Author(s): Narendra N. Khanna, Mahesh A. Maindarkar, Vijay Viswanathan, Jose Fernandes E. Fernandes, et al.
Year: 2022
Bibliographic Reference (APA format):
Khanna, N. N., Maindarkar, M. A., Viswanathan, V., Fernandes, J. F. E., Paul, S., Bhagawati, M., Ahluwalia, P., Ruzsa, Z., Sharma, A., Kolluri, R., & others. (2022). Economics of Artificial Intelligence in Healthcare: Diagnosis vs. Treatment. Healthcare, 10(12), 2493. https://doi.org/10.3390/healthcare10122493
Assigned Category: Rentabilidad (Cost-effectiveness)
Resumen (en español):
El artículo analiza la economía de la inteligencia artificial (IA) en el cuidado de la salud, comparando su impacto en los costos asociados al diagnóstico y al tratamiento de enfermedades. Los autores proponen dos hipótesis clave: primero, que la IA puede ofrecer soluciones más económicas en comparación con los métodos tradicionales, y segundo, que la IA aplicada al tratamiento tiene un mayor impacto económico que cuando se usa para el diagnóstico.
La metodología se basa en una revisión sistemática de estudios bajo el marco PRISMA, seleccionando 200 investigaciones centradas en la reducción de costos a través de la IA. El análisis considera cómo la IA puede mejorar la eficiencia en tareas repetitivas, como el análisis de imágenes médicas (por ejemplo, tomografía computarizada y resonancia magnética), y en procesos de toma de decisiones en tiempo real, minimizando errores humanos y promoviendo una intervención temprana.
Los resultados muestran que la IA reduce significativamente el tiempo y los costos tanto en diagnósticos como en tratamientos. Sin embargo, los beneficios económicos son más pronunciados en el ámbito del tratamiento, donde la IA puede optimizar la terapia personalizada, aumentar la precisión en intervenciones quirúrgicas y reducir complicaciones post-tratamiento, lo que impacta en una menor necesidad de hospitalización prolongada. Un ejemplo citado es el uso de algoritmos de IA para la segmentación de lesiones en imágenes, que ha demostrado ser más rápido y preciso que los métodos manuales.
Además, los autores destacan que la IA está permitiendo avances en la medicina personalizada, al integrar grandes volúmenes de datos de salud, como registros médicos electrónicos (EHR), biomarcadores genéticos y datos clínicos. Esto ha llevado a tratamientos más ajustados a las necesidades individuales de los pacientes, lo que no solo mejora los resultados clínicos sino que también reduce los costos a largo plazo.
El artículo concluye que, aunque la IA ofrece importantes oportunidades para reducir los costos en el diagnóstico y tratamiento de enfermedades, su implementación debe ir acompañada de un enfoque en la reducción del sesgo algorítmico, la transparencia y la obtención de aprobaciones regulatorias más ágiles. Esto garantizará una adopción segura y eficiente de estas tecnologías en el sistema de salud.
