Implementación de la IA en la docencia del grado de enfermería

PRESENTACIÓN

Implementación de la inteligencia artificial (IA) en la docencia del grado deenfermería.

carlos nieves.

La integración de la inteligencia artificial (IA) en la educación en enfermería está transformando la formación de los futuros profesionales de la salud al ofrecer experiencias de aprendizaje personalizadas y eficientes.

ÍNDICE

17

1.INTRODUCCIÓN.

2.CONCEPTO DE LA IA.

3.APRENDIZAJE AUTOMÁTICO.

4. SISTEMAS DE LA IA.

5. Vídeo JORNADA IA.

6. OPORTUNIDADES.

7. CRONICIDAD.

8. IA REGISTROS E.

9. APLICABILIDAD IA.

10. CONCLUSIONES.

11. gracias.

INTRODUCCIÓN.

La IA ofrece herramientas avanzadas como simulaciones realistas y recursos adaptativos que pueden mejorar la formación de futuros profesionales de la salud, permitiendo una educación más dinámica y ajustada a las necesidades individuales de cada estudiante.

CONCEPTO DE LA IA.

APRENDIZAJE E INTELIGENCIA ARTIFICIAL

La IA se entiende como un sistema informático programado capaz de emular funciones cognitivas del ser humano por sí sola, como el aprendizaje, la percepción visual o la resolución de problemas, a partir de su propia experiencia acumulada.

+ info

APRENDIZAJE AUTOMÁTICO.

El aprendizaje automático es un método de análisis de datos basado en algoritmos que se entrenan en la identificación de patrones en los datos y aprende de estos para adaptarse a los diferentes enfoques.

SISTEMAS DE IA.

imagen

En las últimas dos décadas han sido ampliamente usados los sistemas expertos basados en reglas, que están diseñados para imitar el razonamiento humano en la resolución de problemas. Sin embargo, a diferencia de los sistemas de IA, están limitados a un conocimiento específico previamente establecido, como por ejemplo el algoritmo de una guía de práctica clínica, sin capacidad de aprendizaje automático propio (Koski y Murphy, 2021; Seibert et al., 2021).

20XX

+ info

IA EN EL ÁMBITO DE LA ENFERMERÍA

Desde el ámbito de la enfermería, las aplicaciones de IA atienden a tres sistemas de análisis que abren un amplio espectro de oportunidades.

El análisis clínico, que incluye la prevención de la salud, la predicción de la enfermedad y la detección de heridas; el análisis de comportamiento, que favorece la adopción de prácticas de salud sobre el bienestar del paciente; y el análisis operativo, orientado a aumentar la eficiencia de los procesos de atención al paciente y a apoyar a las decisiones clínicas.

+ info

oportunidades

Síntesis y organización

60%

70%

90%

Incluso, llevado al ámbito educativo, Chang et al. (2021) observaron que los estudiantes que usaban el chatbot eran más autonómos gracias a la libre adquisición de información y formación a través del agente conversacional.

20 k.

10 k.

20 k.

10 k.

20 k.

10 k.

ABORDAJE DE LA CRONICIDAD CON IA.

USO DE LA IA EN FASE DIAGNÓSTICA

PRÁCTICA CLINICA ENFERMERA E INTELIGENCIA ARTIFICIAL.

En general, según una revisión sistemática reciente sobre los sistemas de apoyo en la toma de decisiones de enfermería (Akbar et al., 2021) la variabilidad de los resultados obtenidos puede explicarse por cuatro factores: (I) La introducción o no de información de las historias de salud. (II) La focalización en una única tarea, como calcular el riesgo de una enfermedad; (III) La variabilidad clínica de los pacientes que dificulta la toma de decisiones; y por último, (IV) La variabilidad entre los artículos en cuanto al tiempo de estudio, muestra y estrategias de implementación.

IA EN LOS REGISTROS ELECTRÓNICOS.

UTILIDADES EN LOS REGISTROS.

vs

Estos autores defienden que los apoyos en las tomas de decisiones de enfermería deberían ser adaptativos y aprender de los datos de pacientes, señalando la IA como la tecnología más adecuada para mejorar la calidad y reducir fallos de actuación..

APLICABILIDAD DE LA IA

AUGE DE LA IMPLEMENTACIÓN DE LA IA.

CONCLUSIONES.

NIVELES DE EFICIENCIA

La IA aplicada en enfermería parece tener un efecto positivo sobre los cuidados y salud de los pacientes, además de alcanzar métodos de trabajo más eficientes en tiempo y recursos.

La necesidad investigar acerca de esta tecnología y crear evidencia de calidad con intervenciones llevadas a la práctica real es indispensable para el avance científico en el ámbito tecnológico de la enfermería.

GRACIAS

CARLOS NIEVES

Otro punto a destacar, es la negación de pacientes a ser atendidos por máquinas y el temor de los sanitarios a ser sustituidos por éstas, lo que dificulta la aceptación y la confianza sobre la IA. Por último, la no adaptación de la IA a todas las edades priva a grupos poblacionales concretos de acceder a este recurso donde se ven perjudicados tanto sanitarios como usuarios.

CONCLUSIONES.

Como la IA utiliza algoritmos de aprendizaje automático, requiere de periodos de entrenamiento para que su función sea eficaz y real, es decir, necesita ser usada muchas veces para aprender distintos patrones de los pacientes.

Chan et al. (2022) tuvieron mayor control sobre la herida con un seguimiento telemático. A pesar de estos resultados positivos, no existe mucha evidencia publicada sobre este tipo de IA, al contrario de los sistemas basados en NLP, por ejemplo, en forma de chatbot, que no tan sólo hay más artículos publicados, sino que consiguen mejores resultados por disminuir la carga de trabajo enfermera (Chang et al., 2021; Lima-Roque et al., 2021; Milne-Ives et al., 2020).

IA EN REALIDAD VIRTUAL

Con el fin de mitigar o reducir esta problemática, algunos autores (Liaw et al., 2020) muestran que la IA introducida en sistemas de RV podría optimizar los resultados en la enseñanza al profundizar en el realismo de las simulaciones clínicas, así también lo confirman Chan y Zary (2019) en su revisión integradora, en la cual enuncian que la capacidad de la IA de ofrecer un aprendizaje guiado acompañado de feedback son de potencial interés en educación.

• Entre los usos que también se han analizado en esta revisión, se encuentra la aplicabilidad de la IA en la fase diagnóstica, cuyo objetivo reside en identificar la patología sobre el que se rige posteriormente el tratamiento para combatir la enfermedad del paciente. Así, la función de la IA recae en mejorar la eficiencia y precisión diagnóstica de los sanitarios (Kumar et al., 2022; Mirbabaie et al., 2021).

ALGORITMOS DE LA IA

Esta IA mejora automáticamente a través de escenarios de prueba y adaptación, es decir, cuantas más veces se utilicen los algoritmos, mejor funcionamiento tendrá. En salud, la medicina de precisión es la más utilizada con aprendizaje automático (Chen y Decary, 2020; Lee y No Yoon et al., 2021; Seibert et al., 2021).

Además, podemos encontrar dos estructuras más complejas dentro del aprendizaje automático: la red neuronal (neural network), aplicada para determinar una posible enfermedad que puede desarrollar un paciente; y el aprendizaje profundo (deep learning), utilizada usualmente en el reconocimiento de lesiones cancerosas en diagnósticos de imagen o en el reconocimiento de voz (Davenport & Kalakota, 2019).

Gracias a su libre acceso a la documentación, respalda la toma de decisiones clínicas y logra una atención basada en evidencia (Clancy, 2020; Lee y No Yoon, 2021; Jiang et al., 2017; Koski y Murphy, 2021; McGrow, 2019). Según Koski y Murphy (2021) y McGrow (2019), para considerar una herramienta informática como IA, ésta debe estar conformada por varias funciones que le confieren la inteligencia, entre las que destacan:

Mientras que la automatización de procesos robóticos (Davenport y Kalakota, 2019) hace referencia a programas digitales que perfeccionan los flujos de trabajo, por ejemplo en la extracción de datos relevantes tras el reconocimiento de imágenes y su posterior actualización en los registros clínicos del paciente.

Síntesis y organización, los dos pilares para presentar

Aunque no debes abusar de los bulletpoints, los iconos y esquemas pueden ser grandes aliados a la hora de contar historias. Mantendrás la atención de tu audiencia y los datos quedarán grabados en su cerebro.

APLICABILIDAD DE LA IA EN ENFERMERÍA

Dado el elevado número de aplicabilidades de la IA en el ámbito de la salud y en el de la enfermería, en particular, se hace necesario la existencia de enfermeras competentes en áreas de la informática o en el manejo de ordenadores, para poder llevar a cabo eficazmente el desarrollo e implantación de esta tecnología en salud

Además, la educación a enfermeras/os sobre la IA aumentaría la ratio de profesionales capacitados para utilizar adecuadamente estos sistemas de apoyo a la clínica, así como es relevante investigar las necesidades e inquietudes de los profesionales hacia la IA, para adaptar el proceso al cambio de los profesionales. Por estas razones, la inclusión de la IA es un proceso complejo que requiere no solo de evidencias del correcto funcionamiento, sino de la actitud y aptitud del profesional a trabajar con nuevos instrumentos (von Gerich et al., 2022).

Además, la educación a enfermeras/os sobre la IA aumentaría la ratio de profesionales capacitados para utilizar adecuadamente estos sistemas de apoyo a la clínica, así como es relevante investigar las necesidades e inquietudes de los profesionales hacia la IA, para adaptar el proceso al cambio de los profesionales.

Dado el elevado número de aplicabilidades de la IA en el ámbito de la salud y en el de la enfermería, en particular, se hace necesario la existencia de enfermeras competentes en áreas de la informática o en el manejo de ordenadores, para poder llevar a cabo eficazmente el desarrollo e implantación de esta tecnología en salud.

Hay que considerar que la fiabilidad diagnóstica aumentaba en presencia de comorbilidades y cuando la IA se combinaba con NLP en la interpretación de comentarios de la historia clínica. Sin embargo, tal y como indican Mirbabaie et al. (2021) son necesarias investigaciones que examinen en profundidad la función diagnóstica in situ de la IA en la práctica real para su aceptación general por los sanitarios. La resistencia al cambio o rechazo del uso de la IA han sido analizadas por Sandhu et al. (2020) y Ginestra et al. (2019), quienes observaron desconfianza entre los profesionales de la salud sobre la IA cuando las manifestaciones clínicas del paciente no coincidían con la recomendación de la IA.

TIPOS DE PRESENTACIONES IA

La IA adopta distintos tipos de presentaciones, según la intención y el ambiente para su uso. En el ámbito sanitario, podemos distinguir varios tipos de IA en función de la relevancia para los cuidados en salud (Davenport y Kalakota, 2019; Jiang et al., 2017; Seibert et al., 2021): aprendizaje automático (machine learning), procesamiento del lenguaje natural (natural lenguage processing, NLP), sistemas expertos basados en reglas (rule-based expert systems), automatización de procesos robóticos (robotic process automation) y robots físicos.

La IA adopta funciones diversas como guiar al paciente con instrucciones personalizadas sobre el manejo de su herida o monitorizar a distancia al paciente permitiendo un constante informe, que principalmente favorece la atención comunitaria o identificar precozmente el posible diagnóstico del usuario al introducir los signos y síntomas que este refiere, acelerando así, los procesos de atención. Esta herramienta tiene potencial para cambiar los sistemas de trabajo tal y como se conocen a día de hoy, aumentando la ratio de pacientes atendidos, lo que podría colaborar a reducir indirectamente el índice de morbi-mortalidad.

INTRODUCCIÓN.

A medida que la atención médica continúa evolucionando y volviéndose cada vez más compleja, la educación en enfermería también debe adaptarse para mantenerse al ritmo de los cambios en el panorama. Un desarrollo significativo en la educación superior ha sido la integración de la tecnología de inteligencia artificial (IA), que tiene el potencial de transformar la educación al proporcionar experiencias de aprendizaje más personalizadas y eficientes para los estudiantes (Bozkurt, 2023).

• La implementación de IA plantea desafíos éticos y pedagógicos que deben ser cuidadosamente abordados para asegurar su uso efectivo y equitativo. Entre las preocupaciones destacan la posibilidad de exacerbar desigualdades existentes, la dependencia excesiva de la tecnología y las implicaciones éticas del uso de IA en contextos educativos.

Akbar, S., Lyell, D., y Magrabi, F. (2021). Automation in nursing decision support systems: A systematic review of effects on decision making, care delivery, and patient outcomes. Journal of the American Medical Informatics Association, 28(11), 2502–2513. https://doi.org/10.1093/JAMIA/OCAB12 Backonja, U., Hall, A. K., Painter, I., Kneale, L., Lazar, A., Cakmak, M., Thompson, H. J., y Demiris, G. (2018). Comfort and Attitudes Towards Robots Among Young, Middle-Aged, and Older Adults: A Cross-Sectional Study. Journal of Nursing Scholarship : An Official Publication of Sigma Theta Tau International Honor Society of Nursing, 50(6), 623–633. https://doi.org/10.1111/jnu.12430 Boumans, R., van Meulen, F., Hindriks, K., Neerincx, M., y Olde Rikkert, M. G. M. (2019). Robot for health data acquisition among older adults: a pilot randomised controlled cross-over trial. BMJ Quality & Safety, 28(10), 793–799. https://doi.org/10.1136/bmjqs-2018-008977 Chan, K. S., y Zary, N. (2019). Applications and Challenges of Implementing Artificial Intelligence in Medical Education: Integrative Review. JMIR Medical Education, 5(1), e13930. https://doi.org/10.2196/13930 Fernandez-García, J., Spatharou, A., Hieronimus, S., Jenkins, J., y Beck, J. P. (2020). Transforming healthcare with AI. The impact on the workforce and organisations. McKinsey & Company, 10. https://eithealth.eu/wp-content/uploads/2020/03/EITHealth-and-McKinsey_Transforming-Healthcare-with-AI.pdf García-García, E., González-Romero, G. M., Martín-Pérez, E. M., Zapata Cornejo, E. de D., Escobar-Aguilar, G., y Cárdenas Bonnet, M. F. (2021). Real-World Data and Machine Learning to Predict Cardiac Amyloidosis. International Journal of Environmental Research and Public Health, 18(3). https://doi.org/10.3390/ijerph18030908

REF BIBLIOGRÁFICAS

El acompañamiento visual…

El reconocimiento de patrones de actuación, el procesamiento del lenguaje natural, el aprendizaje automático, un propio buscador, el analizador de imágenes y sonidos, la percepción ambiental, un almacén de bases de datos, los clasificadores de información y las redes neuronales artificiales.

CRONICIDAD E IA.

Igualmente, según Tolentino-Hernández (2019), los pacientes con enfermedades crónicas suelen mejorar su adherencia al tratamiento y adquieren hábitos de vida más saludables tras recibir cuidados por chatbot, pues la sencillez del uso de esta herramienta permite ser utilizado por cualquier persona, independientemente de su nivel de estudios, lo que convierte a la población en una sociedad con menor dependencia al sistema sanitario y mayor control sobre los autocuidados (Chang et al., 2021; Lima-Roque et al., 2021; Tolentino-Hernández, 2019).

Por el contrario, Shorey et al. (2020) y Bian et al. (2020) discutieron que el pobre reconocimiento de voz, la falta de expresión y énfasis en el habla y el flujo de conversación frecuentemente interrumpido de los agentes conversacionales con IA basado en NLP, impidieron alcanzar resultados con relevancia clínica superior a las prácticas habituales.

AVANCE DE LA IA

La IA aplicada en salud es todavía una práctica en auge, cuya evidencia está limitada por estudios aún en desarrollo o estudios piloto. Además, la mayoría de los estudios utilizaron muestras poblacionales muy pequeñas que impiden extrapolar los resultados a ámbitos clínicos más generales. Como la IA utiliza algoritmos de aprendizaje automático, requiere de periodos de entrenamiento para que su función sea eficaz y real, es decir, necesita ser usada muchas veces para aprender distintos patrones de los pacientes.

Los robots físicos son descritos por Chen y Decary (2020) como máquinas habitualmente con aspecto humano que integran un conjunto de las capacidades mencionadas anteriormente, cuyas prácticas asistenciales principales consisten en colaborar en operaciones quirúrgicas, interacciones sociales, rehabilitación o cuidados asistidos, así como reponer equipos sanitarios.

ROBOTS FÍSICOS.

Estos resultados son también coincidentes con la reciente revisión sistemática elaborada por Milne-Ives y colaboradores (2020) sobre la eficacia de los agentes conversacionales, que muestra que a pesar de un 73% de sus estudios reportaron resultados favorables para la práctica clínica, especialmente en el diagnóstico y apoyo al tratamiento, las dificultades para el reconocimiento del lenguaje natural y la pobre interacción bot-paciente, fueron los inconvenientes más discutidos en vista a conseguir una IA eficiente.

IA EN CUIDADOS ENFERMERÍA

La IA aplicada en la atención de cuidados de enfermería es una práctica en auge, pues estudios como los realizados por Gupta et al. (2021) o Zisis y colaboradores (2020) son un ejemplo de investigaciones aún en desarrollo. Por eso, para enriquecer la evidencia actual sobre la IA y establecer líneas de investigación futuras, esta revisión ha evaluado la aplicación de esta tecnología en la prestación de cuidados en el ámbito de la enfermería a través de 18 estudios primarios que atendieron las siguientes funcionalidades de la IA: apoyo al diagnóstico, apoyo a la enseñanza y apoyo al cuidado.

La aceptación y la eficacia de la IA fueron predominantemente positivas entre los estudios analizados.

APLICACIONES IA.

Las aplicaciones orientadas al análisis de notas clínicas, preparación de informes, reconocimiento de voz, resolución de preguntas y traducción-transcripción de interacciones con pacientes, hacen referencia al subcampo de la IA del NLP (natural lenguage processing). En este aspecto, la capacidad de las máquinas para extraer información clínica a partir de datos descriptivos (informes de laboratorio, notas médicas, etc.), así como de imágenes, tiene un gran impacto en el diagnóstico y la toma de decisiones del futuro tratamiento (Chen y Decary, 2020; Davenport y Kalakota, 2019; Seibert et al., 2021).

• Un ejemplo de NLP, es el chatbot o agente conversacional, donde se reconoce, clasifica y predice respuestas en base a las consultas de los usuarios por medio de mensajes de texto, ilustraciones e incluso mensajes de voz (Shorey et al., 2019). Otro de los formatos más conocido de IA son los robots, aunque hay que diferenciar de los robots físicos, de la automatización de procesos robóticos.

Iimportancia de emplear IA

Por consiguiente, la aplicación de la IA en el ámbito de la enfermería podría aumentar la calidad, seguridad y costes, además de distribuir más equitativa la carga de trabajo con priorización sobre los usuarios con cuidados más urgentes (Hee Lee et al., 2021; McGrow, 2019; Seibert et al., 2021).

APLICABILIDAD IA

Estas oportunidades cobran una mayor importancia ante una realidad en la que existe una descompensación de la oferta-demanda, que impide abordar los problemas de salud de la sociedad. Por tanto, la importancia de emplear IA reside en mejorar el rendimiento humano y sintetizar la información clínica.

Sin embargo, la aplicabilidad de la IA es bastante reciente en la disciplina enfermera, por lo que está originando inquietudes y debates éticos, debido al miedo a que estas tecnologías sustituyan a las enfermeras y comprometan la interacción humana en la atención al cuidado.Las enfermeras como expertas en cuidados, presentan una posición crucial para liderar y dar forma a la evolución de la IA con descubrimientos del cuerpo humano, generando nuevos conocimientos e ideas. (Fernandez-García et al., 2020; Koski y Murphy, 2021; von Gerich et al., 2022). Por tanto, el objetivo de este estudio consiste en evaluar la evidencia disponible sobre la aplicabilidad de la IA en la prestación de cuidados de enfermería.