Inteligencia artificial y biobancos cardiovasculares: promesa tecnológica y responsabilidad ética compartida
##plugins.themes.themeEleven.article.main##
Palabras clave
Inteligencia Artificial, Bancos de Muestras Biológicas, Ética en Investigación
Resumen
La implementación de la inteligencia artificial (IA) en biobancos y bancos de tejidos cardiovasculares constituye una transformación estructural con impacto en la medicina de precisión, la investigación traslacional y la gestión de recursos biomédicos. Estas tecnologías permiten optimizar la clasificación, almacenamiento y asignación de tejidos, mejorar la trazabilidad de las muestras y analizar de forma integrada grandes volúmenes de datos clínicos, histológicos y genómicos. No obstante, su adopción introduce desafíos éticos, técnicos y epistemológicos que superan una visión meramente instrumental. El uso de algoritmos en contextos clínicos plantea riesgos como la automatización excesiva, la opacidad de los modelos predictivos, la reproducción de sesgos, la vulneración de la privacidad de los donantes y el manejo de datos genómicos sensibles. Además, la dependencia de sistemas automatizados puede desplazar el juicio experto y generar una falsa percepción de objetividad. Este artículo analiza estas implicaciones y propone un marco para la implementación responsable de la IA en biobancos cardiovasculares, basado en equidad, transparencia, gobernanza de datos, aplicabilidad clínica y respeto a la autonomía, y destaca que su valor depende de su solidez ética y científica. Todo ello orientado a fortalecer la confianza social, la calidad científica y el beneficio clínico sostenible.
Referencias
1. Wang RS, Maron BA, Loscalzo J. Multiomics network medicine approaches to precision medicine and therapeutics in cardiovascular diseases. Arterioscler Thromb Vasc Biol. 2023;43(4):493-503. doi: 10.1161/ATVBAHA.122.318731
2. Dorantes-Gilardi R, Ivey K, Costa L, et al. Quantifying the impact of biobanks and cohort studies. arXiv. 2024. Disponible en: https://arxiv.org/abs/2407.01248
3. Rivera-Silva G, Martínez-Fernández P, Papacristofilou-Riebeling B. Biobancos cardiovasculares. Rev Med Inst Mex Seguro Soc. 2020;58(4):508-10. doi: 10.24875/RMIMSS.M20000076
4. Singh M, Kumar A, Khanna NN, et al. Artificial intelligence for cardiovascular disease risk assessment in personalised framework: a scoping review. EClinicalMedicine. 2024;73:102660. doi: 10.1016/j.eclinm.2024.102660
5. Goel R. Artificial intelligence in medicine: its working, potentials and challenges. Int J Adv Med. 2022;10(1):108-16. doi: 10.18203/2349-3933.ijam20223412
6. Gupta MD, Kunal S, Girish MP, et al. Artificial intelligence in cardiology: the past, present and future. Indian Heart J. 2022;74(4):265-9. doi: 10.1016/j.ihj.2022.07.004
7. Dara M, Azarpira N. Ethical considerations emerge from artificial intelligence (AI) in biotechnology. Avicenna J Med Biotechnol. 2025;17(1):80-1. doi: 10.18502/ajmb.v17i1.17680
8. Caleyachetty R, Littlejohns T, Lacey B, et al. United Kingdom Biobank (UK Biobank): JACC Focus Seminar 6/8. J Am Coll Cardiol. 2021;78(1):56-65. doi: 10.1016/j.jacc.2021.03.342
9. Sriharan A, Kuhlmann E, Correia T, et al. Artificial intelligence in healthcare: balancing technological innovation with health and care workforce priorities. Int J Health Plann Manage. 2025;40(4):987-92. doi: 10.1002/hpm.3927
10. Meder B, Asselbergs FW, Ashley E. Artificial intelligence to improve cardiovascular population health. Eur Heart J. 2025;46(20):1907-16. doi: 10.1093/eurheartj/ehaf125
11. De Cremer D, Narayanan D. How AI tools can—and cannot—help organizations become more ethical. Front Artif Intell. 2023;6:1093712. doi: 10.3389/frai.2023.1093712
12. Komura D, Ochi M, Ishikawa S. Machine learning methods for histopathological image analysis: updates in 2024. Comput Struct Biotechnol J. 2024;27:383-400. doi: 10.1016/j.csbj.2024.01.021
13. Pesecan CM, Stoicu-Tivadar L. Explaining deep learning models applied in histopathology: current developments and the path to sustainability. Stud Health Technol Inform. 2024;316:1003-7. doi: 10.3233/SHTI240579
14. Birhane A. Algorithmic injustice: a relational ethics approach. Patterns (N Y). 2021;2(2):100205. doi: 10.1016/j.patter.2021.100205
15. Cadigan RJ, Ponsaran R, Rich C, et al. Supporting stewardship: funding, utilization, and sustainability as ethical concerns in networked biobanking. AJOB Empir Bioeth. 2025;16(1):42-51. doi: 10.1080/23294515.2024.2399533
16. Teare HJA, Prictor M, Kaye J. Reflections on dynamic consent in biomedical research: the story so far. Eur J Hum Genet. 2021;29:649-56. doi: 10.1038/s41431-020-00771-z
17. Rahimzadeh V, Knoppers BM, Bartlett G. Ethical, legal, and social issues of responsible data sharing involving children in genomics: a systematic review. AJOB Empir Bioeth. 2020;11(4):233-45. doi: 10.1080/23294515.2020.1818875
18. VandeVusse A, Mueller J, Karcher S. Qualitative data sharing: participant understanding, motivation, and consent. Qual Health Res. 2022;32(1):182-91. doi: 10.1177/10497323211054058
19. European Union. EU Artificial Intelligence Act [Internet]. Brussels: European Union. Disponible en: https://artificialintelligenceact.eu/
20. Bengio Y, LeCun Y, Hinton GE. Deep learning for AI. Commun ACM. 2021;64(7):58-65. doi: 10.1145/3448250
21. Acosta JN, Falcone GJ, Rajpurkar P, et al. Multimodal biomedical AI. Nat Med. 2022;28(9):1773-84. doi: 10.1038/s41591-022-01981-2
22. Domaradzki J, Czekajewska J, Walkowiak D. To donate or not to donate? Future healthcare professionals’ opinions on biobanking of human biological material for research purposes. BMC Med Ethics. 2023;24(1):53. doi: 10.1186/s12910-023-00930-z
23. Clayton EW, Rose S, Nebecker C, et al. Biomedical data repositories require governance for artificial intelligence/machine learning applications at every step. JAMIA Open. 2025;8(6):ooaf134. doi: 10.1093/jamiaopen/ooaf134
24. Karako K, Tang W. Applications of and issues with machine learning in medicine: bridging the gap with explainable AI. Biosci Trends. 2025;18(6):497-504. doi: 10.5582/bst.2024.01342
25. Vandemeulebroucke T. The ethics of artificial intelligence systems in healthcare and medicine: from a local to a global perspective, and back. Pflugers Arch. 2025;477(4):591-601. doi: 10.1007/s00424-024-02984-3
26. Bagherpour R, Bagherpour G, Mohammadi P. Application of artificial intelligence in tissue engineering. Tissue Eng Part B Rev. 2025;31(1):31-43. doi: 10.1089/ten.TEB.2024.0022
27. Aouedi O, Sacco A, Piamrat K, et al. Handling privacy-sensitive medical data with federated learning: challenges and future directions. IEEE J Biomed Health Inform. 2023;27(2):790-803. doi: 10.1109/JBHI.2022.3185673
28. Ubong D, Stewart L, Sepai O, et al. Application of human biomonitoring data to support policy development and environmental public health protection within the HBM4EU project. Int J Hyg Environ Health. 2023;251:114170. doi: 10.1016/j.ijheh.2023.114170
29. Khomtchouk BB. Cardioinformatics advancements in healthcare and biotechnology. Circ Genom Precis Med. 2023;16(3):283-5. doi: 10.1161/CIRCGEN.123.004119
30. Dhade P, Shirke P. Federated learning for healthcare: a comprehensive review. Eng Proc. 2023;59(1):230. doi: 10.3390/engproc2023059230
31. Molnár-Gábor F. Schutz der Rechte und Freiheiten von Personen bei der Datenverarbeitung im Gesundheitsbereich: der Risikoansatz der EU-Datenschutz-Grundverordnung. Bundesgesundheitsblatt Gesundheitsforschung Gesundheitsschutz. 2023;66(2):143-53. doi: 10.1007/s00103-022-03652-6.
32. Harnett JD. Research Ethics for Clinical Researchers. Methods Mol Biol. 2021;2249:53-64. doi: 10.1007/978-1-0716-1138-8_4
33. Ye J, Woods D, Jordan N, et al. The role of artificial intelligence for the application of integrating electronic health records and patient-generated data in clinical decision support. AMIA Jt Summits Transl Sci Proc. 2024:459-67.
34. Plass M, Wittner R, Holub P, et al. Provenance of specimen and data - A prerequisite for AI development in computational pathology. N Biotechnol. 2023;78:22-28. doi: 10.1016/j.nbt.2023.09.006
##plugins.themes.themeEleven.article.sidebar##
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores conservan sus derechos de autor y otorgan a la Revista Médica del IMSS el derecho de primera publicación. Los artículos se distribuyen bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivar 4.0 Internacional, que permite su difusión siempre que se reconozca al autor y la fuente original.