Autor(es): Abdullah Bin Sawad, Bhuva Narayan, Ahlam Alnefaie, Ashwaq Maqbool, Indra Mckie, Jemma Smith, Berkan Yuksel, Deepak Puthal, Mukesh Prasad, A. Baki Kocaballi
Año: 2022
Referencia bibliográfica:
Bin Sawad, A., Narayan, B., Alnefaie, A., Maqbool, A., Mckie, I., Smith, J., Yuksel, B., Puthal, D., Prasad, M., & Kocaballi, A. B. (2022). A Systematic Review on Healthcare Artificial Intelligent Conversational Agents for Chronic Conditions. Sensors, 22(2625). https://doi.org/10.3390/s22072625
Categoría asignada: Asistencia sanitaria pública
Resumen:
El artículo A Systematic Review on Healthcare Artificial Intelligent Conversational Agents for Chronic Conditions examina el uso de agentes conversacionales (CAs) habilitados por inteligencia artificial (IA) en la atención de enfermedades crónicas. Los autores realizaron una revisión sistemática de estudios publicados en seis bases de datos científicas, identificando 26 estudios relevantes que abarcan diversas condiciones crónicas, como diabetes, hipertensión, y enfermedades mentales como la depresión y la esquizofrenia.
El principal objetivo del estudio fue evaluar la aceptación y eficacia de los CAs en la autogestión de enfermedades crónicas, así como las tecnologías de IA subyacentes que facilitan estas interacciones. Los resultados muestran que los CAs, especialmente aquellos diseñados como chatbots, tienen un alto nivel de aceptación por parte de los usuarios. La mayoría de los estudios revisados indican que los pacientes encuentran útiles estos sistemas para gestionar sus condiciones de salud, informando altos niveles de satisfacción y facilidad de uso.
El estudio clasifica los agentes conversacionales en varios tipos: chatbots, agentes conversacionales corporales (ECAs), y agentes relacionales. Los chatbots son los más comunes, representando 16 de los 26 estudios. Los ECAs, que presentan una representación visual de un cuerpo humano o avatar, están diseñados para interactuar con los usuarios de manera más natural, pero son menos comunes. Además, algunos estudios evaluaron agentes conversacionales en robots físicos, mientras que otros usaron agentes relacionales que almacenan información del usuario para ofrecer interacciones más personalizadas a lo largo del tiempo.
El análisis también revisa las tecnologías de IA utilizadas en estos sistemas, como el procesamiento de lenguaje natural (NLP), el reconocimiento de voz y la generación de texto a partir de voz. Sin embargo, los autores señalan que en muchos estudios no se ofrecen suficientes detalles sobre los métodos de implementación técnica, lo que dificulta comparar la eficacia de los diferentes CAs. La evaluación de las medidas técnicas, como la precisión y la especificidad, mostró resultados positivos en cuanto a la capacidad de los CAs para realizar tareas específicas, como recordar a los pacientes la toma de medicamentos o asistir en la monitorización de síntomas.
Entre los resultados más destacados está el papel de los CAs en mejorar la autogestión de condiciones como la diabetes y la hipertensión. Por ejemplo, en un estudio que involucraba pacientes con hipertensión, los usuarios pudieron ingresar sus datos de salud en casa, lo que permitió a los médicos monitorear sus condiciones de manera más eficiente. En el caso de la diabetes tipo 2, los pacientes informaron mejoras en la autoeficacia y en la adherencia a las recomendaciones médicas después de interactuar con el chatbot diseñado para su autocuidado.
A pesar de los resultados prometedores, los autores advierten sobre algunas limitaciones importantes. La falta de detalles técnicos en muchos de los estudios dificulta replicar y mejorar los sistemas actuales. Además, aunque los CAs parecen ser efectivos para tareas específicas, como el monitoreo y la recopilación de datos, su capacidad para reemplazar a los profesionales de la salud en interacciones más complejas sigue siendo limitada. La mayoría de los estudios se centran en la interacción con usuarios individuales, y no hay análisis a gran escala que aborden el uso de estos sistemas en comunidades o países con altas cargas de enfermedades crónicas.
Finalmente, el artículo destaca la necesidad de más estudios controlados aleatorizados (RCT) para evaluar de manera más rigurosa la eficacia de los CAs en el manejo de condiciones crónicas. Los autores también recomiendan que futuras investigaciones incluyan más detalles técnicos sobre la implementación de la IA y que se desarrolle una taxonomía clara para categorizar estos sistemas, lo que permitirá estandarizar su evaluación y comparación en futuros estudios.
En conclusión, la revisión sugiere que los CAs basados en IA tienen el potencial de transformar la atención de las enfermedades crónicas, ofreciendo una solución viable para la autogestión y el seguimiento de los pacientes. Sin embargo, es necesario abordar las brechas actuales en la evidencia técnica y metodológica para maximizar su impacto en la salud pública.
