Revisión sistemática de métodos avanzados de IA para mejorar la calidad de los datos de atención médica en la era posterior al COVID-19

Al principio de la pandemia de COVID-19, había un gran entusiasmo sobre el impacto potencial de las herramientas de inteligencia artificial (IA) en la lucha contra el COVID-19 en diagnóstico, pronóstico o vigilancia. Sin embargo, las herramientas de IA aún no han tenido un éxito amplio. Una de las razones clave es que la pandemia de COVID-19 ha demandado un desarrollo más rápido en tiempo real de herramientas clínicas y de soporte de salud impulsadas por IA, incluyendo la recolección rápida de datos, el desarrollo de algoritmos, la validación y el despliegue. Sin embargo, no hubo suficiente tiempo para un control adecuado de la calidad de los datos. Aprendiendo de las duras lecciones del COVID-19, resumimos los importantes desafíos de calidad de los datos de salud durante la pandemia de COVID-19, como la falta de estandarización de datos, datos faltantes, errores de tabulación y ruido y artefactos. Luego llevamos a cabo una investigación sistemática de métodos computacionales que abordan estos problemas, incluidos métodos emergentes novedosos avanzados de control de calidad de datos de IA que logran mejores resultados en la calidad de los datos y, en algunos casos, simplifican o automatizan el proceso de limpieza de datos. Esperamos que este artículo pueda ayudar a la comunidad de atención médica a mejorar la calidad de los datos de salud en el futuro con el desarrollo novedoso de IA.