Dermatología e inteligencia artificial: oportunidades, temores y un futuro colaborativo
DOI:
https://doi.org/10.29176/2590843X.1892Palabras clave:
inteligencia artificial, Dermatología, futuroResumen
¿Puede la inteligencia artificial (IA) mejorar los diagnósticos y los tratamientos en el ámbito de la dermatología? ¿Qué podemos hacer como dermatólogos para superar las preocupaciones y temores que esta tecnología genera y aprovechar al máximo su potencial? Durante los primeros meses de 2023, las discusiones sobre IA eclipsaron un tema como el del metaverso, que estuvo en auge durante el 2022. ¡Y no es para menos!, los impactos de la IA en la vida cotidiana han empezado a hacerse notorios debido a la capacidad que tienen las tecnologías generativas para procesar el lenguaje natural a nivel del texto, la imagen, el audio y el video.
Biografía del autor/a
Mauricio Vasco Ramírez, Docente, Facultad de Medicina, Universidad CES
Especialista en Anestesiología, Cuidados Intensivos y Reanimación
Daniel Pérez Valencia, Docente, Departamento de Humanidades, Universidad CES
Magíster en Filosofía y en Humanidades; Teólogo
Referencias bibliográficas
Russell SJ, Norvig P, Davis E. Artificial Intelligence: A modern approach. Harlow, Inglaterra: Pearson Educación; 2022. p. 19-20.
Li Z, Koban KC, Schenck TL, Giunta RE, Li Q, Sun Y. Artificial Intelligence in Dermatology Image Analysis: Current Developments and Future Trends. J Clin Med. 2022;11(22):6826. https://doi.org/10.3390/jcm11226826
Kumar P, Chauhan S, Awasthi LK. Artificial Intelligence in Healthcare: Review, Ethics, Trust Challenges & Future Research Directions. Engineering Applications of Artificial Intelligence [Internet]. Abril 1 de 2023 [citado el 29 de mayo de 2023];120. Disponible en: https://rb.gy/6nj0lb
Talebi-Liasi F, Markowitz O. Is artificial intelligence going to replace dermatologists? Cutis. 2020;105(1):28-31.
Prasad R, Rohokale V. Artificial Intelligence and Machine Learning in Cyber Security. En: Cyber Security: The Lifeline of Information and Communication Technology. Springer Series in Wireless Technology 2020. Springer, Cham. https://doi.org/10.1007/978-3-030-31703-4_16
Mirikharaji Z, Abhishek K, Izadi S, Hamarneh G. D-LEMA: Deep Learning Ensembles from Multiple Annotations - Application to Skin Lesion Segmentation. Conference: 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). Nashville, EE: UU.; 2021. pp. 1837-1846. https://doi.org/10.1109/CVPRW53098.2021.00203
Yang CH, Ren JH, Huang HC, Chuang LY, Chang PY. Deep Hybrid Convolutional Neural Network for Segmentation of Melanoma Skin Lesion. Computational Intelligence and Neuroscience. 2021;9409508. https://doi.org/10.1155/2021/9409508
Esteva A, Kuprel B, Novoa R, Ko J, Swetter S, Blau H, et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017;542:115-8. https://doi.org/10.1038/nature21056
Liu Y, Jain A, Eng C, Way D, Lee K, Bui P, et al. A deep learning system for differential diagnosis of skin diseases. Nat Med. 2020;26:900-8. https://doi.org/10.1038/s41591-020-0842-3
Hah H, Goldin D. Moving toward AI-assisted decision-making: Observation on clinicians’ management of multimedia patient information in synchronous and asynchronous telehealth contexts. Health Informatics J. 2022;28(1):14604582221077048. https://doi.org/10.1177/14604582221077049
Cómo citar
Descargas
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Revista de la Asociación Colombiana de Dermatología y Cirugía Dermatológica
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
