Humanizar la Inteligencia Artificial. Orientaciones para un uso ético y transformador de la IA en la educación y la investigación en salud

-15- Humanizar la Inteligencia: Orientaciones para un uso ético y transformador de la IA en la educación y la investigación en salud La inteligencia artificial (IA) está transformando progresivamente el modo en que se concibe, diseña, ejecuta y comunica la investigación científica en salud. Desde la revisión automatizada de literatura, pasando por el análisis de grandes volúmenes de datos clínicos, hasta la asistencia en la redacción de manuscritos, la IA amplía las capacidades investigativas, pero también introduce dilemas metodológicos, epistemológicos y éticos que requieren ser enfrentados de forma sistemática. Esta sección explora los principales usos actuales, riesgos emergentes y criterios para su uso legítimo, proponiendo además un protocolo para su adecuada declaración en contextos académicos. 5.1 TIPOLOGÍAS DE USO El empleo de IA en investigación en salud puede agruparse en al menos tres grandes tipos de uso, cada uno con particularidades y condiciones éticas específicas: USOS DE LA IA EN INVESTIGACIÓN EN SALUD 05 • REVISIÓN DE LITERATURA CIENTÍFICA: Herramientas de IA, especialmente las basadas en procesamiento de lenguaje natural, permiten organizar, resumir y clasificar grandes volúmenes de artículos científicos. Aplicaciones como Elicit o Semantic Scholar AI pueden facilitar la exploración de antecedentes teóricos, identificar lagunas de conocimiento y generar mapas conceptuales. No obstante, su uso exige validación humana para garantizar la precisión, la pertinencia disciplinar y la actualización de las fuentes. • ANÁLISIS DE DATOS BIOMÉDICOS: Los algoritmos de machine learning, aprendizaje profundo y minería de datos son utilizados para identificar patrones en bases de datos clínicos, genómicosoepidemiológicos. Enestetipodeuso, la IA se emplea tanto para modelar asociaciones como para generar predicciones. Su aplicación demanda un conocimiento estadístico avanzado, asícomolaevaluacióncríticadelosposiblessesgos introducidos por los datos de entrenamiento.