02807nam a22003617a 4500 00007561 ES-MaONT 20241218012009.0 230727s202306uus oa||fo|||| 001 0 en d ES-MaONT World Economic Forum 2608 Scaling Smart Solutions with AI in Health: Unlocking Impact on High-Potential Use Cases . Insight Report / World Economic Forum ; Reiss, Dan ; Spina, Antonio ; ZS Ginebra : World Economic Forum 06/2023 37 p. ; 1 documento PDF isbdcontent texto (visual) isbdmedia electrónico rdacarrier recurso en línea En la última década, los líderes de la industria tecnología, funcionarios públicos e investigadores han depositado grandes esperanzas en el aprovechamiento de la inteligencia artificial (IA) y el machine learning (ML) para transformar la atención sanitaria. Lo que ha faltado, sin embargo, es que las partes interesadas se unan en torno a una visión común de las soluciones más asequibles que puedan generar confianza en los proveedores, pacientes, responsables y empresarios. Este informe pretende crear una taxonomía compartida para expresar la amplitud de las aplicaciones sanitarias para las que se está utilizando la IA, identificar los casos de uso que ya son factibles y tienen el mayor potencial para mejorar los resultados sanitarios mundiales mediante inversión pública y privada, y definir los factores habilitadores más críticos para la adopción responsable y generalizada de la IA en la atención sanitaria. Entre las conclusiones se destaca que son tres los factores que impulsan la adopción de la IA en la sanidad: el crecimiento exponencial de datos médicos, la escasez de profesionales sanitarios (agravada, pero no causada, por la pandemia de COVID-19) y los avances que la tecnología de IA es capaz de hacer. También se apunta que para maximizar el impacto de la IA en la atención sanitaria, los datos deben ser abundantes, utilizables y representativos (para minimizar los sesgos); el diseño debe facilitar la adopción transparente e inclusivo, y las aplicaciones deben ser fluidas y escalables. 2065 Sanidad digital 4348 Inteligencia Artificial atención sanitaria machine learning sector sanitario aplicaciones aplicaciones sanitarias datos médicos 7067 Reiss, Dan 7068 Spina, Antonio 7069 ZS https://www3.weforum.org/docs/WEF_Scaling_Smart_Solutions_with_AI_in_Health_Unlocking_Impact_on_High_Potential_Use_Cases.pdf 0 Acceso a la publicación z INF 7561 7561 0 0 0 3 1 8507 01 01 online 2023-07-27 I 0 1000020177751 2023-07-27 00:00:00 2023-07-27 INF