Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Inteligencia artificial y epistemología en la posturología clínica: desafíos y perspectivas interdisciplinarias
0
Zitationen
4
Autoren
2025
Jahr
Abstract
Introducción: La posturología clínica, disciplina dedicada al estudio del control postural humano, ha evolucionado significativamente mediante la incorporación de enfoques interdisciplinarios que incluyen neurociencia, biomecánica e inteligencia artificial (IA). Esta evolución plantea interrogantes epistemológicos sobre la objetividad, reproducibilidad de las mediciones y la gestión de la variabilidad en los sistemas dinámicos no lineales. Objetivo: Examinar los fundamentos epistemológicos de la posturología clínica, con énfasis en el uso de la IA para mejorar la evaluación y manejo del control postural. Metodología: Se realizó una revisión crítica de la literatura basada en las principales corrientes epistemológicas contemporáneas (Popper, Kuhn, Lakatos, entre otros) y su aplicación en la posturología clínica, complementada con estudios recientes sobre el uso de la IA en la interpretación de registros estabilométricos. Resultados: Se identificó que la objetividad en posturología no reside en eliminar la variabilidad, sino en su gestión crítica y contextual. La IA emerge como una herramienta clave para identificar patrones de oscilación del centro de presión (COP), mejorar la reproducibilidad y personalizar las intervenciones clínicas. Se destacó la necesidad de un enfoque interdisciplinario para abordar la complejidad del control postural. Conclusión: La integración de la IA en la posturología clínica permite abordar desafíos epistemológicos esenciales, como la variabilidad y la falsación de hipótesis. Este enfoque contribuye a consolidar la posturología como disciplina científica autónoma y promueve prácticas clínicas más precisas y adaptativas.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.402 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.270 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.702 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.507 Zit.