Diagnósticos asistidos por IA en entornos sanitarios con recursos limitados en Malawi

Los diagnósticos asistidos por IA han demostrado ser prometedores en entornos sanitarios con recursos limitados al mejorar la precisión y eficiencia en el diagnóstico de enfermedades. Se realizó un estudio transversal utilizando modelos de aprendizaje automático entrenados con un conjunto de datos de registros clínicos de centros de salud en Malawi. El estudio tuvo como objetivo evaluar la precisión del modelo mediante métricas de precisión y exhaustividad. Los modelos de IA lograron una tasa de precisión global del 85 % en el diagnóstico de enfermedades comunes, con mayor precisión para casos de malaria (90 %) en comparación con tuberculosis (75 %). Los diagnósticos asistidos por IA pueden mejorar significativamente los resultados del diagnóstico de enfermedades en entornos con recursos limitados. Investigaciones futuras deberían centrarse en la validación de modelos en diferentes regiones geográficas y en la integración de la IA en los flujos de trabajo sanitarios existentes. IA, Diagnósticos, Malawi, Precisión, Exhaustividad Estimación del modelo utilizada =argmin_ᵢ (yᵢ, f_ (xᵢ) ) +₂², con rendimiento evaluado usando error fuera de muestra.