Análisis de la implementación de Machine Learning en el diagnóstico por imágenes

• Autores: Leivi, Alejo Ezequiel
• Año de publicación: 2019
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Prince, Alejandro
• Institución: Universidad de San Andrés

Fil: Leivi, Alejo Ezequiel. Universidad de San Andrés. Escuela de Negocios; Argentina.
El siglo XX se ha caracterizado por avances tecnológicos, los cuales han generado un aumento paulatino en la esperanza de vida de las personas. Esta mejora trae asociada una serie de problemas para la industria de la salud. La misma se enfrenta a un escenario en el que cada vez más pacientes requieren una mayor cantidad de estudios y una mejor calidad de atención. En contraposición, la cantidad de profesionales médicos no aumenta en una proporción que acompañe la demanda. Dentro de las especialidades médicas, se encuentra el caso del Diagnóstico por Imágenes. Sólo tomando en cuenta a Estados Unidos, la cantidad de estudios que se han realizado durante 2018 es de aproximadamente los 800 millones, mientras que la cantidad de especialistas no supera los 31.000. Esto haría que cada médico tuviera por informar, solo para ese año, aproximadamente 25.000 estudios. En los albores de la Cuarta Revolución Industrial, la Inteligencia Artificial posee el potencial de volver a definir, en mayor o menos medida, a la industria de la salud en general y al Diagnóstico por Imágenes en particular, brindando la posibilidad de dar un salto exponencial en eficacia y eficiencia. Dentro de la Inteligencia Artificial, gracias a sus avances en el reconocimiento de imágenes, Machine Learning comienza a ser la respuesta de las empresas tecnológicas para dar soporte a los prestadores de salud, y a sus médicos. Este trabajo tiene por objetivo realizar un análisis de los principales beneficios y barreras asociados a la implementación de Machine Learning en el Diagnóstico por Imágenes poniendo un especial foco en la eficacia y eficiencia obtenida, los aspectos éticos, regulatorios y el impacto en el rol del médico especialista y en el ecosistema de startups.