PAM482

FARMACOECONOMÍA

Farmacoeconomía

Miguel Ángel Casado 1 e Itziar Oyagüez 2 1 Fundación PORIB. Email: ma_casado@porib.com. 2 Pharmacoeconomics & Outcomes Research Iberia (PORIB).

FUTURE-AI: CONSENSO INTERNACIONAL PARA DESARROLLO FIABLE Y APLICABLE DE INTELIGENCIA ARTIFICIAL EN LA ASISTENCIA SANITARIA

largo de 24 meses, desde el año 2021, el consorcio investigador implicó a 117 expertos internacionales procedentes de 50 países de los 5 continentes, en un grupo interdisciplinar de clínicos, analistas de datos sanitarios, inge nieros computacionales, expertos en ética médica, y especialistas médicos de diferentes áreas (radiología, genó mica, cirugía, telemedicina, patología, registros sanitarios…). La directriz se desarrolló en torno a 6 dominios principales que constitu yeron el acrónimo de esta iniciativa, FUTURE-AI (F de Fairness -equidad, Un de Universality -universalidad, T de Traceability -trazabilidad, Us de Usabi lity -usabilidad, R de Robustness -robus tez y E de Explainability -explicabili dad). Mediante una metodología Delphi modificada, un conjunto inicial de recomendaciones sobre los 6 dominios fue sometido a 8 rondas de revisión con profunda interacción y discusión hasta alcanzar el consenso definitivo. • Ronda 1: definición de 55 recomenda ciones iniciales en torno al concepto de IA en imagen médica, por 6 grupos de trabajo de 3 expertos cada uno. • Ronda 2: reducción a 22 recomen daciones tras revisión de cuestio nario virtual/ online por 72 expertos adicionales. • Ronda 3: revisión adicional y am pliación a 30 recomendaciones considerando concepto de IA en atención sanitaria. • Ronda 4: revisión de borrador de directrices con evaluación sepa rada para herramientas de prueba de concepto y herramientas de IA desplegables.

• Ronda 5: revisión de borrador de manuscrito. • Ronda 6: revisión externa por 44 ex pertos independientes adicionales. • Ronda 7: desarrollo de 4 reuniones virtuales para resolver los últimos puntos de conflicto. • Ronda 8: votación final del consenso por los 117 expertos participantes (72 de la ronda 3, 44 de la ronda 6 y expertos adicionales). Las directrices finales incluyeron 3 recomendaciones para el dominio de Equidad (F), 3 para el dominio de Uni versalidad (Un), 6 para el dominio de Trazabilidad (T), 4 para el dominio de Usabilidad (Us), 3 para el dominio de Robustez (R) y 2 para el de Explicabili dad (E), que junto a 7 recomendaciones generales (G) configuraron los princi pios de buenas prácticas a lo largo del ciclo de vida de una herramienta de IA que se muestran en la ( Figura 1 ). Además, el grupo de consenso proporcionó un listado de aspectos prácticos a acometer para cada reco mendación, acompañados de ejemplos específicos de potenciales enfoques y métodos para poner en práctica cada paso hacia una IA que mejore la asistencia sanitaria, donde persisten importantes retos clínicos, técnicos, socioéticos y jurídicos. La implementación de las directrices FUTURE-IA podría acompañarse de un incremento de los costes para los de sarrolladores de IA y los sistemas sani tarios, que derive en una exacerbación de las desigualdades en la adopción de IA, aunque, por otra parte, su adopción precoz podría conllevar ahorros por el

La Inteligencia Artificial (IA) se uti liza cada vez más en el ámbito de la atención sanitaria para desarrollar mo delos de diagnóstico de enfermedades, pronóstico, predicción de respuesta terapéutica y/o supervivencia y estra tificación de pacientes. Sin embargo, a pesar de los grandes avances en el desarrollo de tecnologías de IA, el despliegue y adopción de estas en la práctica clínica es aún escaso, posible mente por barreras asociadas al riesgo de errores y propensión de daño a pacientes, aumento de las desigualda des sanitarias, falta de transparencia y posibles violaciones de la privacidad y brechas de seguridad. Para aumentar la adopción de he rramientas de IA en la vida real, es esencial que sean fiables y aceptadas por pacientes, clínicos, organizaciones y administraciones sanitarias. En los últimos tiempos, han surgido ideas prometedoras sobre buenas prácticas para la IA en la atención sanitaria, pero carecen de respaldo internacional o no cubren por completo el ciclo de vida de la herramienta de IA. Basándose en antecedentes de con sensos internacionales, como los prin cipios FAIR para el manejo de datos, los autores de este trabajo plantearon de sarrollar la primera directriz estructu rada holística, para la implementación de herramientas de IA fiables y éticas, cubriendo todo su ciclo de vida. A lo

427