Clasificación de los algoritmos
Es importante poder clasificar los algoritmos en función del grado de riesgo e impacto que tiene su aplicación en el proceso de salud. En este sentido, existen los sistemas que adquieren y presentan información de manera automatizada, para que el profesional asistencial los interprete. Estos datos se conservan en forma sin procesar, pero la solución puede ayudar a la presentación, clasificando o mejorando los datos. Un ejemplo de este tipo de soluciones sería un algoritmo que estratifica la población según unos indicadores de salud.
Otros algoritmos se basan en análisis de información, en el que el dispositivo automatiza la interpretación de datos, produciendo nueva información a partir de datos sin procesar. Es importante destacar que la interpretación aporta nueva información que respalda la toma de decisiones, sin proporcionar la decisión. Por su parte, en los que utilizan selección de decisiones, el dispositivo automatiza la toma de decisiones y proporciona un resultado para la tarea clínica. Por ejemplo, indicar y llamar la atención sobre las lesiones malignas en las mamografías de detección, indica una decisión del dispositivo sobre la presencia de cáncer de mama.
Por su parte, en la implementación de acciones, el dispositivo automatiza la implementación de la decisión seleccionada cuando se requiere una acción. Por ejemplo, un desfibrilador automático implantable decide que se requiere desfibrilación y actúa administrando automáticamente el tratamiento.
A partir de ese momento la evaluación debe realizarse de manera periódica y realizar calibraciones del modelo para garantizar que la relación entre las entradas y las salidas no haya cambiado y para volver a cambiar el modelo si hace falta. Este requisito de reevaluación y recalibración en un contexto clínico especifico se hace evidente cuando los proyectos saltan de entornos de investigación a entornos reales con grandes volúmenes de datos que reflejen la realidad del sistema de salud.
