Artificial Intelligence and Medicine — Inteligencia Artificial y Medicina

 

Artificial Intelligence and Medicine — A Clear and Accessible Look at the Future of Health

Book Details

Title: Artificial Intelligence and Medicine

Authors: Miriam Cobo Cano and Lara Lloret Iglesias

Publisher: CSIC / Los Libros de la Catarata

Collection: ¿Qué sabemos de...? (No. 145)

ISBN: 978-84-00-11149-6

Year of Publication: 2023

Pages: 105

Format: Print and Electronic Version

Place of Publication: Madrid

About the Authors

Miriam Cobo Cano is a predoctoral FPU researcher at the Institute of Physics of Cantabria, where she is developing her thesis on the optimization of medical imaging diagnostic systems using artificial intelligence techniques. She holds a degree in Physics and a master’s degree in Data Science from the University of Cantabria and the Menéndez Pelayo International University.

Lara Lloret Iglesias is a senior scientist at the same institute, with a PhD in Particle Physics and a specialization in deep learning applied to medical diagnostics. She also coordinates the Master’s in Data Science at the University of Cantabria and the UIMP, in collaboration with the CSIC.

What Does This Book Offer?

This volume is part of the scientific dissemination collection ¿Qué sabemos de...? and offers a clear, rigorous, and accessible view of the role that artificial intelligence is beginning to play in the field of medicine, especially in clinical diagnosis.

The book is structured into six chapters:

1. What is Artificial Intelligence?

2. Data

3. Algorithms

4. Security

5. Ethics and Legality

6. Conclusions: What to Expect from the Future?

Throughout its pages, the authors explain in understandable language the technical foundations of AI, its current applications in medicine, the challenges posed by handling clinical data, and the ethical and legal implications that arise when applying these technologies in sensitive contexts such as human health.

A Brief but Essential Work

In just over 100 pages, the book manages to answer many of the most frequently asked questions about the use of AI in medicine: Can a machine diagnose better than a doctor? What risks exist? How is patient privacy protected? What role does ethics play in the development of these systems?

Far from sensationalism, the authors offer a balanced and well-founded view that recognizes both the transformative potential of AI and its current limitations.

Much More Than Medicine

Although the book’s focus is on the medical field, its reading is extremely practical for anyone interested in understanding how artificial intelligence works in practice. Through the use case in health, the reader can clearly understand:

- How data is structured and processed in AI

- What types of algorithms are used and how they are trained

- What the real risks are in terms of security and privacy

- What ethical dilemmas the use of these technologies poses

- And how their application in sensitive environments is being regulated

In this sense, the book serves as an excellent introductory guide to understanding the fundamentals of applied AI, even for those without technical training.

Types of Artificial Intelligence

According to Their Capacity:

- Weak AI: specialized in specific tasks (e.g., image diagnosis).

- General AI: intelligence comparable to human intelligence (does not yet exist).

- Superintelligent AI: hypothetical, superior to human intelligence.

According to Their Functionality:

- Reactive, with limited memory, theory of mind, self-aware (the latter two still in development).

According to Their Technique:

- Symbolic, connectionist (neural networks), evolutionary, hybrid.

Types of Neural Networks and How They Work

- MLP (Multilayer Perceptron): for classification and regression.

- CNN (Convolutional Neural Networks): for medical images.

- RNN / LSTM: for sequences such as medical histories.

- GAN: for generating synthetic images.

- Transformers: for clinical text analysis and natural language processing.

How Are These Models Trained?

1. Data Preparation: cleaning, normalization, partitioning.

2. Model Design: choosing architecture and parameters.

3. Training: backpropagation and weight adjustment.

4. Evaluation: validation and testing to measure generalization.

Data Issues in Medical AI

- Data Quality and Bias: incomplete or unrepresentative data can lead to unreliable models. The book emphasizes that biases in training data —for example, if they come predominantly from a specific population group— can translate into unfair or inaccurate decisions, especially serious in medical contexts where equity is essential.

- Privacy: the use of clinical data must comply with regulations such as GDPR, ensuring the protection of patient personal information.

- Class Imbalance: rare or poorly documented diseases may be underrepresented, making them difficult for models to detect.

- Overfitting: when a model learns the training data too well and does not generalize correctly to new cases.

- Computational Cost: training complex models requires large volumes of data and significant computational resources.

Should We Know How Machines Reason?

One of the most interesting aspects addressed by the book is the issue of transparency: should we require that artificial intelligence systems explain how they make their decisions? What happens when even their own developers cannot clearly interpret the internal reasoning of a model?

The authors raise this dilemma with particular attention to the medical field, where an automated decision can have critical consequences. Is it acceptable to trust a system that cannot justify its diagnosis? How is the efficiency of the algorithm balanced with the need for explainability?

This debate, increasingly present in European regulation and AI ethics, is essential to ensure the responsible, safe, and socially acceptable use of these technologies.

Conclusion

*Artificial Intelligence and Medicine* is a brief but deeply enlightening work. Its greatest virtue lies in its ability to clearly and rigorously explain the technical foundations of artificial intelligence applied to health, without losing sight of the ethical, legal, and social implications of its use.

The book not only offers a valuable practical case —that of medicine— but also serves as an ideal gateway to understanding how AI works in general: from data processing and model training to the challenges posed by its implementation in real-world environments.

Among the most notable aspects are:

- The accessible explanation of the most commonly used types of AI and neural networks.

- The clear exposition of the problems associated with data, such as bias, privacy, and imbalance.

- The reflection on the transparency of systems: should we know how machines reason?

- And the warning about the risks of trusting opaque models in contexts as sensitive as medical diagnosis.

In short, it is an essential read for healthcare professionals, technologists, students, and anyone interested in the real impact of artificial intelligence on our lives. A book that informs, educates, and, above all, invites reflection.

Inteligencia Artificial y Medicina — Una mirada clara y accesible al futuro de la salud

Ficha del libro

Título: Inteligencia Artificial y Medicina

Autoras: Miriam Cobo Cano y Lara Lloret Iglesias

Editorial: CSIC / Los Libros de la Catarata

Colección: ¿Qué sabemos de...? (n.º 145)

ISBN: 978-84-00-11149-6

Año de publicación: 2023

Páginas: 105

Formato: Papel y versión electrónica

Lugar de edición: Madrid

Sobre las autoras

Miriam Cobo Cano es investigadora predoctoral FPU en el Instituto de Física de Cantabria, donde desarrolla su tesis sobre la optimización de sistemas de diagnóstico por imagen médica mediante técnicas de inteligencia artificial. Es graduada en Física y máster en Ciencia de Datos por la Universidad de Cantabria y la Universidad Internacional Menéndez Pelayo.

Lara Lloret Iglesias es científica titular en el mismo instituto, doctora en Física de Partículas y especialista en aprendizaje profundo aplicado al diagnóstico médico. Coordina además el Máster en Ciencia de Datos de la Universidad de Cantabria y la UIMP, en colaboración con el CSIC.

¿Qué aporta este libro?

Este volumen forma parte de la colección de divulgación científica ¿Qué sabemos de...? y ofrece una visión clara, rigurosa y accesible del papel que la inteligencia artificial está empezando a desempeñar en el ámbito de la medicina, especialmente en el diagnóstico clínico.

El libro está estructurado en seis capítulos:

1. ¿Qué es la inteligencia artificial?

2. Los datos

3. Los algoritmos

4. Seguridad

5. Ética y legalidad

6. Conclusiones: ¿Qué esperar del futuro?

A lo largo de sus páginas, las autoras explican con un lenguaje comprensible los fundamentos técnicos de la IA, sus aplicaciones actuales en medicina, los retos que plantea el manejo de datos clínicos, y las implicaciones éticas y legales que surgen al aplicar estas tecnologías en contextos tan sensibles como la salud humana.

Una obra breve, pero esencial

En poco más de 100 páginas, el libro logra responder a muchas de las preguntas más frecuentes sobre el uso de IA en medicina: ¿Puede una máquina diagnosticar mejor que un médico? ¿Qué riesgos existen? ¿Cómo se protege la privacidad del paciente? ¿Qué papel juega la ética en el desarrollo de estos sistemas?

Lejos de caer en el sensacionalismo, las autoras ofrecen una visión equilibrada y fundamentada, que reconoce tanto el potencial transformador de la IA como sus limitaciones actuales.

Mucho más que medicina

Aunque el enfoque del libro se centra en el ámbito médico, su lectura resulta enormemente práctica para cualquier persona interesada en comprender cómo funciona la inteligencia artificial en la práctica. A través del caso de uso en salud, el lector puede entender con claridad:

• Cómo se estructuran y procesan los datos en IA

• Qué tipos de algoritmos se utilizan y cómo se entrenan

• Cuáles son los riesgos reales en términos de seguridad y privacidad

• Qué dilemas éticos plantea el uso de estas tecnologías

• Y cómo se está regulando su aplicación en entornos sensibles

En este sentido, el libro funciona como una guía introductoria excelente para entender los fundamentos de la IA aplicada, incluso para quienes no tienen formación técnica.

Tipos de Inteligencia Artificial

Según su capacidad:

• IA débil: especializada en tareas concretas (ej. diagnóstico por imagen).

• IA general: inteligencia comparable a la humana (aún no existe).

• IA superinteligente: hipotética, superior a la humana.

Según su funcionalidad:

• Reactiva, con memoria, teoría de la mente, autoconsciente (estas dos últimas aún en desarrollo).

Según su técnica:

• Simbólica, conexionista (redes neuronales), evolutiva, híbrida.

Tipos de redes neuronales y cómo funcionan

• MLP (Perceptrón Multicapa): para clasificación y regresión.

• CNN (Redes Convolucionales): para imágenes médicas.

• RNN / LSTM: para secuencias como historiales clínicos.

• GAN: para generación de imágenes sintéticas.

• Transformers: para análisis de texto clínico y lenguaje natural.

¿Cómo se entrenan estos modelos?

1. Preparación de datos: limpieza, normalización, partición.

2. Diseño del modelo: elección de arquitectura y parámetros.

3. Entrenamiento: retropropagación y ajuste de pesos.

4. Evaluación: validación y prueba para medir generalización.

Problemáticas de los datos en IA médica

• Calidad y sesgo: los datos incompletos, mal etiquetados o no representativos pueden llevar a modelos poco fiables. El libro subraya que los sesgos en los datos de entrenamiento —por ejemplo, si provienen mayoritariamente de un grupo poblacional concreto— pueden traducirse en decisiones injustas o inexactas, especialmente graves en contextos médicos donde la equidad es esencial.

• Privacidad: el uso de datos clínicos debe cumplir con normativas como el RGPD, garantizando la protección de la información personal del paciente.

• Desbalance de clases: enfermedades raras o poco documentadas pueden estar infrarrepresentadas, dificultando su detección por parte de los modelos.

• Sobreajuste: cuando un modelo aprende demasiado bien los datos de entrenamiento y no generaliza correctamente a nuevos casos.

• Coste computacional: el entrenamiento de modelos complejos requiere grandes volúmenes de datos y recursos computacionales significativos.

¿Debemos saber cómo razonan las máquinas?

Uno de los aspectos más interesantes que aborda el libro es la problemática de la transparencia: ¿deberíamos exigir que los sistemas de inteligencia artificial expliquen cómo toman sus decisiones? ¿Qué ocurre cuando ni siquiera sus propios desarrolladores pueden interpretar con claridad el razonamiento interno de un modelo?

Las autoras plantean este dilema con especial atención al ámbito médico, donde una decisión automatizada puede tener consecuencias críticas. ¿Es aceptable confiar en un sistema que no puede justificar su diagnóstico? ¿Cómo se equilibra la eficiencia del algoritmo con la necesidad de explicabilidad?

Este debate, cada vez más presente en la regulación europea y en la ética de la IA, es fundamental para garantizar un uso responsable, seguro y socialmente aceptable de estas tecnologías.

Conclusión

Inteligencia Artificial y Medicina es una obra breve pero profundamente esclarecedora. Su mayor virtud reside en su capacidad para explicar con claridad y rigor los fundamentos técnicos de la inteligencia artificial aplicada a la salud, sin perder de vista las implicaciones éticas, legales y sociales que conlleva su uso.

El libro no solo ofrece un caso práctico valioso —el de la medicina—, sino que también funciona como una puerta de entrada ideal para entender cómo funciona la IA en general: desde el tratamiento de los datos y el entrenamiento de modelos, hasta los desafíos que plantea su implementación en entornos reales.

Entre los aspectos más destacados se encuentran:

• La explicación accesible de los tipos de IA y redes neuronales más utilizadas.

• La exposición clara de los problemas asociados a los datos, como el sesgo, la privacidad y el desbalance.

• La reflexión sobre la transparencia de los sistemas: ¿debemos saber cómo razonan las máquinas?

• Y la advertencia sobre los riesgos de confiar en modelos opacos en contextos tan sensibles como el diagnóstico médico.

En definitiva, se trata de una lectura imprescindible para profesionales sanitarios, tecnólogos, estudiantes y cualquier persona interesada en el impacto real de la inteligencia artificial en nuestras vidas. Un libro que informa, forma y, sobre todo, invita a pensar.