., & Martinez, F. (2019). Deep Learning: Current State. IEEE Latin America. https://doi.org/10.1109/TLA.2019.9011537
Satheesh, K., Tanmai, M., Neelam , K., & Rodriquez, R. (2023). Artificial Intelligence and Knowledge Processing. CRC Press. https://doi.org/10.1201/9781003328414
Secinaro, S., Calandra, D., Secinaro, A., Muthurangu, V., & Biancone, P. (2021). The role of artifcial intelligence. BMC Med Inform Decis Mak. https://doi.org/10.1186/s12911-021-01488-9
Singhal, K., Tu, T., Gottweis, J., Sayres, R., Wulczyn, E., Clark, K., . . . Tomasev, N. (2023). Towards Expert-Level Medical Question Answering with Large Language Models. arXiv:2305.09617. https://doi.org/10.48550/arXiv.2305.09617
Sinha, S., Mandal, S., & Mondal, A. (2020). Question Answering System-Based Chatbot for Health care. Springer, Singapore. https://doi.org/10.1007/978-981-15-2188-1_6
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Oscar Efrén Cárdenas Villavicencio , Milton Rafael Valarezo Pardo, Freddy Aníbal Jumbo Castillo, Juan Andrés Jaramillo Barreiro
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los artículos enviados a esta revista para su publicación serán liberados para su acceso abierto bajo una licencia Creative Commons con Reconocimiento No Comercial Sin Obra Derivada (http://creativecommons.org/licenses/by-nc-nd/4.0)
Los autores mantienen los derechos de autor, y, por lo tanto, son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes: Reconocer los créditos de la obra especificada por el autor e indicar si se realizaron cambios (puede hacerlo de cualquier forma razonable, pero no de una manera que sugiera que el autor respalda el uso que hace de su obra. No utilizar la obra para fines comerciales. En caso de remezcla, transformación o desarrollo, no puede distribuirse el material modificado.
