# Perlas de la IA en medicina: glosario URL canonica: https://calculadoras.nmn.mx/articulo/perlas-ia-medicina-glosario Tipo: ARTICULO Audiencia: Profesionales de la salud Areas terapeuticas: Analgesía Fecha de publicacion: 2025-08-19T00:00:00.000Z Ultima actualizacion: 2025-08-19T21:43:13.000Z ![Perlas de la IA en medicina: glosario](https://apimedpoint.nmn.mx/uploads/contenidos/portadas/perlas_de_la_ia_en_medicina_-_glosario_01.jpg) ## Resumen Los métodos de IA han demostrado ser una herramienta prometedora en el campo de la medicina. Estos métodos pueden desarrollar herramientas diagnósticas y predictivas eficaces para identificar diversas enfermedades. En artículos anteriores, hemos explorado los conceptos fundamentales relacionados con las nuevas tecnologías y herramientas que están redefiniendo el futuro de la medicina. Para continuar construyendo sobre esta base y facilitar una comprensión más profunda de este campo en rápida evolución, hemos preparado un glosario de términos clave que son esenciales para cualquier profesional de la salud. 2 ## Contenido Los métodos de IA han demostrado ser una herramienta prometedora en el campo de la medicina. Estos métodos pueden desarrollar herramientas diagnósticas y predictivas eficaces para identificar diversas enfermedades. ![](https://apimedpoint.nmn.mx/uploads/contenidos/imagenes/perlas-de-la-ia-en-medicina-glosario-02.jpg) En artículos anteriores, hemos explorado los conceptos fundamentales relacionados con las nuevas tecnologías y herramientas que están redefiniendo el futuro de la medicina. Para continuar construyendo sobre esta base y facilitar una comprensión más profunda de este campo en rápida evolución, hemos preparado un glosario de términos clave que son esenciales para cualquier profesional de la salud. 2 **Inteligencia Artificial (IA):** Algoritmos informáticos que imitan aspectos del comportamiento humano, permitiendo a las máquinas realizar tareas complejas, como el reconocimiento de imágenes, el procesamiento del lenguaje y la toma de decisiones. 2 **IA discriminativa:** Modelos diseñados para clasificar o predecir resultados basándose en datos de entrada, ayudando a distinguir entre categorías o predecir valores. Por ejemplo, pueden clasificar una imagen radiológica como “normal” o “anormal”. 2 **IA generativa:** Modelos de IA que generan contenido nuevo, como texto, imágenes, video o audio, aprendiendo patrones a partir de datos de entrenamiento. 2 Machine learning / Aprendizaje automático: Un subconjunto de la IA que implica algoritmos que aprenden patrones de datos para hacer predicciones o tomar decisiones sin estar programados explícitamente. 2 Existen múltiples algoritmos con utilidad en medicina entre ellos la regresión lineal, regresión logística, árboles de decisiones y bosques aleatorios. 1 **Deep learning / Aprendizaje profundo:** Un subconjunto de algoritmos de ML que utilizan redes neuronales para procesar datos complejos; la forma más común de ML utilizada en IA generativa. 2 **Redes neuronales artificiales:** Son algoritmos de ML inspirados en las redes neuronales biológicas. Se componen de nodos que se comunican con otros nodos por conexiones, análogas a los axones y dendritas. 1 **Redes neuronales convolucionales:** Clase de modelos de aprendizaje profundo diseñados para procesar y analizar estructuras en imágenes. 2 **Entrenamiento:** El proceso de optimizar los parámetros de las operaciones matemáticas en las redes neuronales al exponerlas a un conjunto de datos emparejados con los resultados esperados correspondientes. 2 **Ingeniería de prompts:** Formas de escribir instrucciones claras y útiles para que los modelos de lenguaje (LLMs) o modelos multimodales (LMMs) generen respuestas más precisas y cercanas a lo que necesitas. 2 **Modelos de Lenguaje Grandes (LLMs - Large Language Models):** Como ChatGPT, Gemini y Claude, son modelos de IA Generativa que se especializan en comprender y generar texto similar al humano. Se entrenan en vastos conjuntos de datos textuales del internet y están diseñados para predecir el siguiente “token” (unidad fundamental de datos, como una palabra o subpalabra) en una secuencia. 2 **Modelos Multimodales Grandes (LMMs - Large Multimodal Models):** Extensiones de los LLMs que aceptan múltiples formatos de datos de entrada (por ejemplo, texto, imágenes, audio) para una funcionalidad integrada y mejorada. Pueden analizar y resumir información compleja, como una combinación de registros de pacientes visuales y textuales. 2 **Modelos de Difusión:** Una clase de modelos de IA generativa centrados principalmente en la creación de datos visuales, como imágenes realistas o secuencias de video complejas.2 Un ejemplo son las imágenes de alta fidelidad generadas por DALL E 2. 3 **Redes generativas antagónicas:** Modelos que generan datos sintéticos, a menudo imágenes, a través de una competición adversaria entre un generador y un discriminador.3 Aunque históricamente populares para la generación de imágenes, ahora son menos comunes debido a los avances en los modelos de difusión. 2 **Alucinaciones:** Salidas erróneas o fabricadas generadas por modelos de IA, como LLMs que citan referencias inexistentes o modelos de difusión que introducen artefactos en la producción de imágenes. 2 **Sesgo:** Errores sistemáticos en los resultados de IA causados por datos de entrenamiento subóptimos, elecciones de entrenamiento y modelos inapropiados o una evaluación inadecuada del modelo que conducen a una menor imparcialidad o confiabilidad. 2 ## Conclusión A medida que la IA continúa evolucionando a un ritmo sin precedentes, nuestra capacidad para comprender, evaluar y aplicar estas herramientas de manera responsable será fundamental para mejorar la atención al paciente y avanzar en nuestra profesión. 2 ## Referencias - Choi RY, Coyner AS, Kalpathy-Cramer J, et al. Introduction to machine learning, neural networks, and deep learning. Translational vision science & technology. 2020;9(2):14. - Rouzrokh P, Khosravi B, Faghani S, et al. A Current Review of Generative AI in Medicine: Core Concepts, Applications, and Current Limitations. Current Reviews in Musculoskeletal Medicine. 2025:1-21. - Reddy S. Generative AI in healthcare: an implementation science informed translational path on application, integration and governance. Implementation Science. 2024 ;19(1):27.