Machine Learning y Big Data en la gestión del riesgo en salud
Bermúdez González, Heber Esteban; Mosquera Agualimpia, Carmen Johana; Arteaga Sierra, Mónica Liliana
Machine Learning and Big Data in Health Risk Management
Autores Mosquera Agualimpia, Carmen Johana
Autores Arteaga Sierra, Mónica Liliana
Tema Big Data; ethical challenges; artificial intelligence; Machine Learning; risk prediction
Objective: To conduct a literature review on the use of Machine Learning and Big Data as key tools for enhancing risk management and treatment personalization.
Methods: A systematic literature review was conducted following PRISMA guidelines, utilizing academic and scientific databases. Relevant studies from the last 20 years, published in English and Spanish, were selected, focusing on the application of data science and artificial intelligence in healthcare. The review was carried out in two stages: an initial selection based on titles and abstracts, followed by a detailed reading of the full texts.
Results: The review highlighted significant advances in areas such as medical imaging and the analysis of data from wearable devices, which have improved the accuracy of health risk prediction. However, ethical and technical challenges were identified, such as algorithmic bias and inflated expectations regarding the capabilities of these technologies.
Conclusions: Machine Learning and Big Data hold great potential to transform healthcare; however, it is crucial to combine these technologies with human intelligence to overcome ethical and technical challenges. This will ensure more personalized, efficient, and equitable healthcare.
Descripción Introducción: La revolución tecnológica ha transformado profundamente la atención médica, al acumular grandes volúmenes de datos clínicos. Machine Learning y Big Data han surgido como herramientas clave para mejorar la gestión del riesgo y la personalización de tratamientos, al presentar, tanto oportunidades como desafíos en el ámbito de la salud.
Objetivo: Realizar una revisión bibliográfica sobre la utilización de Machine Learning y Big Data como herramientas clave para mejorar la gestión del riesgo y la personalización de tratamientos.
Métodos: Se realizó una revisión bibliográfica sistemática bajo las pautas de PRISMA, y la utilización de bases de datos académicas y científicas. Se seleccionaron estudios relevantes de los últimos 20 años en inglés y español, con enfoque en la aplicación de ciencia de datos e inteligencia artificial en la salud. La revisión se hizo en dos etapas: selección inicial por títulos y resúmenes, seguida por una lectura detallada de los textos completos.
Resultados: La revisión destacó avances significativos en áreas como el diagnóstico por imágenes y el análisis de datos de dispositivos portátiles, que han mejorado la precisión en la predicción de riesgos de salud. Sin embargo, se identificaron desafíos éticos y técnicos, como el sesgo en los algoritmos y expectativas desmesuradas sobre las capacidades de estas tecnologías.
Conclusiones: Machine Learning y Big Data tienen un gran potencial para transformar la atención médica, pero es crucial combinar estas tecnologías con la inteligencia humana para superar los desafíos éticos y técnicos. Esto garantizará una atención médica más personalizada, eficiente y equitativa.
Tipo info:eu-repo/semantics/publishedVersion
Fuente 2218-6719
Derechos https://creativecommons.org/licenses/by-nc/4.0