Investigación en inteligencia artificial y salud. Construcción de un repositorio de datos abiertos de la población mexicana
Gabriela Elisa Sued
Investigadora postdoctoral SECIHTI en Universidad Nacional Autónoma de México;
Eduardo Robles Belmont
Instituto de Investigaciones en Matemáticas Aplicadas y Sistemas
Problemática o diagnóstico
A partir de agosto de 2023 se desarrolla el proyecto postdoctoral “La producción de IA en
laboratorios universitarios mexicanos desde la perspectiva de los estudios de ciencia, tecnología y sociedad” en el Instituto de Investigaciones de Matemáticas Aplicadas y Sistemas de la UNAM. El proyecto mapea la investigación en IA para identificar fortalezas y oportunidades de desarrollo tecnocientífico local en el contexto universitario.
Mediante las metodologías más abajo detalladas, se identificó que una de las áreas con mayor intervención de la investigación en inteligencia artificial es el ámbito de la salud, facilitada a partir de la digitalización de la digitalización de registros clínicos y estudios de diagnóstico (Dashi et al., 2019). Los investigadores están desarrollando prototipos de identificación, diagnóstico y clasificación de enfermedades mediante procesamiento de lenguaje natural, reconocimiento de patrones y visión y aprendizaje de máquina. Muchos de ellos se unen a profesionales médicos para adquirir datos y resolver problemas de manera conjunta. Sin embargo, la adquisición de datos de poblaciones mexicanas es un proceso dificultoso que al momento se resuelve como una colaboración espontánea entre especialistas en IA y en medicina.
En esta ponencia se describen las relaciones de colaboración entre especialistas en IA y médicos, se pone de manifiesto la fortaleza de la investigación mexicana en la intersección de las dos áreas y se propone la creación de un repositorio descentralizado de datos de salud de la población mexicana a partir de la creación de un repositorio de datos abiertos de datos de salud de la población mexicana a partir de un llamado a concurso de proyectos interdisciplinarios.
Objetivos
-El objetivo de la ponencia es visibilizar el trabajo de investigación mexicano en la intersección entre la inteligencia artificial y la medicina.
-Una vez identificadas las fortalezas y modalidades de colaboración de los investigadores, se propondrá la creación de una infraestructura de acceso a datos de salud de la población mexicana, con el objeto de promover avances en la intersección entre la inteligencia artificial y la medicina tanto en la investigación como en los estudios de posgrado.
Estrategia metodológica
Se relevaron publicaciones académicas con métodos bibliométricos, se revisaron documentos prenormativos nacionales e internacionales, y se realizaron 25 entrevistas semiestructuradas a investigadores e investigadoras de la Universidad Nacional Autónoma de México y del Instituto Politécnico Nacional.Para la versión ensayo de esta ponencia se propone la elaboración de un estado del arte de las bases de datos en el área de salud.
Resultados
El relevamiento arrojó como resultado una investigación en inteligencia artificial sistemática, sólida y continua (Sued, 2024). Esta investigación se presenta principalmente como aplicada a sectores sociales orientados al bien común, como la salud, los problemas ambientales y urbanos, y el manejo de energías. Las técnicas actuales de IA se basan en dos elementos: algoritmos de aprendizaje y conjuntos de datos para entrenamiento. Por eso, una gran parte del trabajo de los investigadores consiste en construir alianzas con actores no especialistas en IA para obtener datos con los que testear y poner en funcionamiento los algoritmos que diseñan u optimizan.
Así, los especialistas en IA han establecido asociaciones con investigadores en ciencias básicas, como la geofísica, la astronomía y las ciencias biomédicas, pero principalmente han encontrado en la medicina y los datos sobre salud una importante área de desarrollo. En la intersección entre la medicina y la inteligencia artificial se han desarrollado investigaciones sobre lectura automática de notas médicas con procesamiento de lenguaje natural para la extracción de información relevante; detección de tumores mediante análisis automatizado de imágenes; diagnósticos predictivos basados en datos en cáncer cervicouterino, enfermedades cardiológicas y COVID-19; medición de salud fetal con reconocimiento automático de imágenes obtenidas de ultrasonido para detectar problemas de salud prenatales; modelos de detección automática de enfermedades de riñón, entre otros. Además de usarse en la producción de conocimiento, las bases de datos de salud se usan en la formación de posgrado, maestría y doctorado, de los futuros especialistas mexicanos en inteligencia artificial. En estos casos, muchas veces se desarrollan sistemas de predicción y clasificación a partir de repositorios internacionales de datos abiertos disponibles, de población no mexicana. Para los investigadores, la medicina es un área de fácil acceso: se generan muchos datos a una gran velocidad, y los profesionales están interesados en el uso de estos datos. Los especialistas en inteligencia artificial no trabajan solos, sino que lo hacen en coproducción y diálogo con los profesionales médicos, o al menos, con los datos que les ceden los mismos profesionales, quienes además son colaboradores y potenciales usuarios de estos prototipos que desarrollan de manera interdisciplinaria y que permiten un beneficio mutuo.
Estos desarrollos se vuelcan en publicaciones y permanecen como prototipos de un conocimiento potencialmente aplicable. Nuestra investigación identificó, sin embargo, limitaciones en el acceso a datos médicos de población mexicana. Los mecanismos para acceder a bases de datos de pacientes mexicanos son informales, se logran mediante acuerdos entre investigadores, carecen de convenios interinstitucionales, de consentimientos por parte de los pacientes involucrados y de políticas de protección de datos. Tampoco se encuentran implementados protocolos para el etiquetado de dichos datos.
Propuestas y/o líneas de acción
La Organización Mundial de la Salud provee un marco general de Salud Digital que incluye entre, varios aspectos, el acceso y análisis de datos de salud para mejorar los diagnósticos y ensayos clínicos, así como para recomendar tratamientos basados en datos. La creación de un entorno de salud digital requiere de esfuerzos de gobernanza coordinados y de encarar desafíos tales como el seguimiento de estándares de privacidad, de ética, de equidad y de ciberseguridad (OMS, 2025).
Identificadas las fortalezas y las oportunidades de las colaboraciones entre las ciencias de la salud y la inteligencia artificial, lo que se propone en este breve trabajo es la creación de infraestructuras de datos de salud mexicanos para la investigación y el desarrollo.
Esta infraestructura debe incluir el diseño de una plataforma en acceso abierto, así como un programa de proyectos médico-tecnológicos orientados a sistematizar y colocar en acceso abierto datos de salud correspondientes a la población mexicana, ajustados a estándares éticos y de protección de la privacidad, a fin de promover y continuar el desarrollo de la colaboración entre las ciencias médicas y la inteligencia artificial. De este modo, con llamados descentralizados y con el aporte de instituciones e investigadores interesados en participar de los proyectos, se conformará un repositorio colaborativo donde por iniciativa de los propios investigadores y profesionales, con el apoyo de las instituciones de pertenencia que promoverá la ampliación de conocimientos sobre la población mexicana. Para apoyar esta idea, el ensayo publicable incluirá una revisión bibliográfica sobre repositorios de datos de salud.
Referencias
Dash, S., Shakyawar, S. K., Sharma, M., & Kaushik, S. (2019). Big data in healthcare: Management, analysis and future prospects. Journal of Big Data, 6(1), 54. https://doi.org/10.1186/s40537-019-0217-0
OMS, Organización mundial de la salud. (2025) Global strategy on digital health 2020-2025. Geneva: World Health Organization; 2021
Sued, G. E. (2024). La producción científica mexicana en Inteligencia Artificial: Un análisis bibliométrico. Investigación Bibliotecológica: archivonomía, bibliotecología e información, 38(100) https://doi.org/10.22201/iibi.24488321xe.2024.100.58893