Inteligencia artificial aplicada en diagnósticos médicos: modelos de caja negra y la protección al derecho a formar un consentimiento informado
| dc.contributor.author | María Belén Prieto Correa | |
| dc.date.accessioned | 2026-06-02T18:50:58Z | |
| dc.date.available | 2026-06-02T18:50:58Z | |
| dc.date.issued | 2026-02 | |
| dc.description | Con el paso del tiempo, la inclusión de los sistemas de inteligencia artificial dentro del 2 campo de la medicina ha generado un gran impacto en la relación tradicional entre médico y paciente. En la actualidad, muchos de los profesionales de la salud utilizan esta herramienta como apoyo para formular diagnósticos médicos. Varios autores reconocen que los sistemas de inteligencia artificial han beneficiado al sistema sanitario al permitir diagnósticos más rápidos y precisos, sin embargo, entre estos sistemas hay algunos que operan bajo el modelo de caja negra. Un modelo opaco que dificulta que se conozca el procedimiento interno utilizado para llegar a un resultado en particular, lo cual, en el ámbito de la medicina genera elevados riesgos éticos y jurídicos. De tal forma, los profesionales de la salud, al carecer de conocimiento sobre el procedimiento interno que utilizó el sistema para dar un diagnóstico, no puede garantizarle al paciente el derecho a tener un consentimiento informado puesto que no cuentan con la información suficiente y adecuada para estos puedan tomar decisiones libres y autónomas sobre sus tratamientos clínicos. En este sentido, el profesional de la salud que utiliza un sistema opaco no solo afecta el consentimiento informado y la autonomía del paciente, sino que también limita su capacidad médica con respecto a su deber objetivo de cuidado. | |
| dc.description.abstract | The present paper reviews the use of black-box Large Language Model (LLM) artificial intelligence systems that are used by healthcare professionals when they enter their patients’ clinical data and use such systems as a basis for the formulation of a medical diagnosis, as well as the consequences that this produces for the exercise of the patient’s right to informed consent. For the analysis, the inductive method was mainly used, applying the qualitative technique of documentary review of the provisions of the Constitution of the Republic of Ecuador, the Organic Health Law, the Organic Law on Personal Data Protection, and other relevant regulations, including international instruments. It is mainly concluded that these systems, due to their opacity, when used as a basis for a medical diagnosis, hinder the exercise of the patient’s right to form informed consent and also limit the explanatory capacity of the healthcare professional. | |
| dc.identifier.uri | https://repositorio.uees.edu.ec/handle/123456789/5265 | |
| dc.language.iso | es | |
| dc.subject | Artificial intelligence in medicine | |
| dc.subject | black-box models | |
| dc.subject | Large Language Models (LLM) | |
| dc.subject | informed consent | |
| dc.subject | patient autonomy. | |
| dc.title | Inteligencia artificial aplicada en diagnósticos médicos: modelos de caja negra y la protección al derecho a formar un consentimiento informado | |
| dc.type | Thesis |