El Fin Del Conocimiento - Bóveda 4/77 - IA Para El Bien - 2023

graph LR classDef intro fill:#f9d4d4, font-weight:bold, font-size:14px classDef work fill:#d4f9d4, font-weight:bold, font-size:14px classDef ethics fill:#d4d4f9, font-weight:bold, font-size:14px classDef regulation fill:#f9f9d4, font-weight:bold, font-size:14px classDef data fill:#f9d4f9, font-weight:bold, font-size:14px classDef applications fill:#d4f9f9, font-weight:bold, font-size:14px A["IA para la Salud"] --> B["Simone Campus:
bienvenida. 1"] A --> C["Thomas Wiegand:
visión general. 3"] A --> D["Grupo focal:
medicina, ML, salud pública. 4"] A --> E["Objetivo: mejores prácticas,
estándares, soluciones globales. 5"] A --> F["Realizadas 19 reuniones,
transición en línea. 6"] A --> G["Creadas mejores prácticas,
documentos de referencia. 7"] C --> H["Producidas 1000-2000
páginas de documentos. 8"] C --> I["24 grupos temáticos para
casos de uso médico de IA. 9"] C --> J["Plataforma de software para
evaluación de soluciones de IA. 10"] C --> K["Alcance: seminarios web,
talleres, publicaciones. 11"] C --> L["Ruth Malpania:
visión general de ética y gobernanza. 12"] D --> M["Grupo de ética: maximizar
beneficios de IA, abordar desafíos. 13"] D --> N["Principios éticos para
guía de salud de IA. 14"] D --> O["Recomendaciones de gobernanza
para brechas de IA. 15"] D --> P["Guía ética difundida
a través de varios medios. 16"] D --> Q["Trabajo en modelos de lenguaje
grandes, currículo de ética. 17"] E --> R["Shada Salah Ali:
visión general regulatoria. 18"] E --> S["Puente entre
reguladores, desarrolladores. 19"] E --> T["50 miembros, 28 países,
perspectivas diversas. 20"] E --> U["18 recomendaciones en
6 áreas temáticas. 21"] E --> V["Curso en línea, implementación
regional planificada. 22"] F --> W["Mark Landry, Verat Baekelandt:
visión general de manejo de datos. 23"] F --> X["Proceso de extremo a extremo para
algoritmos de IA globales. 24"] F --> Y["Enfoque de procesamiento de datos
descentralizado. 25"] F --> Z["Centros de datos para
red mundial. 26"] F --> AA["Plataforma de Iniciativa de Código Abierto. 27"] G --> AB["Andrew Farlow:
visión general de colaboraciones. 29"] G --> AC["Fomentar colaboraciones, promover
alcance, aumentar experiencia. 30"] G --> AD["Seminarios web, talleres, informes
sobre temas clave. 31"] G --> AE["Reuniones regionales para
desarrollo de capacidades. 32"] G --> AF["Innovación local, inclusión de
usuarios finales enfatizada. 33"] H --> AG["Luis Oala: métodos de evaluación
de IA visión general. 34"] H --> AH["Personas agregadas, evangelización
de evaluación de IA. 35"] H --> AI["Plataforma de evaluación con
colaboración de OMS. 36"] H --> AJ["Identificación de grupos de IA maduros,
soluciones de bien público. 37"] H --> AK["Planes para demostraciones de IA,
conferencia centrada en datos. 38"] I --> AL["Eva Petersen: marco de evaluación
clínica visión general. 39"] I --> AM["Diseño, validación, monitoreo
de modelos de IA. 40"] I --> AN["Comunidad global de expertos
convocada. 41"] I --> AO["Lista de verificación desplegada en
proyecto de diagnóstico. 42"] I --> AP["Futuro: evaluación clínica,
brechas de evaluación económica. 43"] J --> AQ["Visión general de 24
grupos temáticos. 44"] J --> AR["Johan Lundin: diagnósticos de IA
para cáncer cervical. 45"] J --> AS["Combina expertos, IA para
análisis de microscopía. 46"] J --> AT["Baja cobertura de detección en
África subsahariana. 47"] J --> AU["Implementado en Kenia, Tanzania
con infraestructura mínima. 48"] J --> AV["Alta precisión, aumento de
capacidad diagnóstica. 49"] K --> AW["Estudio de validación de 2000 mujeres
en curso. 50"] K --> AX["Henry Hoffmann: evaluación de síntomas de IA
evaluación comparativa. 51"] K --> AY["22 empresas colaboraron en
plataforma de evaluación comparativa. 52"] K --> AZ["Casos de prueba, rendimiento evaluado,
consideraciones clave. 53"] K --> BA["Modelos de lenguaje grandes para
transformar el campo. 54"] L --> BB["Marios Obwanga: trabajo de detección
de brotes. 55"] L --> BC["Revisión de literatura, encuesta global
sobre capacidades, brechas. 56"] L --> BD["Plataforma de evaluación comparativa de detección
de brotes desarrollada. 57"] L --> BE["Métodos para datos sintéticos,
comparación de algoritmos. 58"] M --> BF["Alexandre Chiavegatto Filho: predicción de
mortalidad neonatal. 59"] M --> BG["Modelos entrenados en indicadores
perinatales de OMS. 60"] M --> BH["Alta precisión en predicción para
embarazos de alto riesgo. 61"] M --> BI["Intervenciones dirigidas,
expansión planificada. 62"] class A,B intro class C,D,E,F,G,H,I,J,K,L work class M,N,O,P,Q ethics class R,S,T,U,V regulation class W,X,Y,Z,AA data class AB,AC,AD,AE,AF applications class AG,AH,AI,AJ,AK applications class AL,AM,AN,AO,AP applications class AQ,AR,AS,AT,AU,AV applications class AW,AX,AY,AZ,BA applications class BB,BC,BD,BE applications class BF,BG,BH,BI applications

Resumen:

1.- Simone Campus da la bienvenida a todos al taller que concluye 5 años de trabajo del grupo focal sobre IA para la Salud.

2.- Samir Pujari está emocionado por la próxima etapa de fortalecimiento de talleres ya que generaron nuevas ideas para discusiones.

3.- Thomas Wiegand ofrece una visión general del trabajo del grupo focal abordando la escasez de trabajadores de salud usando IA.

4.- El grupo focal involucró a personas de medicina, aprendizaje automático, salud pública, regulación gubernamental, ética y otras áreas como la economía.

5.- El objetivo era documentar mejores prácticas, establecer estándares y permitir a las personas de todo el mundo crear soluciones de IA para la salud.

6.- El grupo focal realizó 19 reuniones en todo el mundo y pasó a estar en línea antes de COVID, volviéndose más eficiente.

7.- Los grupos de trabajo crearon mejores prácticas transversales y documentos de referencia aplicados por grupos temáticos en casos de uso específicos de IA para la salud.

8.- El grupo focal produjo más de 1000-2000 páginas de documentos de estandarización y orientación.

9.- Se establecieron 24 grupos temáticos que representan casos de uso médico/sanitario que pueden beneficiarse de la IA, reuniendo a expertos y datos.

10.- Se desarrolló una plataforma de evaluación de software para evaluar soluciones de IA utilizando datos aportados y retenidos.

11.- El grupo focal se comunicó a través de seminarios web, talleres y publicaciones como parte de su programa de alcance.

12.- Ruth Malpania presenta una visión general del trabajo de ética y gobernanza realizado en los últimos años.

13.- El grupo de trabajo de ética tenía como objetivo maximizar los beneficios de la IA mientras abordaba posibles desafíos y daños éticos.

14.- Se desarrollaron principios éticos clave como marco para la orientación y regulación de la IA para la salud.

15.- Se proporcionaron recomendaciones sobre cómo gobernar la IA para la salud para abordar las brechas actuales en leyes y regulaciones.

16.- La guía ética se ha difundido a través de un currículo en línea, talleres regionales, discusiones con empresas y aplicación por agencias de salud.

17.- Se está realizando trabajo adicional en modelos de lenguaje grandes, IA en I+D farmacéutica y desarrollo de un currículo de ética para diseñadores/programadores.

18.- Shada Salah Ali presenta una visión general de las consideraciones regulatorias del grupo de trabajo.

19.- El grupo tenía como objetivo cerrar las brechas entre reguladores y desarrolladores para facilitar la aprobación de IA segura, efectiva y accesible.

20.- 50 miembros de 28 países, en su mayoría agencias reguladoras, proporcionaron diversas perspectivas regionales en el grupo de trabajo.

21.- Se desarrollaron 18 recomendaciones en 6 áreas temáticas: documentación, gestión de riesgos, validación, calidad de datos, participación y protección de datos.

22.- Se planea un curso en línea y la implementación regional de la guía regulatoria como próximos pasos.

23.- Mark Landry y Verat Baekelandt presentan el trabajo del grupo de manejo de datos y soluciones de IA.

24.- El grupo diseñó un proceso y plataforma de extremo a extremo para construir y evaluar algoritmos de IA para la salud a nivel mundial.

25.- Se utilizó un enfoque de procesamiento de datos descentralizado para acercar el cálculo a las ubicaciones de almacenamiento de datos.

26.- Se desarrollaron centros de datos como un modelo que puede interconectarse para crear una red mundial que ofrezca capacidades federadas.

27.- La plataforma, llamada Iniciativa de Código Abierto, apoya todo el proceso con seguridad, privacidad y adaptación a los requisitos locales.

28.- Facilita la comparación de algoritmos en diferentes niveles de agregación de datos y permite el intercambio de datos para la colaboración.

29.- Andrew Farlow presenta el trabajo del grupo de colaboraciones y alcance en los últimos dos años.

30.- El grupo tenía como objetivo fomentar colaboraciones, promover el alcance, aumentar la experiencia, fortalecer la inteligencia local y mejorar la aceptación y los marcos de evaluación del gobierno.

31.- Se produjeron muchos seminarios web, talleres e informes en asociación con grupos de países y sobre temas como el acceso a vacunas y la resistencia antimicrobiana.

32.- Se llevaron a cabo reuniones regionales en Camerún y Sri Lanka para desarrollar capacidades y trabajar con socios locales.

33.- Se enfatizó la capacidad de innovación local y la inclusión de los usuarios finales en el diseño de desafíos y soluciones.

34.- Luis Oala presenta una visión general de los métodos de evaluación de soluciones de datos e IA del grupo de trabajo.

35.- El grupo reunió a personas, practicó y evangelizó métodos de evaluación de IA, y se conectó con otros grupos que realizan trabajos similares.

36.- Se desarrolló una plataforma y proceso de evaluación en colaboración con la Iniciativa de Código Abierto y la OMS.

37.- Las lecciones aprendidas incluyen la necesidad de identificar grupos de IA maduros, integrarse con dispositivos y curar soluciones de IA de bien público.

38.- Mirando hacia el futuro, el grupo planea organizar una convocatoria de demostraciones de IA y una conferencia sobre aprendizaje automático centrado en datos.

39.- Eva Petersen presenta el trabajo del grupo de evaluación clínica en el desarrollo de un marco para la evaluación clínica de IA.

40.- El marco abarca el diseño, la validación analítica, la validación clínica y el monitoreo continuo de los modelos de IA a lo largo de su ciclo de vida.

41.- Se convocó a una comunidad global de expertos para garantizar que el marco no deje a nadie atrás.

42.- El marco se probó y se hizo más práctico a través de una lista de verificación desplegada en un proyecto de diagnóstico en el punto de atención.

43.- El trabajo futuro determinará si la evaluación clínica sigue siendo una línea de trabajo independiente y abordará brechas como la evaluación económica.

44.- Petersen también presenta una visión general de los 24 grupos temáticos como casos de uso a los que se aplica la guía del grupo de trabajo.

45.- Johan Lundin presenta el trabajo del grupo temático AI@POC sobre diagnósticos en el punto de atención, especialmente para la detección de cáncer cervical.

46.- Su método combina expertos humanos y análisis de IA de muestras de microscopía digitalizadas para extender el acceso a diagnósticos.

47.- Las muertes por cáncer cervical ahora superan las muertes maternas a nivel mundial, con una cobertura de detección muy baja en África subsahariana.

48.- El método AI@POC se implementó en Kenia y Tanzania, utilizando infraestructura mínima de POC para capturar y cargar imágenes para análisis remoto.

49.- Se logró alta precisión en la detección de lesiones precancerosas, permitiendo un aumento de 10 veces en la capacidad diagnóstica por experto.

50.- Un gran estudio de validación de 2000 mujeres está en curso. Se planean estudios de rentabilidad y expansión a otros tipos de muestras.

51.- Henry Hoffmann presenta el trabajo del grupo temático de evaluación de síntomas en la habilitación de una evaluación comparativa estandarizada de verificadores de síntomas de IA.

52.- 22 empresas colaboraron para construir una plataforma de evaluación comparativa para comparar soluciones de IA en diferentes ontologías y niveles de agregación de datos.

53.- Se desarrollaron casos de prueba y se evaluó el rendimiento. La calidad de los datos, el sesgo y el análisis de subgrupos fueron consideraciones clave.

54.- Se espera que los modelos de lenguaje grandes transformen el campo. Se necesita una evaluación comparativa confiable por una entidad neutral.

55.- Marios Obwanga presenta el trabajo del grupo temático sobre detección de brotes.

56.- El grupo realizó una revisión de la literatura y una encuesta global para comprender las capacidades actuales y las brechas.

57.- Se desarrolló una plataforma de evaluación comparativa de detección de brotes para evaluar modelos de IA basados en la guía del grupo de trabajo.

58.- Se establecieron métodos para generar datos sintéticos compartibles y comparar algoritmos en conjuntos de datos agregados.

59.- Alexandre Chiavegatto Filho presenta el trabajo aplicando IA para predecir el riesgo de mortalidad neonatal en países en desarrollo.

60.- Usando los cinco indicadores perinatales mínimos de la OMS, se entrenaron modelos de aprendizaje automático en datos de ocho países.

61.- Los modelos tuvieron un buen desempeño al predecir el 90% de las muertes neonatales de los embarazos de mayor riesgo del 5%.

62.- Esto permite intervenciones dirigidas para tener el máximo impacto con recursos limitados. Se planea la expansión a otros países.

Bóveda del Conocimiento construida porDavid Vivancos 2024