Sistema Inteligente de Búsqueda para la Investigación en Enfermedades Infecciosas: Optimizando el Acceso y la Descubierta de la Información: Desarrollo del Sistema y Piloto en MPOX
Barra lateral del artículo
Contenido principal del artículo
Resumen
Introducción: El crecimiento acelerado de la literatura científica complica la gestión de brotes infecciosos, donde el acceso rápido y confiable a evidencia es clave para una respuesta oportuna. Los métodos tradicionales de búsqueda presentan limitaciones para procesar fuentes heterogéneas y dinámicas, lo que genera sobrecarga informativa y demora la integración del conocimiento emergente en la práctica clínica y las políticas sanitarias. Objetivo: Describir el desarrollo y la evaluación preliminar de un sistema de inteligencia artificial basado en Retrieval-Augmented Generation (RAG) para optimizar la recuperación, síntesis y difusión de información, utilizando MPOX como piloto. Métodos: Se aplicó un enfoque técnico y descriptivo para diseñar un prototipo que combina recuperación semántica con modelado generativo. El sistema emplea procesamiento avanzado del lenguaje natural y aprendizaje automático para generar respuestas precisas y en tiempo real. La evaluación incluyó métricas cuantitativas y revisión cualitativa por expertos. Resultados: La plataforma se implementó mediante una arquitectura modular basada en microservicios y un pipeline que integra datos de PubMed, medRxiv, bioRxiv, OMS, CDC y redes sociales curadas. El marco RAG posibilita una recuperación escalable y basada en evidencia. Conclusión: El sistema demuestra potencial para fortalecer la preparación y respuesta ante brotes, al ofrecer acceso ágil, transparente y confiable.
Detalles del artículo
Número
Sección
La Revista de Ciencia y Tecnología sostiene su compromiso con las políticas de Acceso Abierto a la información científica, al considerar que tanto las publicaciones científicas como las investigaciones financiadas con fondos públicos deben circular en Internet en forma libre y gratuita. Los trabajos publicados en la Revista de Ciencia y Tecnología están bajo la licencia Creative Commons Atribución-NoComercial 2.5 Argentina.
Cómo citar
Referencias
Abràmoff MD, Tarver ME, Loyo-Berrios N, Trujillo S, Char D, Obermeyer Z, Eydelman MB, Maisel WH. Considerations for addressing bias in artificial intelligence for health equity. NPJ Digit Med. 2023;6(1):87. doi:10.1038/s41746-023-00913-9
Bornmann L, Mutz R. Growth rates of modern science: a bibliometric analysis based on the number of publications and cited references. J Assoc Inf Sci Technol. 2015;66(11):2215-22. doi:10.1002/asi.23329
Bullock J, Luccioni A, Hoffman Pham K, Sin Nga Lam C, Luengo-Oroz M. Mapping the landscape of artificial intelligence applications against COVID-19. J Artif Intell Res. 2020;69:807-45. doi:10.1613/jair.1.12162
Cordero DA Jr, Pacia HR, Gaspar RS, Villanueva EQ. Big data and artificial intelligence in global health: a perspective from low- and middle-income countries. Lancet Glob Health. 2022;10(11):e1585-6. doi:10.1016/S2214-109X(22)00316-4
Gao Y, Xiong Y, Gao X, Jia K, Pan J, Bi Y, Dai Y, Sun J, Wang M, Wang H. Retrieval-augmented generation for large language models: a survey. [Preprint]. arXiv. 2023. arXiv:2312.10997. Available from: http://arxiv.org/abs/2312.10997
Gulia A, Arora RS, Panda PK, Raja A, Tiwari A, Bakhshi S, Salins N, Goel V, Janu A. Adapting management of sarcomas in COVID-19: an evidence-based review. Indian J Orthop. 2021;55:1-7. doi:10.1007/s43465-020-00143-1
Lewis P, Perez E, Piktus A, Petroni F, Karpukhin V, Goyal N, Küttler H, Lewis M, Yih WT, Rocktäschel T, Riedel S, Kiela D. Retrieval-augmented generation for knowledge-intensive NLP tasks. [Preprint] arXiv. 2020. arXiv:2005.11401. Available from: http://arxiv.org/abs/2005.11401
Mullankandy S, Kazmi I, Islam T, Phia WJ. Emerging trends in AI-driven health tech: a comprehensive review and future prospects. Eur J Technol [Internet]. 2024;8(2):25–40. doi:10.47672/ejt.1888
Pan American Health Organization (PAHO). Making public health decisions [Internet]. Washington (DC): PAHO; 2020 [cited 2025 Sep 18]. Available from: https://iris.paho.org/bitstream/handle/10665.2/52952/Decisionespublicas_spa.pdf?sequence=1
Radaelli D, Di Maria S, Jakovski Z, Alempijevic D, Al-Habash I, Concato M, Bolcato M, D’Errico S. Advancing patient safety: the future of artificial intelligence in mitigating healthcare-associated infections: a systematic review. Healthcare (Basel). 2024;12(19):1996. doi:10.3390/healthcare12191996
Tangcharoensathien V, Calleja N, Nguyen T, Purnat T, D’Agostino M, Garcia-Saiso S, Landry M, Rashidian A, Hamilton C, AbdAllah A, Ghiga I, Hill A, Hougendobler D, van Andel J, Nunn M, Brooks I, Sacco PL, De Domenico M, Mai P, Gruzd A, Alaphilippe A, Briand S. Framework for managing the COVID-19 infodemic: methods and results of an online, crowdsourced WHO technical consultation. J Med Internet Res. 2020;22(6):e19659. doi:10.2196/19659
Tarango J, González-Quiñones F, Machin-Mastromatteo JD. Generación y uso inadecuado de información en ámbitos académicos y su influencia en entornos sociales: desinformación, sobreinformación y misinformación [Internet]. Chihuahua: Universidad Autónoma de Chihuahua; 2021 [cited 2025 Sep 18]. Available from: https://ru.iibi.unam.mx/jspui/bitstream/IIBI_UNAM/138/1/13_informacion_desinformacion_javier_tarango_fidel_gonz%C3%A1lez_qui%C3%B1ones_juan_machin_mastromatteo.pdf
World Health Organization (WHO). Mpox [Internet]. Geneva: WHO; 2024 [cited 2024 Feb 19]. Available from: https://www.who.int/es/news-room/fact-sheets/detail/mpox
Yousif MM, Mohammed RO, Habibullah IJ, Rahim HM, Salih AM. Comparing ChatGPT and Google Bard: assessing AI-powered information retrieval in nursing. Barw Medical Journal. 2024. doi:10.58742/hsn32c73
Zarocostas J. How to fight an infodemic. Lancet. 2020;395(10225):676. doi:10.1016/S0140-6736(20)30461-X