Inteligencia artificial en el campo de la salud

En concreto, la Inteligencia Artificial es la habilidad que dota a algoritmos computacionales de la capacidad para aproximar conclusiones sin la intervención directa del razonamiento humano.Para reducir el margen de error, los algoritmos basados en Inteligencia Artificial necesitan someterse a continuas evaluaciones.[1]​ Los algoritmos basados en Inteligencia Artificial se comportan de manera diferente a los seres humanos en cuanto a los dos siguientes factores: (1) los algoritmos son literales: cuando se establece un objetivo, el algoritmo no puede auto ajustarse y solamente comprenderá aquello que se le ha ordenado de forma explícita, (2) y los algoritmos son cajas negras; pueden predecir de forma extremadamente precisa, pero no explicar el por qué de su predicción.Instituciones clínicas como The Mayo Clinic, Memorial Sloan Kettering Cancer Center, Massachusetts General Hospital y el National Health Service, han creado algoritmos basados en inteligencia Artificial para sus departamentos.[2]​ Investigaciones en las décadas de 1960 y 1970 tuvieron como resultado la creación del primer sistema experto, conocido como Dendral.No obstante, la especialidad que más atención ha cobrado es el campo de la Radiología.Algunas de las investigaciones y aplicaciones que se han llevado a cabo en España son: La habilidad para interpretar resultados en imágenes puede proporcionar ayuda a los clínicos en la detección de cambios en imágenes, o detalles que los clínicos han podido pasar por alto.[34]​ Intel Capital ha invertido recientemente en la startup Lumiata, que utiliza la inteligencia artificial para identificar pacientes en riesgo y crear tratamientos.[40]​ Existen diversos métodos que han sido propuestos para generar confianza en los modelos ML.Esto pueden ser inherentes al propio modelo (denominados como modelos interpretables) como los Generalized Additive Models (GAMs),[41]​ un conjunto de reglas "if-then" ordenadas basadas en probabilidades estimadas[42]​ o los basados en ganancia de información (entropía) como puede ser en Random Forest;[43]​ o pueden ser genéricos aplicables a cualquier método ML como Local Interpretable Model-agnostic Explanations LIME[44]​ y Shapley Additive exPlanations SHAP.