Navegando por las incertidumbres de la inteligencia artificial:

Este posteo se realiza en el blog para establecer como algunos gobiernos desarrollados del mundo y preocupados por la equidad en salud, están incorporando conocimiento en algo tan disruptivo para poder establecer las bases del alcance, que incentivar, como preservar adecuadamente los datos y coordinar como el sistema de salud lo adoptará. Existen varios aspectos que aún no dilucidados y en pleno proceso de crecimiento y desarrollo es que debemos ser más precisos, como por ejemplo que tipo de inteligencia artificial se esta considerando, quien es el impulsor, donde fue probada, con que datos fue alimentada cual es el grado de precisión y confiabilidad, como y en que ámbitos puede ser aplicada, debiera pensar e invertir en esto, para que pacientes públicos, fundamentalmente del sector más postergado pueda tener posibilidades los profesionales actuar con inferencia más concreta sobre el riesgo, al ser una población más vulnerable, y con un cúmulo de necesidades.

Se espera que las tecnologías de inteligencia artificial (IA) resuelvan desafíos apremiantes en los servicios de atención médica en todo el mundo. Sin embargo, el estado actual de la introducción de la IA se caracteriza por varios problemas que complican y retrasan su implementación. Estas cuestiones se refieren a temas como la ética, las regulaciones, el acceso a datos, la confianza humana y la evidencia limitada de las tecnologías de IA en entornos clínicos del mundo real. Además, abarcan incertidumbres, por ejemplo, sobre si las tecnologías de IA garantizarán un trato equitativo y seguro para los pacientes o si los resultados de la IA serán lo suficientemente precisos y transparentes como para generar confianza en los usuarios.

Se requieren esfuerzos colectivos de actores de diferentes orígenes y afiliaciones para navegar este complejo panorama.

Este artículo explora el papel de tales esfuerzos colectivos investigando cómo funciona una red de profesionales establecida informalmente para habilitar la IA en los servicios de salud públicos noruegos.

El estudio adopta un enfoque de estudio de caso longitudinal cualitativo y se basa en datos de observaciones no participantes de reuniones y entrevistas digitales.

Los datos se analizan basándose en perspectivas y conceptos de los Estudios de Ciencia y Tecnología (CTS) que abordan la innovación y el cambio sociotécnico, donde los esfuerzos colectivos se conceptualizan como movilización de actores. El estudio encuentra que en el caso del ambiguo fenómeno sociotécnico de la IA, algunas de las incertidumbres relacionadas con la introducción de la IA en la atención sanitaria pueden reducirse a medida que se produzcan más implementaciones, mientras que otras prevalecerán o surgirán.

Movilizar a portavoces que representen a actores que aún no forman parte de los debates, como los usuarios de IA o los investigadores que estudian las tecnologías de IA en uso, puede permitir una producción de conocimiento híbrido «más fuerte». Este conocimiento híbrido es esencial para identificar, mitigar y monitorear las incertidumbres existentes y emergentes, garantizando así implementaciones sostenibles de IA

1 . Introducción

Se percibe que las tecnologías de inteligencia artificial (IA) tienen un gran potencial para resolver los desafíos existentes y futuros dentro de los servicios de atención médica, incluidos los costos crecientes, la escasez de personal sanitario y el crecimiento exponencial de los datos sanitarios digitalizados necesarios para procesar y gestionar [ [1] , [2] , [3] ]. Sin embargo, las tecnologías de IA existentes no son un grupo de tecnologías claramente definido, sino que se desarrollan para diversas áreas de uso con diferentes capacidades y resultados [ 4 , 5 ]. Las tecnologías de inteligencia artificial que se están desarrollando actualmente para la atención médica y que se están utilizando lentamente (a partir de 2023) generalmente se basan en enfoques de aprendizaje automático (ML) o aprendizaje profundo (DL), siendo el análisis de imágenes una de las áreas de aplicación más prometedoras ([ 6 ] ; pág. 722 [ 7 ]; pág .

La visión del Gobierno noruego sobre la IA en la atención sanitaria es un ejemplo típico de las expectativas actuales, afirmando que, en el futuro, las tecnologías de IA «proporcionarán diagnósticos más rápidos y precisos, mejores tratamientos y un uso más eficaz de los recursos» ([ 9 ]; pág.26). ¹ La visión enfatiza además que movilizar y establecer colaboraciones entre varios actores de los sectores público y privado es crucial para permitir la IA en la atención médica (para argumentos similares, ver [ 10 ]; p. 7; [ 11 ]). Según una investigación sobre la implementación de la IA en la atención sanitaria, dichas constelaciones de actores deberán cubrir una «última milla» o cerrar una «brecha» para avanzar hacia un despliegue generalizado [ [12] , [13] , [14] ). Las cuestiones problemáticas que se deben abordar en este contexto se relacionan con temas como la ética, las regulaciones, el acceso a datos, la confianza humana y la evidencia limitada del desempeño de la IA en entornos clínicos del mundo real [ 6 , 10 , 15 , 16 ]. Algunos de los desafíos clave implican incertidumbres sobre si las tecnologías de inteligencia artificial garantizarán un trato igualitario y seguro para los pacientes o si las decisiones de aprendizaje automático tienen la transparencia y explicabilidad necesarias, esenciales en los procesos de diagnóstico y para garantizar la confianza del usuario.

En este artículo, exploro cómo una constelación específica de actores intenta abordar y navegar los numerosos problemas e incertidumbres que caracterizan la situación actual de la introducción de la IA en el contexto de los servicios públicos de salud noruegos. Específicamente, la investigación adopta un enfoque de estudio de caso cualitativo para examinar la llamada red KIN (Kunstig Intelligens i Norsk Helsetjeneste – Inteligencia Artificial en los Servicios de Salud de Noruega), una red establecida informalmente que consta de profesionales con diferentes orígenes y afiliaciones con intereses en IA. y atención sanitaria. La red tiene como objetivo contribuir al trabajo en curso para habilitar la IA en entornos clínicos del mundo real facilitando el intercambio de conocimientos y experiencias entre sus miembros e interactuando con los tomadores de decisiones, como políticos, diferentes autoridades y directores de hospitales.

El artículo se basa en conceptos de Estudios de Ciencia y Tecnología (CTS) que abordan la innovación y el cambio sociotécnico como resultado de esfuerzos colectivos de actores heterogéneos (ver, por ejemplo, [ [17] , [18] , [19] , [20] ].

Con la red KIN como objeto de estudio, el artículo sugiere que un punto de partida para comprender los desafíos de la introducción de la IA en la atención sanitaria es examinar las cuestiones relativas al despliegue de la IA que abordan dichas constelaciones de actores. por Callon et al., quienes sostienen que explorar controversias «permite hacer un inventario de las diferentes dimensiones de lo que está en juego en un proyecto» ([ 21 ]; págs. 29-30). En este artículo, que explora cómo la red KIN aborda los desafíos e incertidumbres del despliegue de la IA, se puede proporcionar un inventario de lo que está en juego en el proceso de introducción actual. Un análisis de este tipo también puede mostrar elementos visibles que no se tienen en cuenta en las expectativas más generales y genéricas de la IA. , como el del Gobierno noruego. Explorar las incertidumbres relacionadas con las tecnologías complejas emergentes es crucial para delinear lo que puede pasarse por alto en los procesos de innovación pero que, sin embargo, es esencial identificar, mitigar y monitorear para lograr soluciones sostenibles.

Más específicamente, el artículo aborda las siguientes preguntas de investigación: ¿cómo puede una red de profesionales establecida informalmente, como la red KIN, contribuir a permitir la IA en la atención médica? Para discutir este tema, busco respuestas a las siguientes subpreguntas: ¿ Cómo caracteriza la red KIN su propósito y papel, y cómo logra sus objetivos ?

El artículo comienza con un esquema del marco teórico, seguido de una presentación de la metodología de la investigación, incluyendo una descripción del caso, el proceso de investigación y el análisis de los datos. Posteriormente, el artículo presenta los hallazgos, seguido de una discusión y comentarios finales.

2 . Los procesos de innovación como actividades colectivas.

Los académicos de los Estudios de Ciencia y Tecnología (CTS) han argumentado que la innovación y el cambio sociotécnico son el resultado de las interacciones entre actores con diferentes características (ver, por ejemplo, [ 17 , 18 , 20 , 22 ]. A través de la red KIN, actores humanos de diferentes Esta producción de conocimiento heterogéneamente organizada, que se produce a través de fronteras típicamente distintas entre disciplinas, sectores y organizaciones, es lo que Gibbons et al [ 23 ] denominan «hibridación».

La hibridación puede tener un efecto que conduzca al establecimiento de constelaciones de actores llamadas «foros híbridos», que nuevamente «reflejan la necesidad de diferentes comunidades de hablar en más de un idioma para comunicarse en los límites y espacios entre sistemas y subsistemas». ([ 23 ]; p. 38). De manera similar, Callon et al. [ 21 ] describen los foros híbridos como ‘espacios abiertos donde los grupos pueden reunirse para discutir opciones técnicas que involucran al colectivo’ y donde ‘los grupos involucrados y los portavoces que afirman hacerlo’. los representan son heterogéneos, incluyendo expertos, políticos, técnicos y legos que se consideran involucrados” (p. 18).

Callón et al. Destacamos además que el aspecto de la hibridación también se relaciona con el tipo de preguntas y problemas discutidos en dichos foros, que están relacionados con una variedad de dominios y se abordan en diferentes niveles. Además, un rasgo común de estos foros híbridos es que a menudo surgen debido a avances impredecibles y confusos en la ciencia y la tecnología, y son formas adecuadas de gestionar o adaptarse a las incertidumbres generadas por dichos avances ([ 21 ]; p. 18). En este contexto, las incertidumbres pueden verse no sólo como las razones para que se establezcan ciertas constelaciones de grupos sino también como una gran motivación para buscar y adquirir más conocimientos ([ 24 ]; p. vi).

Apuntar a la heterogeneidad en las constelaciones de grupos establecidas para influir en los procesos de transición social no es infrecuente en los países nórdicos. Se alinea bien con el hecho de que la «construcción de consenso» es uno de los pilares clave de sus sistemas políticos ([ 25 ]; p. 18). Esta orientación al consenso sitúa a los países nórdicos como reformadores en algún lugar entre los sistemas de movimiento más lento de, por ejemplo, Alemania y los sistemas que son capaces de mantener una mayor velocidad, como el del Reino Unido. Aunque el sistema nórdico para garantizar el consenso lleva tiempo y el resultado no es necesariamente radical, las posibilidades de implementar soluciones más sostenibles suelen ser mayores [ 26 ]. Además, apuntar al consenso y la sostenibilidad se corresponde bien con las estrategias de IA de los países nórdicos, que se centran especialmente en la IA para sociedades sostenibles [ 27 , 28 ].

Dentro de la ciencia política, otro tipo de formación de grupos se describe como «grupos de interés» [ 29 ]. Éstos, como foros híbridos, se sitúan entre sistemas y subsistemas. Sin embargo, estas constelaciones no suelen ser espacios abiertos ni incluyen la misma variedad de tipos de miembros. Los miembros de los grupos de interés son principalmente portavoces de los miembros de las organizaciones que representan; no necesariamente se representan a sí mismos o a personas similares. El tipo de posición «en el medio» adoptada por los grupos de interés nos recuerda cómo son intermediarios, actuando entre «redes» en la comprensión del término en ciencias políticas (ver, por ejemplo [ 30 ], y los subgrupos que tienen intereses específicos dentro de Por lo tanto, los grupos de interés suelen estar asociados con organizaciones de defensa (por ejemplo, Médicos sin Fronteras) o asociaciones profesionales y/o sindicatos (por ejemplo, asociaciones médicas específicas de un país). , por ejemplo, los límites institucionales, como en los foros híbridos, pero ayudan a «facilitar las relaciones entre actores que de otro modo tendrían dificultades para relacionarse entre sí» [ 29 ];

Los académicos asociados con uno de los marcos CTS más conocidos, la Teoría Actor-Red (ANT), ofrecen otra perspectiva sobre las actividades colectivas. Akrich et al. [ 17 ] sostienen que los procesos de innovación y sus resultados están determinados por el número de actores que el proyecto en cuestión es capaz de movilizar y por el carácter de las interacciones entre estos actores. En este contexto, los actores pueden ser tanto humanos como no humanos (por ejemplo, tecnologías de inteligencia artificial). Por lo tanto, un elemento esencial para movilizar a los actores necesarios y obtener suficiente poder para proceder con la innovación es hacer y mantener a los actores relevantes interesados ​​en el proyecto ([ 17 ]; p. 205). Si el proyecto, ejemplificado por la red KIN en el presente estudio, logra mantener el interés de los actores y establecer las alianzas necesarias, esto confirma la validez del objetivo o principio fundacional del proyecto.

La influyente descripción que hace Callon [ 18 ] de la domesticación de vieiras y pescadores de la bahía de St Brieuc ofrece varios ejemplos de cómo se establecen alianzas entre actores pero también se ven amenazadas y cómo esto afecta un proceso de innovación. Un punto esencial en la historia de Callon es cómo los actores no humanos (por ejemplo, las tecnologías de IA) son entidades importantes para involucrar en los procesos en curso y mantener como aliados, de la misma manera que los actores humanos (por ejemplo, los médicos como usuarios de IA). Sin embargo, como los actores no humanos como las tecnologías de IA no pueden hablar por sí mismos, se les da voz a través de otros actores que los incorporan a las conversaciones (por ejemplo, investigadores, proveedores, usuarios o investigadores de IA que estudian la IA en uso). Así, considerar quién habla en nombre de quién es fundamental, lo que incluye también prestar atención a la distinción entre portavoces y representantes ([ 18 , 31 ]; p. 216). Por ejemplo, en el caso de este estudio, los investigadores o proveedores de IA, que actualmente son los que tienen más conocimientos sobre las capacidades de las tecnologías de IA, pueden aparecer como los principales portavoces de las tecnologías de IA. Como estos portavoces tienen sus propios intereses o agencias, como promover su investigación o vender sus productos, lo más probable es que representen la IA de cierta manera (optimista). Estos intereses influyen, además, qué tipo de información se comparte y circula dentro del proyecto en cuestión: la red KIN y más allá. Esta distribución de poder plantea preguntas sobre qué versiones de IA se basan en las alianzas existentes que colectivamente apuntan a habilitar la IA en la atención médica y cómo este conjunto de versiones de IA y sus espectadores afecta el resultado del proceso de introducción en curso.

El objetivo de la red KIN de facilitar el intercambio de conocimientos y experiencias entre profesionales centrándose en los problemas e incertidumbres que complican la introducción de la IA en la atención sanitaria no sólo subraya las razones de ser de la red , sino también que la IA, como fenómeno sociotécnico, es integral y desafiante de entender, o peor aún, de dominar. Una consecuencia importante de un concepto ambiguo como el de la IA [ 5 ] es que complica las conversaciones en curso, ya que las personas hablan de la IA desde diversas perspectivas y percepciones sin saber si están «en la misma página». Por ejemplo, preguntas como si la IA hará que los servicios de salud sean más eficientes darán varias respuestas diferentes, dependiendo de la opinión de quién se solicite y en qué contexto ([ 5 ]; p. 28). Otro resultado del vasto concepto de IA es que la flexibilidad del término permite a múltiples actores formar sus propias expectativas y desarrollar sus conocimientos en consecuencia. Si esta experiencia, basada en ciertas expectativas, se comparte de manera amplia y convincente, esto podría establecer una agenda que otras partes interesadas seguirán ([ 32 ]; p. 139).

Estos ejemplos de posibles consecuencias del término vago y flexible de IA muestran que hay aspectos retóricos importantes que se deben tener en cuenta al estudiar las conversaciones de IA. A propósito, y quizás un poco irónico, dado que la IA es un concepto ampliamente definido y tratado en consecuencia en las conversaciones observadas y las entrevistas realizadas durante este estudio, los términos genéricos y generales «IA» y «tecnologías de IA» se utilizan indistintamente en este artículo. . Estos términos cubren la IA tanto en un sentido amplio como en un sentido estricto y reflejan simultáneamente cómo es utilizada dentro de la red estudiada y por los informantes.

3 . Metodología de investigación

Este artículo se basa en un enfoque de estudio de caso longitudinal cualitativo, que incluye datos de observaciones de no participantes de las reuniones, conferencias y seminarios de la red KIN, y entrevistas semiestructuradas con la secretaría de la red.

3.1 . Descripción del caso

A finales de 2020, se estableció la red KIN en Noruega como una iniciativa nacional para aumentar las implementaciones de IA en entornos clínicos del mundo real. La iniciativa surgió a través de conversaciones informales entre pares en relación con la primera conferencia nacional sobre IA en la atención médica para gerentes y médicos de los servicios de salud noruegos, organizada en Bodø en 2019. Un año después, algunos de los iniciadores pasaron a formar parte de una secretaría. de ocho personas, gestionando la red y facilitando sus actividades.

La secretaría estuvo integrada por:

• -un investigador de un departamento de investigación de una sociedad de responsabilidad limitada
• -un gerente de departamento de una agencia pública
• -dos directivos de un centro de investigación nacional
• -un asesor principal de una de las cuatro autoridades sanitarias regionales de Noruega
• -un director de departamento de una de las cuatro autoridades sanitarias regionales de Noruega

Las actividades que lleva a cabo la red son reuniones trimestrales organizadas por la secretaría y tres o cuatro seminarios o conferencias anuales organizados por miembros de la red que representan diferentes áreas geográficas e instituciones. La secretaría establece las agendas de las reuniones inspirándose en las aportaciones de los miembros de la red, mientras que los organizadores locales desarrollan los programas de la conferencia.

La red KIN no tiene limitación en cuanto al número de miembros. Como tal, todos los interesados ​​pueden unirse a la red, incluidos, entre otros, profesionales con experiencia en medicina, matemáticas/estadística/física, aprendizaje automático, economía de la salud, investigación sanitaria, farmacia y ciencias sociales [ 33 ]. Los miembros suelen ser reclutados a través de colegas, otros conocidos o una opción de registro en el sitio web de la red. Durante los dos años en que se llevó a cabo este estudio, la lista de miembros aumentó de aproximadamente 20 participantes en la primera reunión oficial a 160 miembros a fines de 2022. El grupo más grande de miembros son investigadores de campos dentro de las ciencias duras (por ejemplo, informática, aprendizaje automático en particular y física médica) de universidades, centros de investigación u hospitales. Otros grupos son empleados de hospitales y burócratas con experiencia en medicina o tecnología, que trabajan en la intersección entre tecnología y atención médica. Finalmente, algunos de los grupos más pequeños son personas de la industria, principalmente de empresas de software, organizaciones de interés y municipios. Además, en febrero de 2023, la red contaba con 32 observadores, incluido el autor de este artículo y directores de proyecto o asesores superiores de afiliaciones como la Dirección de Salud de Noruega, la Dirección de Salud Electrónica, la Junta de Supervisión Sanitaria y la Junta. de Tecnología que apoya los procesos de toma de decisiones políticas.

3.2 . Proceso de investigación

Me inscribí como observador de la red KIN justo a tiempo para participar en la segunda reunión oficial en febrero de 2021. Durante dos años, hasta diciembre de 2022 y con una breve revisita en una reunión en mayo de 2023, observé sus reuniones digitales trimestrales ( ocho en total) y tres de seis conferencias/seminarios (dos presenciales). Mientras asistía a estas actividades, presté especial atención a las personas que participaban en las discusiones y hacían presentaciones, quiénes eran y de qué hablaban. Durante estas observaciones, observé principalmente el desarrollo de la comunicación verbal en curso y las presentaciones visuales. Como no sabía de antemano quién asistiría a las reuniones, fue imposible obtener el consentimiento de todos los participantes para grabar las discusiones. Por lo tanto, la fuente principal de documentación fueron las notas de campo tomadas durante las reuniones. En dos de las conferencias a las que asistí en persona, también conversé con los participantes durante las pausas para el café y las comidas, y luego escribí notas de campo cuando estaba solo.

Además, en otoño de 2022, entrevisté a seis de los ocho miembros de la secretaría que habían formado parte de la secretaría desde el principio. Las entrevistas duraron entre 30 y 60 min y giraron en torno a temas como cómo se estableció la red, el objetivo y el rol de la red, quiénes eran los miembros, con quién colaboró ​​la red, cómo habían sido los dos años con la red, cuál tipo de IA que consideraban mediada a través de la red, y lo que percibían como logros actuales, desafíos y trabajo relevante para llevar a cabo en el futuro. Estas entrevistas fueron grabadas y transcritas en su totalidad. ²

Como material secundario, examiné las presentaciones en PowerPoint de las presentaciones realizadas durante las reuniones. Estas también sirvieron como actas de las reuniones de la red, ya que la secretaría añadió algunos comentarios a las presentaciones después de las reuniones. También estudié los programas de la conferencia y la información y los documentos publicados en el sitio web (para la URL del sitio web, consulte [ 34 ]). El sitio web proporciona información sobre la red, la secretaría, los miembros y la política de membresía. También incluía una lista de proyectos de IA en curso en Noruega (principalmente proyectos de investigación y desarrollo en hospitales) y una descripción general de las actividades de la red.

3.3 . Análisis de los datos

Las entrevistas transcritas se analizaron en tres fases. Primero, fueron sujetos a una codificación abierta exploratoria, donde se leyeron línea por línea y se resaltaron diferentes temas. Posteriormente, el texto fue releído y codificado con códigos más específicos ([ 35 ]; p. 172). A medida que se agruparon códigos similares, surgieron categorías generales, como «el propósito de la red», «papel de la red», «miembros», «IA en los desafíos de la atención médica», «temas discutidos», «agendas», «desafíos para la red», ‘interacción con otras partes interesadas’ e ‘influencia en el campo’. Por último, se llevó a cabo un proceso más abductivo a medida que los datos categorizados se consideraron y refinaron en función de las cuestiones destacadas por las preguntas de investigación, que tomaron forma después de las dos primeras fases de análisis. Este proceso resultó en dos categorías principales: ‘la red según la red’ y ‘las actividades, agendas e influencia de la red’. Las notas de campo, las actas de las reuniones, los programas de la conferencia y la información del sitio web se asignaron además como elementos que respaldan o complementan los hallazgos de las entrevistas. Un ejemplo de dichos elementos es la descripción de la red del sitio web que se incluye a continuación.

4 . Recomendaciones

Los hallazgos presentados en esta sección están organizados después de las dos categorías resultantes del análisis de datos, que también refleja los temas de las subpreguntas de investigación.

4.1 . La red según la red

En el sitio web de la red KIN, la red se describe de la siguiente manera:

KIN es una red nacional de inteligencia artificial en el servicio de salud, que está formada por varias comunidades profesionales de todo el país. La red adopta un enfoque ascendente y tiene como objetivo compartir experiencias y poner en la agenda cuestiones importantes relacionadas con la implementación clínica de la inteligencia artificial . Conectamos comunidades profesionales estableciendo espacios de encuentro para el debate conjunto y el intercambio de conocimientos sobre la implementación de la inteligencia artificial en el sector sanitario. La red está abierta a todo aquel que quiera participar y compartir su trabajo (extracto del sitio web de la red KIN, traducción mía)

Esta cita describe las intenciones de la red en tres aspectos: compartir experiencias y conocimientos, establecer temas centrales en la agenda y conectar a personas de diferentes campos, todo ello basado en un enfoque «de abajo hacia arriba».

Además de estar abierta a quienes quieran participar, la política de membresía de la red subraya que la membresía es personal, lo que significa que los participantes se representan a sí mismos y no a sus organizaciones afiliadas [ 33 ]. Durante las entrevistas, se argumentó que ser miembro personal facilitaba el trabajo y las discusiones, ya que los miembros no necesitaban permiso de sus responsables para participar en la red o tener una opinión particular sobre los temas discutidos. De este modo, las conversaciones que se desarrollaron durante las reuniones pudieron desarrollarse más libremente, sin demasiadas restricciones ni reservas. Se argumentó además que esto hacía que los miembros y la red fueran más informales y, al mismo tiempo, se alinearan con el enfoque «de abajo hacia arriba» que la red deseaba adoptar.

Durante la introducción de las reuniones se hizo hincapié repetidamente en el uso del término «de abajo hacia arriba» para describir el enfoque. Un informante explicó la lógica detrás de este enfoque de la siguiente manera:

Es bastante simple: mantener el foco en lo que las personas con conocimientos de IA en el cuidado de la salud perciben como difícil o útil, cuáles son las soluciones a los problemas, etc., dará como resultado una agenda más orientada a los profesionales que a la política. Si nosotros [la red] encontramos un potencial diferente [en la IA], que la alta dirección no ve, no incluye en las estrategias o no toma decisiones sobre… entonces hay que hacer lo que se hace normalmente: tratar de deja que [el conocimiento] fluya hacia arriba en el sistema, habla con tus jefes, etc. (un miembro de la secretaría, mi traducción)

Esta afirmación muestra no sólo que el conocimiento experto individualizado es esencial para la red, sino también que el conocimiento y la experiencia deben canalizarse (o filtrarse) más «hacia arriba» en el sistema, permitiendo que el conocimiento de los profesionales también informe la agenda en estos círculos. El informante argumentó además que esta forma de compartir información es la mejor manera de establecer bases adecuadas para decisiones importantes y estratégicas en el caso de la IA:

En la medida en que nos topemos con oro, debemos decirles a nuestros gerentes qué es para que puedan actuar en consecuencia. En las salas de juntas y en los puestos de alta dirección, no se sabe automáticamente todo lo que sucede a nivel de base (un miembro de la secretaría, traducción mía)

A través de estas dos últimas citas, encontramos ejemplos de percepciones de cómo los tomadores de decisiones necesitan la ayuda del conocimiento de expertos para actuar y tomar decisiones relacionadas con la introducción de la IA en la atención médica. De manera similar, otro informante comentó que «la burocracia», que según él estaba demasiado distante de la dinámica de las comunidades profesionales, necesitaba el conocimiento de los profesionales para desarrollar políticas adecuadas: «Es difícil imaginar una política basada en el conocimiento en esta área, sin que las comunidades profesionales se movilicen muy activamente». Además, esta cita subraya que la red percibe la movilización de varios actores como un factor esencial en las primeras fases de la introducción de nuevas tecnologías.

Había también otra razón por la que se consideraba necesaria una red como la red KIN. Como argumentó un informante, ninguna organización sanitaria había llegado muy lejos en el despliegue de la IA, lo que nuevamente hacía importante que los profesionales tuvieran la capacidad de discutir y compartir conocimientos en «redes informales de base». El uso del término «de base» en este contexto también puede verse como una forma de posicionar la red como contraparte de las iniciativas más «de arriba hacia abajo» en el sector de la salud y, nuevamente, alinearse con sus iniciativas «de abajo hacia arriba». acercarse. La característica de ser una red informal se enfatizó aún más al referirse al hecho de que no tenían presupuesto ni mandato de otra parte: ‘No tenemos presupuesto ni nada, cierto… la gente lo hace casi de forma voluntaria’ ( miembro de la secretaría).

Cuando se le preguntó qué había logrado la red KIN en los dos años de existencia, un informante afirmó que se había convertido en una especie de «centro de gravedad» para muchos de los procesos en curso de introducción de la IA en los servicios de salud. Otro informante comentó que: ‘se ha convertido en una forma de dialogar con las autoridades, se ha convertido en un canal donde la gente puede dar aportes [a las autoridades], y les resulta más fácil [a las autoridades] preguntar a la red KIN. [para aportes o comentarios sobre ciertos temas]’. Así, la red fue descrita como un «socio de diálogo», pero también como un «grupo de expertos» o «catalizador». Todos estos términos descriptivos, que van desde «base» hasta «centro de gravedad» y «catalizador», dan interpretaciones bastante diferentes del papel de la red: de ser algo que cubre el terreno, asegurando una base sólida para que crezca el conocimiento, a un centro desde donde se crean diferentes proyectos, comienzan a evolucionar y acelerarse.

4.2 . Las actividades, agendas e influencia de la red.

Los medios para lograr los objetivos de intercambio de conocimientos y experiencias de la red fueron principalmente la organización de «una serie de seminarios/conferencias específicas donde profesionales de comunidades relevantes se reúnen para compartir experiencias a través de presentaciones y debates» (extracto del acta de la reunión, 27 de noviembre de 2020, mi traducción). En estas ocasiones, tanto miembros de la red como observadores y no miembros invitados contribuyeron como presentadores o participantes en los paneles de discusión. Estos contribuyentes procedían normalmente de los entornos hospitalario y de investigación, pero también de la industria, expertos jurídicos, el registro de cáncer, las cuatro autoridades sanitarias regionales, la autoridad de protección de datos, la Dirección de Salud, la Dirección de e-salud y el Ministerio de Servicios de Salud y Atención.

Un informante explicó que las reuniones deberían reflejar lo que la mayoría de los miembros acordaron como temas necesarios para discutir, agregando la pregunta: ‘¿Cuáles son los temas más importantes y difíciles que deben resolverse en esta área?’. Así, hasta cierto punto, las agendas de las reuniones se basaron en el resultado de las encuestas digitales realizadas al final de cada reunión. A través de estas encuestas, llamadas «verificaciones de temperatura», los miembros podían votar por temas que consideraban necesario abordar o cruciales para discutir en futuras reuniones. Las encuestas consistieron principalmente en temas predefinidos por los cuales los participantes de la reunión podían votar. Sin embargo, en algunas reuniones también fue posible sugerir otras cuestiones mediante una opción de texto libre. Una tercera forma para que los miembros influyeran en las agendas de las reuniones era contactar directamente a la secretaría con ideas o deseos. Las sugerencias entrantes generalmente se transformaban en temas predefinidos, que se agregaban a las encuestas para las próximas reuniones. Por tanto, la lista de categorías podría cambiar ligeramente de una reunión a otra.

Los temas predefinidos de las encuestas normalmente incluían categorías como:

• -‘Validación y ajuste de soluciones de IA a las condiciones locales (incluidos grupos de pacientes noruegos)’
• -‘Ética y legislaciones en materia de IA (sesgo en los datos, caja negra, responsabilidad)’
• -‘Clínica y usuarios: apoyo a la toma de decisiones y comunicación de incertidumbres [el resultado del sistema proporcionado a los médicos, informándoles sobre la precisión o calidad del resultado de la IA]’
• -‘Cómo hacer que las soluciones de IA sean lo más beneficiosas posible para las clínicas’
• -‘Fabricar o comprar [desarrollar IA internamente o comprar productos disponibles comercialmente]’
• -‘Desarrollo de competencias dentro del sector’
• -‘Soluciones en la nube para compartir datos’
• -‘Armonización/calidad de los datos’
• -‘Políticas e incentivos financieros’
• -‘Validación de tecnologías de aprendizaje continuo’
• -‘Infraestructura y ciberseguridad’
• -‘Consecuencias de las nuevas reglas para la certificación y aprobación de soluciones de IA [cómo obtener el marcado CE según el Reglamento de Dispositivos Médicos actualizado, 2021]’. (una síntesis de categorías de las diferentes presentaciones de las reuniones, mi traducción y explicaciones adicionales entre paréntesis)

Las tres categorías superiores de esta lista fueron calificadas como los tres temas de discusión más deseados durante los dos años en que se observaron las reuniones. Como asistí a una reunión cinco meses después de completar la recopilación de datos, esta clasificación seguía siendo la misma. Aunque el tema de esta reunión en particular fue «Garantía de calidad y validación de la IA», el mismo tema fue votado como el tema número uno para futuras discusiones al final de la reunión. Con base en esta clasificación, se puede argumentar que las áreas que los miembros de la red perciben como las que involucran más incertidumbres están todas relacionadas con el despliegue de la IA en entornos clínicos del mundo real y cuestiones clave específicas de las tecnologías de IA para la atención sanitaria. Las incertidumbres incluían preguntas como: ¿cómo pueden o deberían los proveedores de atención médica validar o probar las tecnologías de IA antes de su implementación en las prácticas clínicas? ³ ¿Será posible ajustar las tecnologías de acuerdo con las condiciones locales, como flujos de trabajo clínicos, procedimientos y datos de pacientes particulares? ¿El resultado del uso será justo y seguro para todos los pacientes, quién es responsable si se producen errores y cómo pueden los médicos estar seguros de la precisión y calidad del resultado de la IA?

Además de las reuniones y conferencias, los miembros de la red y especialmente la secretaría asistieron o llevaron a cabo actividades adicionales para influir en los políticos, autoridades y otros responsables de la toma de decisiones. Se trataba de actividades organizadas fuera de las fronteras de la red definida (las reuniones y conferencias periódicas), como talleres sobre la adopción de la IA organizados por un proyecto de coordinación nacional que también tiene como objetivo habilitar la IA en la atención sanitaria iniciado por un plan de políticas del gobierno noruego [ 9 ]. (cf., [ 36 ]). La secretaría también escribió una carta al Ministerio de Salud y Servicios de Atención destacando la necesidad de seguir centrándose en permitir la adopción de la IA, y organizaron un evento en la reunión política anual más grande e importante de Noruega, Arendalsuka, en 2022. En el evento, se acercaron a políticos y autoridades sanitarias para defender la necesidad de una «hoja de ruta» nacional para superar muchos de los problemas actuales de la introducción de la IA en los servicios sanitarios.

Otro tipo de interacción entre la red y las autoridades se produjo cuando representantes de las autoridades hicieron presentaciones en varias de las reuniones de la red sobre temas como el acceso a datos para el uso de IA en la atención médica o sobre actividades realizadas a nivel nacional para facilitar la introducción de IA en las prácticas clínicas, incluida la orientación sobre cuestiones jurídicas. Basándose en la presencia de las autoridades en varias reuniones, ya sea como presentadores u observadores, un informante afirmó que la red se había vuelto valiosa para las autoridades ya que podían «informar y obtener conocimientos por su propia parte».

Sin embargo, algunos de los informantes también cuestionaron la influencia real de la red KIN. Por ejemplo, con respecto a la toma de decisiones finales, un informante comentó que no importa qué conocimiento o recomendaciones la red compartiera con las autoridades sanitarias, «el gobierno hará lo que le plazca». Otro informante cuestionó si el conocimiento compartido y acumulado a través de la red llegaría a las prácticas clínicas y beneficiaría aún más el tratamiento del paciente. El informante abordó esta cuestión relacionándola con la tradición noruega de organizar los hospitales en lo que llamó «silos»; un silo para la investigación y otro para la atención al paciente, entre los cuales existen pocos puentes para las transacciones de conocimiento. El informante lo explicó de la siguiente manera:

… una de las grandes debilidades del sector hospitalario público noruego es que está manipulado, como en los años 1970. Está diseñado para optimizar la atención al paciente, por un lado, y la investigación, por el otro, por separado. Este último produce conocimiento, preferentemente a través del estudio de la atención al paciente. Cuando ese conocimiento se establece, en medida suficiente, existen mecanismos frágiles para implementarlo en la clínica y cambiar aún más la clínica (un miembro de la secretaría, mi traducción).

El informante continuó explicando cómo estos silos también desafían la introducción de la IA. Como afirmó el informante, la IA es un tipo de tecnología de la información que está aún más alejada de la atención al paciente que la investigación que se lleva a cabo en el silo de investigación. La investigación está al menos relacionada con grupos específicos de pacientes y, por tanto, tiene conexión con las prácticas clínicas de los hospitales. Sin embargo, en el caso de la IA, el informante percibió esta distancia o falta de acceso a entornos clínicos como una razón por la que es difícil determinar si las tecnologías de IA pueden beneficiar el trabajo clínico, o cómo.

5 . Discusión

5.1 . Producción de conocimiento híbrido para habilitar la IA en la atención médica

Como la red KIN es abierta y tiene como objetivo movilizar a diferentes actores interesados ​​en la IA y la atención médica de todas las disciplinas, sectores y organizaciones, se establecen las condiciones para permitir la producción de conocimiento híbrido, como lo describen Gibbons et al. [ 23 ]. Sin embargo, a pesar de los intentos de la red de movilizar miembros que representaran diversas especialidades y afiliaciones, la mayoría de ellos eran investigadores de IA de los sectores de investigación y universitarios y de unidades de investigación de hospitales, con experiencia en campos como la informática, el aprendizaje automático y la física médica. A este grupo le siguieron grupos más pequeños de burócratas que trabajaban en áreas de atención médica y tecnología, empleados de hospitales que trabajaban en proyectos relacionados con la tecnología y representantes de la industria del software o la inteligencia artificial. Esta distribución de miembros plantea dudas sobre si los actores movilizados a través de la red son lo suficientemente heterogéneos; ¿Pueden producir el conocimiento híbrido necesario para comprender mejor las numerosas incertidumbres relativas a la introducción de la IA en la atención sanitaria y, posteriormente, contribuir a garantizar implementaciones sostenibles de la IA? También plantea preguntas sobre quién habla en nombre de quién [ 18 , 31 ] y qué podría implicar la selección actual de portavoces para el conocimiento compartido dentro de la red y la contribución de la red a la introducción de la IA en los servicios públicos de salud noruegos.

De la lista actual de miembros, se puede argumentar que la mayoría de los miembros que hablan en nombre de las tecnologías de IA tienen interés en promover dichas tecnologías de ciertas maneras positivas; son entusiastas de la IA. Por lo tanto, también se puede argumentar que la experiencia de estos actores, basada en sus expectativas de IA y comunicada dentro de la red, establece la agenda a seguir por otros miembros y partes interesadas asociadas [ 32 ]; pag. 139). A partir de ahora, lo que parece faltar en la red, y por lo tanto no influye en la agenda ni en la producción de conocimiento, son miembros representativos de actores como los usuarios de IA y tecnologías específicas de IA en uso en entornos clínicos del mundo real (por ejemplo, usuarios reales). o investigadores que estudian la IA en uso). Estos portavoces podrían proporcionar más conocimientos sobre las incertidumbres identificadas por los miembros de la red como cruciales para discutir con el fin de proceder con la introducción de la IA en la atención sanitaria.

Sin embargo, a medida que surjan nuevos y más actores, también surgirán nuevas incertidumbres [ 21 ]. En consecuencia, a medida que los actores faltantes se vuelven móviles y pasan a formar parte de las constelaciones de actores existentes, se pueden identificar y explorar cuestiones que antes se pasaban por alto, se consideraban poco importantes o desconocidas. El hecho de que la falta de portavoces representativos pueda dar lugar a que se pasen por alto cuestiones cruciales subraya la importancia del trabajo continuo para movilizar a nuevos actores que parecen permitir una producción de conocimiento más híbrida.

La cuestión de los actores cruciales que aún no se han movilizado adecuadamente dentro de la red KIN cuestiona aún más el enfoque autoproclamado «de abajo hacia arriba» de la red. En lugar de representar el «fondo», se puede argumentar que la mayoría de los miembros actuales están ubicados en el medio, entre el sistema (el gobierno y las autoridades sanitarias) y los subsistemas o el «fondo» real (incluidos actores como AI). usuarios, pacientes y tecnologías de IA específicas en uso). También se puede considerar que la red adopta una posición intermedia en la tensión entre los defensores de la industria que presionan por un enfoque de mercado y procesos gubernamentales más verticales centrados en el desarrollo de marcos y regulaciones nacionales para evitar o mitigar daños potenciales (cf., [ 36 ]) . Esta posición se ve subrayada por la variación en los miembros que representan ambos polos que colectivamente, a través de la red, buscan contribuir a permitir la IA en la atención médica. Esta perspectiva, que sitúa a la red en el medio, sugiere que el papel de la red KIN se parece más al papel intermediario de los grupos de interés que al papel híbrido de producción de conocimientos de los foros híbridos.

Por el contrario, se puede argumentar que mientras el debate sobre la IA se mantenga en un nivel general, mayoritariamente teórico, donde la IA se trate en términos generales y no como tecnologías específicas con evidencia de desempeño en el mundo real, los miembros actuales de la red son los últimos. ‘. Por lo tanto, paradójicamente, aquí es también donde la red se diferencia de los grupos de interés. Los miembros actuales de la red se representan principalmente a sí mismos y a sus intereses; son las «bases» desde las cuales el conocimiento crece y «gotea hacia arriba» en el sistema. Además, como no tienen presupuesto ni mandato formal, el término «red informal de base» puede no ser tan descabellado después de todo, posicionándolos como una contraparte de las iniciativas más «de arriba hacia abajo».

Mientras el número de implementaciones de IA en el sector sanitario siga siendo limitado, el número de usuarios y de tecnologías de IA en uso también lo serán. Sin embargo, tan pronto como aumente el número de implementaciones, el nuevo «fondo», incluidos los portavoces representativos de actores como los usuarios de IA y las tecnologías específicas de IA en uso, podrán movilizarse a la red. Con el tiempo, con un mayor conocimiento del desempeño real de las tecnologías de IA y evidencia de su impacto inmediato, se podrán identificar y explorar nuevas incertidumbres, y se podrán compartir nuevos conocimientos dentro y fuera de la red. Además, a medida que se movilice el nuevo «fondo», se puede argumentar que se puede construir un consenso más amplio dentro de la red. Sin embargo, lograr ese consenso llevará tiempo, ya que el número de miembros de la red ha aumentado y se ha vuelto más heterogéneo. Esta participación y heterogeneidad más amplias también pueden requerir que la secretaría trabaje activamente para evitar el establecimiento de fracciones dentro de la red como resultado de que la red adquiera un carácter más distribuido. Sin embargo, si se logra un consenso más amplio y el conocimiento híbrido producido como resultado se comparte con los tomadores de decisiones y otras partes interesadas, las posibilidades de lograr un resultado más sostenible podrían aumentar. Por otro lado, no lograr movilizar al nuevo conjunto de actores emergentes podría significar que la red eventualmente se disuelva; Si el conocimiento producido no tiene relevancia para la nueva situación de la IA en la atención sanitaria, el interés de los miembros y otras partes interesadas en la red probablemente disminuirá.

5.2 La red KIN como foro híbrido

La introducción de la IA implica múltiples incertidumbres, muchas de las cuales parecen ser constitutivas de la red KIN y sus agendas de reuniones, similares a los foros híbridos de [ 21 ]; pag. 18). Las incertidumbres relacionadas con el despliegue de la IA identificadas y priorizadas por los miembros de la red como esenciales para lograr un mayor conocimiento pueden verse además como incentivos para continuar las reuniones [ 24 ]; pag. vi). Los elementos de las respuestas a las incertidumbres actuales se harán visibles a medida que se implementen y utilicen cada vez más tecnologías de IA. Sin embargo, no será posible predecir ni obtener una descripción completa de los resultados a corto o largo plazo de las diversas y generalizadas implementaciones de IA que tendrán lugar en diferentes prácticas clínicas locales, sus flujos de trabajo, procedimientos y datos de pacientes particulares. Por lo tanto, a medida que la introducción de la IA entre en nuevas fases, aparecerán una miríada de nuevas incertidumbres relacionadas con las muchas variaciones de las tecnologías de IA y los contextos de uso.

Las perspectivas de un panorama continuo de incertidumbres conocidas y desconocidas exigen de manera similar seguir explorando y abordando las incertidumbres emergentes. Aunque tales exploraciones nunca conducirán a inventarios exhaustivos de todas las posibles incertidumbres, harán visibles algunos «medios para tomar medidas» a medida que las tecnologías de IA se introduzcan, se pongan en uso y se utilicen a lo largo del tiempo. Posteriormente, los inventarios permitirán a los actores involucrados anticipar y monitorear cuestiones e incertidumbres críticas y descubrir otras nuevas a medida que otras se reducen ([ 21 ]; p. 22). Podría decirse que en los casos relacionados con la introducción y el uso de tecnologías ambiguas e impredecibles como las basadas en la IA, ese trabajo continuo parece más relevante que nunca.

Como foros híbridos de Callon et al., constelaciones como la red KIN pueden servir como un «aparato de elucidación» ([ 21 ]; p. 35). Hoy en día, esta elucidación del inventario de las incertidumbres actuales puede ejemplificarse en la lista de temas identificados a través de los ‘controles de temperatura’ como importantes para que los miembros de la red los discutan. Otros ejemplos son las reuniones que abordan temas como la validación de la IA y el acceso a datos para su uso. A medida que los miembros comparten sus conocimientos y estos conocimientos «se filtran» hacia los tomadores de decisiones en el sistema, se puede argumentar que, después de todo, afectan el estado actual de la introducción de la IA. Como tales, pueden incluso contribuir a reducir algunas de las incertidumbres actuales y, por tanto, hasta cierto punto, contribuir a habilitar la IA en la atención sanitaria. Esto podría ocurrir, por ejemplo, cuando la red KIN llama la atención de las autoridades sobre la necesidad de los servicios de salud de una «hoja de ruta» nacional o la necesidad de apoyo de los hospitales para comenzar a validar la IA en sus entornos clínicos locales, a pesar de los silos organizativos entre la investigación y la investigación. actividades y atención al paciente.

Como lo indica la discusión anterior, la actual «elucidación» y la contribución a la reducción de las incertidumbres actuales se basan principalmente en el conocimiento producido por una constelación de actores híbridos o heterogéneos «débiles». Actores como los usuarios de IA, los pacientes y las tecnologías de IA en uso no están representados por portavoces que puedan hablar de cómo funcionan realmente las tecnologías de IA en entornos clínicos del mundo real o cómo afectan las vidas de quienes habitan este mundo. Como ya hemos mencionado, la existencia de la red depende de la constelación de portavoces que sea capaz de movilizar ([ 31 ]; p. 218). Si los portavoces representativos de los actores ahora desaparecidos se convierten en parte de la red, la red también puede garantizar mejor que lo que se habla no sea posteriormente refutado por los actores que hablan en nombre de [ 18 , 37 ]. Dicho de otra manera, si una constelación de actores, como la red KIN, quiere seguir aportando conocimientos que contribuyan a una introducción y un futuro sostenibles de la IA en la atención sanitaria, se deben movilizar los nuevos actores «de fondo» que surjan. Si se producen tales movilizaciones, también se puede garantizar dentro de la red una creación de consenso más amplia y una producción de conocimientos híbridos «más fuertes».

Sin embargo, si se logra una mayor participación y heterogeneidad, se introducirá una nueva capa de complejidad en la constelación de redes, lo que al mismo tiempo enfatiza la naturaleza problemática de la IA como término general para diferentes tipos de tecnologías. Con la diversidad de tecnologías de IA y los numerosos usuarios y pacientes afectados por estas tecnologías, todos los cuales pueden estar representados por una variedad de portavoces (ya no sólo los entusiastas de la IA), la complejidad de la red parece ilimitada. En consecuencia, a medida que la red se vuelve cada vez más heterogénea, se vuelve más difícil lograr el consenso entre los miembros e impedir la formación de facciones o «silos» dentro de la red, donde los miembros se reúnen basándose en intereses y experiencia compartidos.

Por lo tanto, a medida que se implementan diversas tecnologías de IA y nuevos conjuntos de actores se vuelven móviles, puede resultar necesario definir algunos límites para la red. Esto puede incluir la toma de decisiones sobre en qué tipo específico de tecnologías de IA o área médica debería centrarse la red, así como qué usuarios y grupos de pacientes deberían estar incluidos y representados por quién. En última instancia, habrá que negociar quién debería formar parte del nuevo «fondo» de la red.

6 . Resumen y comentarios finales

A través de este estudio, se exploraron las características de una red de profesionales que pretenden contribuir a habilitar la IA en los servicios de salud públicos noruegos. También lo ha hecho su capacidad para disminuir los problemas e incertidumbres que actualmente complican y retrasan el despliegue de la IA en la atención sanitaria.

A través de la red KIN se produce y comparte conocimiento entre actores no necesariamente vinculados previamente. Sin embargo, la heterogeneidad de la red puede cuestionarse y problematizarse. Por el momento, algunos actores no pueden movilizarse lo suficiente y, por lo tanto, todavía no se habla de ellos dentro de la red. Estos actores, que carecen de portavoces representativos, incluyen actores humanos, como médicos como usuarios de IA y pacientes como receptores de servicios respaldados por IA, así como actores no humanos, como tecnologías de IA diferentes pero específicas en uso, representadas por, por ejemplo, investigadores que estudian el uso de la IA. En la red actual, los usuarios de IA, los pacientes y las tecnologías de IA son representados principalmente por actores que pueden caracterizarse como entusiastas de la IA. Esta representatividad, o la falta de ella, afecta el conocimiento producido y compartido dentro y fuera de la red. Por lo tanto, basándose en las características de la red, se puede argumentar que su contribución para permitir la IA en la atención sanitaria tiene sus limitaciones naturales. La red no puede producir el conocimiento híbrido necesario para reducir las incertidumbres actualmente conocidas sobre las implementaciones de IA en entornos clínicos del mundo real.

A medida que se produzcan más y más despliegues de IA y los actores que aún no están adecuadamente movilizados comiencen a interactuar, surgirán problemas e incertidumbres más concretos. Por lo tanto, a medida que la introducción de la IA avance hacia un despliegue más generalizado, dichos actores podrán movilizarse mejor. Posteriormente, se podrá producir un conocimiento híbrido más sólido que contribuya a una introducción más sostenible de la IA. Por ahora, en las primeras fases de la introducción de la IA en la atención sanitaria, este estudio muestra que la red KIN es un «aparato de elucidación» que genera incertidumbres que es necesario explorar y abordar para avanzar en el despliegue de la IA. Estas incertidumbres se hacen visibles a través de los votos emitidos por los miembros de la red sobre los temas que consideran más importantes para discutir y las actividades posteriores llevadas a cabo dentro de la red. A medida que los miembros actuales interactúan y comparten sus conocimientos con otras partes interesadas, llaman la atención de los tomadores de decisiones sobre estos elementos de importancia para habilitar la IA en la atención médica. El papel que desempeñarán las redes establecidas informalmente, como la red KIN, a medida que la IA se despliegue más ampliamente dependerá de si los portavoces representativos de los nuevos actores que emergen están movilizados. También depende de si son capaces de permanecer como una constelación unida. Sólo entonces se podrá producir un sólido conocimiento híbrido de las incertidumbres existentes y emergentes.

Finalmente, aunque este estudio se limita a un solo caso dentro del contexto noruego, destaca una tendencia global. Numerosas iniciativas en todo el mundo están trabajando para permitir el despliegue generalizado de la IA en la atención sanitaria, ejemplificadas por la Alianza para la Inteligencia Artificial en la Atención Médica [ 38 ], el Grupo de Trabajo de Inteligencia Artificial de la Asociación Canadiense de Radiólogos [ 39 ] y la Alianza Australiana para la Inteligencia Artificial en la Atención Médica [ 40]. ]. Por lo tanto, para mejorar nuestra comprensión del papel desempeñado por diferentes constelaciones de actores en contextos de tecnologías complejas emergentes, este estudio exige más investigaciones sobre tales movilizaciones. Además, el estudio exige investigaciones sobre lo que ocurre a medida que las tecnologías de IA se implementan cada vez más en la atención sanitaria y aparecen nuevos actores e incertidumbres. Una mayor investigación en estas áreas contribuirá a una comprensión más completa de la introducción y el futuro de la IA en la atención sanitaria.