INTRODUCCIÓN
La inteligencia artificial (IA) ha emergido como un eje transformador en el ámbito sanitario, ofreciendo herramientas innovadoras para optimizar la calidad clínica y el desempeño hospitalario (Duque, Piña & Isea, 2025). Su aplicación abarca desde el diagnóstico asistido hasta la monitorización en tiempo real de pacientes, reduciendo errores médicos y mejorando la eficiencia de los procesos clínicos (Tsvetanov, 2024). Sin embargo, su implementación no está exenta de desafíos, como la necesidad de validación rigurosa, la interpretabilidad de los algoritmos y la integración efectiva en los flujos de trabajo hospitalarios (Rodríguez, 2023; Andrade, Bustamante, Viris & Noboa, 2023). Al examinar críticamente estas dimensiones, este artículo busca contribuir al debate sobre cómo la IA puede ser una aliada estratégica para la excelencia clínica, sin perder de vista los riesgos y consideraciones éticas que acompañan su uso (Singh et al., 2024).
El vertiginoso avance de las tecnologías digitales ha transformado de manera radical múltiples sectores, y el ámbito de la salud no ha sido la excepción (Vizcay, Morell & Armas, 2025). Dentro de este proceso de transformación, la inteligencia artificial (IA) se ha posicionado como una de las herramientas más prometedoras para fortalecer la calidad clínica, optimizar los procesos asistenciales y elevar el desempeño hospitalario en términos de eficiencia, seguridad y personalización de la atención (Duque et al., 2025). La IA ha comenzado a desempeñar un papel clave en la detección temprana de enfermedades (diabetes, cáncer, cardiopatías, entre otras), el apoyo al diagnóstico médico, la administración de recursos hospitalarios y la toma de decisiones clínicas basadas en grandes volúmenes de datos (big data) (Tsvetanov, 2024; Falconi et al., 2024; Hoyos, Hoyos & Ruiz, 2023).
En este contexto, las instituciones hospitalarias enfrentan el reto de integrar sistemas inteligentes de manera efectiva, ética y estratégica (Duque, Piña & Isea, 2025; Andrade, Bustamante, Viris & Noboa, 2023). Esto requiere comprender no solo las capacidades técnicas de la IA, sino también su impacto real en la calidad de los servicios clínicos (Medinaceli & Díaz, 2021). La calidad clínica se entiende como el conjunto de prácticas que aseguran la atención adecuada, segura y centrada en el paciente, lo que implica estándares de diagnóstico, intervención, seguimiento y evaluación continua.
A pesar de los avances y beneficios reportados, persisten interrogantes sobre los alcances reales de la IA en el entorno clínico, su aplicabilidad en contextos diversos, los desafíos técnicos y humanos que conlleva su implementación, y el modo en el cual se vincula con el desempeño organizacional hospitalario (Rodríguez, 2023; Vizcay et al., 2025; Andrade, Bustamante, Viris & Noboa, 2023).
Dentro de este marco, en los sistemas de salud contemporáneos, la presión por ofrecer servicios clínicos de alta calidad con recursos limitados ha intensificado la búsqueda de soluciones innovadoras que garanticen eficiencia sin comprometer la seguridad ni la atención centrada en el paciente. En este escenario, la inteligencia artificial no solo se percibe como una herramienta de automatización, sino como una aliada estratégica para transformar modelos tradicionales de gestión clínica y optimización operativa (Duque et al., 2025).
La aplicación de IA en salud no se limita a aspectos diagnósticos o administrativos, sino que se extiende hacia la capacidad de predecir desenlaces clínicos, reducir errores médicos y facilitar decisiones terapéuticas complejas (Tsvetanov, 2024). Estos aportes, cuando se implementan de manera planificada, tienen el potencial de redefinir los parámetros de desempeño hospitalario, permitiendo una gestión basada en datos, evidencia y análisis en tiempo real.
Además, la IA impulsa la integración de plataformas interoperables que favorecen el trabajo colaborativo entre equipos clínicos, mejoran el flujo de información y fortalecen los sistemas de monitoreo de calidad asistencial. Esta transformación digital no solo se traduce en indicadores cuantificables de rendimiento institucional, sino también en mejoras tangibles en la experiencia del paciente y del personal de salud.
Por otra parte, la implementación de herramientas inteligentes plantea nuevos escenarios para la evaluación continua de procesos clínicos y la adaptación dinámica de protocolos, lo cual fortalece la capacidad de respuesta de los hospitales ante desafíos sanitarios cambiantes, como pandemias o emergencias complejas (Rodríguez, 2023; Andrade, Bustamante, Viris & Noboa, 2023). No obstante, estos avances requieren una base organizacional sólida, con talento humano capacitado para interpretar, supervisar y aprovechar el potencial de la inteligencia artificial sin depender ciegamente de sus recomendaciones (Vizcay et al., 2025; Duque et al., 2025).
Finalmente, cabe señalar que la incorporación efectiva de la IA en entornos clínicos exige una comprensión crítica de sus oportunidades y límites, lo cual justifica la necesidad de estudios sistemáticos que analicen la literatura disponible y ofrezcan fundamentos científicos para orientar decisiones institucionales. Este artículo responde a esa necesidad desde un enfoque documental cualitativo, a fin de identificar las evidencias más representativas del vínculo entre inteligencia artificial, calidad clínica y desempeño hospitalario.
Este panorama plantea un problema central: ¿cómo pueden las herramientas de la IA optimizar la calidad clínica y el desempeño hospitalario, garantizando al mismo tiempo seguridad, eficacia y adaptabilidad a entornos sanitarios dinámicos? Por consiguiente, se deriva como objetivo general: analizar, desde una perspectiva integral, el impacto de la IA en la calidad clínica y su rol en la mejora del rendimiento hospitalario, mediante una revisión bibliográfica y sistemática de estudios recientes.
La justificación de este trabajo se sustenta en cuatro pilares, considerando su relevancia social, siendo la IA un potencial para reducir inequidades en el acceso a la atención médica de calidad, especialmente en contextos con recursos limitados. Asimismo, se precisa su importancia teórica, la cual conduce a analizar la brecha en la síntesis de evidencia sobre métricas de evaluación y marcos éticos para IA clínica. Adicional a lo anterior, cabe mencionar el rigor metodológico, el cual permite llevar a cabo una revisión integral sobre los hallazgos de las revisiones sistemáticas, el metaanálisis y los estudios empíricos para ofrecer una visión equilibrada de beneficios y limitaciones. Por último, la aplicación práctica permite identificar mejores prácticas que faciliten la adopción segura de IA en hospitales, alineándose con estándares como los sistemas de monitoreo autónomo en radiología o la predicción de reacciones adversas a medicamentos.
En este marco, el presente estudio busca indagar la evidencia documental existente sobre el uso de la inteligencia artificial en la mejora de la calidad clínica y su repercusión en el desempeño hospitalario, a través de una revisión crítica de doce estudios científicos recientes. La sistematización se realiza bajo una metodología de análisis documental con enfoque cuantitativo, lo cual permite ofrecer una visión estructurada de los avances, desafíos y proyecciones que caracterizan esta interacción entre tecnología y salud (Rodríguez, 2023; Vizcay et al., 2025; Andrade, Bustamante, Viris & Noboa, 2023). Por ello, resulta necesario un análisis riguroso de la literatura científica, al objeto de identificar las evidencias más relevantes sobre esta relación emergente.
MÉTODO
El estudio se desarrolló bajo un enfoque cualitativo, orientado a la descripción, sistematización y análisis de datos obtenidos de diversas fuentes documentales. Por lo tanto, se basó en una investigación documental, centrada en la revisión, análisis y organización crítica de información obtenida.
Para tal fin, se llevó a cabo una revisión bibliográfica de la literatura científica reciente (2021-2025) sobre inteligencia artificial (IA) aplicada a la calidad clínica y el desempeño hospitalario. El enfoque metodológico siguió un proceso estructurado para garantizar la exhaustividad, reproducibilidad y rigor en la selección y análisis de las fuentes.
Se realizó una búsqueda en bases de datos académicas y repositorios multidisciplinarios, incluyendo: Scopus, Scielo y Redalyc. Los términos de búsqueda combinaron palabras clave en inglés y español, utilizando operadores booleanos: ("artificial intelligence" OR "AI" OR "machine learning") AND ("clinicalquality" OR "healthcare performance" OR "hospital efficiency"), ("inteligencia artificial" OR "IA") AND ("calidad clínica" OR "rendimiento hospitalario"). Dentro de esta indagación, se aplicaron los siguientes filtros para la inclusión de estudios:
-Artículos publicados entre 2021 y 2025.
-Estudios originales, revisiones sistemáticas, metaanálisis y artículos de alto impacto (Medinaceli & Díaz, 2021).
-Enfoque en aplicaciones de IA, su rol como herramienta efectiva y su rol en entornos clínicos u hospitalarios, calidad asistencial o desempeño organizacional.
-Disponibilidad de texto completo y revisión por pares (excepto preprints en arXiv con contribuciones relevantes).
Criterios de exclusión:
-Estudios sin evidencia empírica o sin aplicación clínica directa.
-Publicaciones duplicadas o sin metodología clara.
-Artículos de opinión sin soporte bibliográfico robusto.
Los artículos seleccionados se analizaron, tomando en cuenta los principales hallazgos y su relevancia para la calidad clínica y optimización hospitalaria. Posteriormente, se realizó un análisis temático para identificar concordancias y controversias en la literatura. Para ello, se empleó la técnica del análisis de contenido documental y, como instrumento, se utilizaron fichas de contenido, las cuales facilitaron el registro de las principales categorías vinculadas a la IA y al desempeño hospitalario (Duque et al., 2025).
RESULTADOS
A partir de la revisión y análisis de diez estudios científicos seleccionados, se identificaron 10 categorías emergentes que reflejan los principales aportes y tendencias en la relación entre inteligencia artificial (IA), calidad clínica y desempeño hospitalario. A continuación, se precisan tales categorías en la figura 1.
Figura 1. Categorías emergentes a partir del análisis de contenido.
Elaboración: El autor.
Por ende, una vez hecha la síntesis expuesta en la figura 1 sobre las categorías emergentes a partir del análisis de contenido, se procede a detallar cada una según los aspectos descriptivos que surgieron.
Diagnóstico asistido por IA
Los estudios revisados destacan que la IA ha mejorado significativamente la precisión y velocidad en diagnósticos clínicos mediante técnicas como aprendizaje automático y procesamiento de imágenes médicas. Ello significa que las herramientas basadas en la IA permiten detectar realidades complejas y sutiles que pueden pasar desapercibidas para el ojo humano, lo que contribuye a reducir errores y acelerar la toma de decisiones (Tsvetanov, 2024; Duque et al., 2025).
Por lo tanto, se puede afirmar que esta categoría resalta la capacidad de la IA para potenciar la calidad clínica, al aumentar la fiabilidad diagnóstica y la rapidez de atención, lo que se traduce en mejores resultados clínicos y mayor satisfacción del paciente.
Gestión y predicción de riesgos clínicos
Otra línea de aporte importante es el uso de IA para la predicción de eventos adversos, como infecciones nosocomiales o complicaciones postoperatorias. Algunos modelos predictivos permiten a los hospitales anticiparse a riesgos, planificar intervenciones preventivas y optimizar recursos (Singh et al., 2024). Esto implica que el empleo de la IA en gestión de riesgos fortalece la seguridad del paciente y reduce costos asociados a complicaciones, mejorando la eficiencia operativa y el desempeño hospitalario (Singh et al., 2024).
Personalización de tratamientos
La IA facilita el diseño de planes de tratamiento individualizados mediante el análisis de grandes volúmenes de datos clínicos, genéticos y de estilo de vida. Esto impulsa la medicina de precisión y contribuye a resultados terapéuticos más efectivos (Faiyazuddin et al., 2025; Álvarez, Jaramillo, & López, 2024).
Cabe señalar que esta categoría refleja un avance hacia una atención más centrada en el paciente, lo que impacta positivamente en la calidad clínica y en el cumplimiento de estándares asistenciales (Vizcay et al., 2025; Medinaceli & Díaz, 2021).
Optimización de procesos hospitalarios
Los sistemas inteligentes se aplican para automatizar y mejorar la gestión de flujos hospitalarios, desde la asignación de camas hasta la programación de cirugías, mejorando tiempos de espera, actuando como un catalizador para la eficiencia institucional y elevando el desempeño hospitalario mediante la racionalización de procesos administrativos y clínicos.
Capacitación y soporte al personal sanitario
Algunos estudios evidencian que la IA también se utiliza como herramienta de apoyo en la formación continua y en la toma de decisiones clínicas, mediante sistemas de recomendación y simulaciones virtuales (Duque et al., 2025). En este sentido, esta categoría destaca la importancia de complementar la tecnología o diversas herramientas como las redes sociales con el desarrollo del capital humano, asegurando que el talento profesional pueda maximizar los beneficios de la IA para la calidad clínica sin abandonar el sentido humanista de la medicina (Silva & Cedeño, 2025; Duque, 2024; Duque et al., 2025; Álvarez, Jaramillo, & López, 2024).
Interoperabilidad y gestión de datos clínicos
La integración de sistemas de IA con diferentes plataformas hospitalarias facilita la interoperabilidad, permitiendo un flujo eficiente de información clínica entre departamentos y profesionales. Esto contribuye a una gestión más coordinada y actualizada de los historiales médicos y los resultados de laboratorio. Por ende, la capacidad de la IA para armonizar datos de diversas fuentes es fundamental para mejorar la continuidad del cuidado, reducir duplicidades y asegurar decisiones clínicas mejor informadas, elevando la calidad global del servicio.
Monitoreo remoto y telemedicina
La IA potencia las soluciones de monitoreo remoto de pacientes, permitiendo la vigilancia continua de signos vitales y la detección temprana de deterioros mediante dispositivos conectados y análisis predictivos (Hoyos, Hoyos & Ruiz, 2023). Desde esta perspectiva, esta categoría resalta el papel de la IA en extender la calidad clínica fuera del entorno hospitalario tradicional, mejorando la accesibilidad, reduciendo hospitalizaciones innecesarias y favoreciendo un desempeño más eficiente del sistema de salud.
Ética y privacidad en la aplicación de IA
Algunos estudios comienzan a abordar los retos éticos relacionados con la protección de datos sensibles, la transparencia algorítmica y el consentimiento informado en el uso de IA para decisiones clínicas (Andrade, Bustamante, Viris & Noboa, 2023). Según lo indagado, esta categoría evidencia que el despliegue de IA debe acompañarse de políticas claras y marcos regulatorios que garanticen la confidencialidad y el respeto a los derechos de los pacientes, factores cruciales para la aceptación y éxito de estas tecnologías.
Impacto en la satisfacción del paciente
Se identifican evidencias que asocian la implementación de IA con mejoras en la experiencia del paciente, incluyendo tiempos de atención más cortos, comunicación más efectiva y una mayor confianza en el tratamiento recibido (Faiyazuddin et al., 2025). Desde esta visión, el enfoque centrado en la experiencia del usuario es vital para la sostenibilidad de las innovaciones tecnológicas, ya que la satisfacción del paciente influye directamente en la reputación y el desempeño institucional.
Desafíos en la adopción tecnológica
La literatura señala barreras como la resistencia al cambio del personal sanitario e inclusive de los pacientes, limitaciones en infraestructura tecnológica y brechas en la formación, las cuales dificultan la plena integración de IA en los hospitales (Sobaih et al., 2025). Vale destacar que reconocer y abordar estos desafíos es imprescindible para garantizar que las herramientas inteligentes alcancen su máximo potencial en la mejora de la calidad clínica y el desempeño hospitalario (Rodríguez, 2023; Duque et al., 2025; Andrade, Bustamante, Viris & Noboa, 2023).
DISCUSIÓN
La revisión documental sobre la inteligencia artificial (IA) aplicada a la calidad clínica y al desempeño hospitalario revela un panorama multifacético donde convergen avances tecnológicos, transformaciones organizacionales y desafíos éticos y humanos (Rodríguez, 2023; Vizcay et al., 2025; Andrade, Bustamante, Viris & Noboa, 2023). La diversidad de las categorías emergentes refleja la complejidad de esta interacción y la necesidad de abordarla desde múltiples dimensiones.
En primer lugar, la capacidad de la IA para mejorar la interoperabilidad y gestión de datos clínicos se destaca como un factor clave para optimizar la continuidad y coherencia del cuidado. La integración eficiente de información entre sistemas facilita una visión integral del paciente, lo cual es fundamental para decisiones clínicas acertadas y para evitar redundancias que afectan la calidad del servicio. Esta función de la IA va más allá de la simple automatización y apunta a una verdadera transformación digital del hospital.
La expansión de la IA hacia el monitoreo remoto y la telemedicina responde a las demandas actuales de accesibilidad y cuidado continuo, especialmente relevante en contextos donde la atención presencial es limitada. Esta modalidad optimiza recursos hospitalarios y promueve una atención más personalizada y preventiva, aspectos que se traducen en mejor desempeño clínico y satisfacción del paciente.
Sin embargo, el despliegue de estas tecnologías no está exento de complejidades. Los temas relacionados con la ética y la privacidad emergen como preocupaciones centrales (Duque et al., 2025). La protección de datos sensibles y la transparencia en los algoritmos son condiciones esenciales para la confianza tanto de pacientes como de profesionales, y para el cumplimiento de normativas regulatorias. La ausencia de marcos claros puede limitar la adopción o generar resistencia, afectando negativamente la calidad clínica.
En ese sentido, la satisfacción del paciente se posiciona como un indicador crucial y como un punto de convergencia entre innovación tecnológica y experiencia humana. Las mejoras percibidas en tiempos de atención y comunicación, facilitadas por la IA, contribuyen a fortalecer la relación terapéutica y la adherencia a los tratamientos, elementos esenciales para el éxito clínico y la eficiencia institucional (Faiyazuddin et al., 2025).
Finalmente, no menos importante es el reconocimiento de los desafíos en la adopción tecnológica, que incluyen barreras organizativas, culturales y de capacitación (Andrade, Bustamante, Viris & Noboa, 2023; Rodríguez, 2023). La resistencia al cambio (Sobaih et al., 2025), la insuficiente infraestructura y las brechas en habilidades digitales son limitantes que requieren estrategias integrales y liderazgo comprometido para ser superados. Solo así la IA podrá integrarse plenamente y de manera sostenible, garantizando que sus beneficios se traduzcan en mejoras reales en la calidad clínica y el desempeño hospitalario.
En resumen, la IA ofrece un potencial transformador que abarca desde la gestión de datos y la atención remota hasta la experiencia del paciente y la ética médica (Duque et al., 2025). No obstante, su implementación debe estar acompañada de una visión integral que contemple aspectos técnicos, humanos y normativos, para asegurar que esta herramienta sea un verdadero aliado en la mejora continua de los servicios de salud (Duque et al., 2025).
Un aspecto crucial que merece atención es el papel que juega la cultura organizacional hospitalaria en la adopción y eficacia de la inteligencia artificial. La disposición de los equipos médicos y administrativos para adaptarse a tecnologías emergentes influye directamente en la calidad con la cual se integran estas herramientas en la práctica clínica diaria. La falta de una cultura abierta a la innovación puede generar subutilización o implementación fragmentada de la IA, limitando su impacto potencial en el desempeño institucional (Medinaceli & Díaz, 2021).
Asimismo, la IA está impulsando una redefinición de los roles profesionales dentro del hospital. Los especialistas no solo deben dominar habilidades clínicas, sino también comprender y colaborar con sistemas tecnológicos complejos. Esto conduce a la necesidad de diseñar programas educativos interdisciplinarios que preparen al personal para una práctica clínica asistida por IA, fomentando competencias en análisis de datos, ética tecnológica y comunicación digital (Duque et al., 2025).
Por otro lado, la evolución acelerada de la IA implica que los sistemas hospitalarios deben contar con estrategias flexibles y actualizables que permitan incorporar nuevas funcionalidades y corregir posibles fallos o sesgos. La rigidez en la infraestructura tecnológica o en las políticas internas puede obstruir la actualización continua necesaria para mantener altos estándares de calidad clínica (Martínez, & Sanz, 2024).
Adicionalmente, es importante destacar que la implementación de IA puede generar un efecto multiplicador positivo en la investigación clínica dentro de los hospitales. La capacidad de recopilar y analizar grandes cantidades de datos facilita estudios prospectivos y evaluaciones en tiempo real, promoviendo una práctica basada en la evidencia que retroalimenta el proceso de mejora continua.
Finalmente, se observa que la sostenibilidad económica de las soluciones basadas en IA es un factor determinante para su adopción a largo plazo (Quispe & Donoso, 2024). La evaluación de costos-beneficios debe contemplar tanto la inversión tecnológica como el impacto en la productividad, la reducción de errores y la satisfacción de pacientes y profesionales (Medinaceli & Díaz, 2021). Un enfoque integral que incorpore estos elementos garantizará que la IA contribuya eficazmente a la optimización del desempeño hospitalario sin comprometer la viabilidad financiera.
CONCLUSIONES
La revisión bibliográfica realizada evidencia que la inteligencia artificial (IA) está transformando significativamente la calidad clínica y el desempeño hospitalario, ofreciendo herramientas innovadoras para optimizar diagnósticos, tratamientos y gestión sanitaria (Tsvetanov, 2024; Faiyazuddin et al., 2025; Martínez, & Sanz, 2024). Entre los principales hallazgos se destacan: una mejora en la eficiencia y precisión clínica; los sistemas de la IA han demostrado ser altamente efectivos en áreas como diagnóstico por imágenes (Tsvetanov, 2024), predicción de reacciones adversas a medicamentos y monitoreo continuo de pacientes, reduciendo errores y mejorando la velocidad de atención. La IA, además, contribuye a la detección temprana de deterioro clínico y a la prevención de eventos adversos, reforzando protocolos de seguridad hospitalaria (Hoyos, Hoyos & Ruiz, 2023).
Sin embargo, persisten desafíos en la validación de algoritmos y la adaptabilidad a distintos entornos clínicos (Rodríguez, 2023; Andrade, Bustamante, Viris & Noboa, 2023). En otras palabras, tales desafíos incluyen: desafíos éticos y operativos; la falta de transparencia (explicabilidad) en modelos de IA y los riesgos de sesgo algorítmico que exigen marcos regulatorios más robustos (Singh et al., 2024). De igual modo, se precisa la resistencia a su adopción por parte de profesionales de la salud, debido a la desconfianza o la falta de capacitación. Por este motivo, se requiere mayor evidencia en entornos reales (no solo experimental) para evaluar el impacto a largo plazo de la IA en resultados clínicos (Medinaceli & Díaz, 2021). También, es prioritario desarrollar guías estandarizadas para la implementación ética y segura de estas tecnologías, junto con programas de formación para profesionales (Quispe & Donoso, 2024).
En síntesis, la IA representa un aliado estratégico para la mejora de la calidad hospitalaria, pero su éxito depende de una adopción equilibrada, que combine innovación tecnológica con rigor científico, supervisión humana y regulaciones claras (Martínez, & Sanz, 2024). Su integración debe estar centrada en el paciente, asegurando que la tecnología complemente “no reemplace” el juicio clínico, a fin de maximizar beneficios y minimizar riesgos en la práctica médica (Singh et al., 2024).
En atención a lo anterior, la inteligencia artificial se posiciona como una herramienta estratégica que potencia significativamente la calidad clínica y el desempeño hospitalario, al facilitar diagnósticos más precisos, predicción de riesgos, personalización de tratamientos y optimización de procesos administrativos (Tsvetanov, 2024; Faiyazuddin et al., 2025; Singh et al., 2024).
La integración efectiva de la IA en entornos hospitalarios depende no solo de la tecnología misma, sino también de factores organizacionales, culturales y humanos, como la capacitación del personal, la apertura a la innovación y la gobernanza ética (Duque et al., 2025).
La adopción de sistemas inteligentes contribuye a mejorar la experiencia del paciente y la seguridad clínica, ampliando el acceso a cuidados mediante modalidades como el monitoreo remoto y la telemedicina. No obstante, la implementación de IA enfrenta desafíos relacionados con la protección de datos, transparencia algorítmica, resistencia al cambio (Rodríguez, 2023; Sobaih et al., 2025; Andrade, Bustamante, Viris & Noboa, 2023) y limitaciones en infraestructura, que deben ser abordados mediante políticas claras y estrategias integrales.
La sostenibilidad económica y la actualización continua de las soluciones tecnológicas son aspectos esenciales para asegurar un impacto duradero de la IA en la calidad clínica y la eficiencia hospitalaria (Medinaceli & Díaz, 2021; Martínez, & Sanz, 2024).
En términos generales, la inteligencia artificial representa una oportunidad valiosa para transformar la gestión clínica y hospitalaria, siempre que su adopción sea acompañada de un enfoque integral que considere aspectos técnicos, humanos y éticos.
Tomando en cuenta, los planteamientos expuestos, se procede a recomendar lo siguiente:
-Fortalecer la formación y capacitación continua del personal sanitario en competencias digitales y el uso de inteligencia artificial, promoviendo una cultura organizacional abierta a la innovación tecnológica.
-Desarrollar políticas institucionales claras que regulen la implementación de la IA en el ámbito clínico, con énfasis en la protección de datos, transparencia de algoritmos y respeto a la privacidad de los pacientes.
-Invertir en una infraestructura tecnológica adaptable y escalable, que permita la actualización periódica de los sistemas de la IA para mantener su efectividad y responder a las necesidades cambiantes del entorno hospitalario (Quispe & Donoso, 2024).
-Fomentar la colaboración interdisciplinaria entre profesionales de la salud, tecnólogos y gestores, al objeto de garantizar una integración eficiente y ética de las herramientas inteligentes en los procesos clínicos (Duque et al., 2025).
-Por último, se sugiere incorporar mecanismos de evaluación y monitoreo continuo que permitan medir el impacto de la IA en la calidad clínica y el desempeño hospitalario, ajustando estrategias según los resultados y su retroalimentación (Medinaceli & Díaz, 2021; Martínez, & Sanz, 2024).
FINANCIAMIENTO
No monetario.
AGRADECIMIENTOS
Gracias a las significativas contribuciones de quienes cooperaron en el desarrollo del presente estudio documental.
REFERENCIAS CONSULTADAS
Álvarez, J., Jaramillo, D. & López, A. (2024). Aplicaciones, oportunidades y desafíos de implementar la inteligencia artificial en medicina. Revista Médica de Risaralda, vol. 30, num. 2, pp. 89-105. Disponible en: https://n9.cl/qe6mf9
Andrade, L., Bustamante, J., Viris, S. & Noboa, C. (2023). Retos y desafíos de enfermería en la actualidad. Revista Arbitrada Interdisciplinaria de Ciencias de la Salud. Salud y Vida, vol. 7, núm. 14, pp. 41–53. Disponible en: https://n9.cl/bstw7
Duque, J. (2024). Reflexiones sobre el uso de la inteligencia artificial con enfoque humanista en contextos educativos. Revista Arbitrada Interdisciplinaria Koinonía, 9(17), pp. 154-167. Disponible en: https://n9.cl/1jw1r
Duque, J., Piña, L. & Isea, J. (2025). Dimensiones éticas de la inteligencia artificial en educación. Cienciometría. Revista Interdisciplinaria de Humanidades, Educación, Ciencia y Tecnología, 11(20), pp. 27-45. Disponible en: https://n9.cl/wynwm
Duque, J., Piña, L. & Isea, J. (2025). Inteligencia artificial como herramienta para revitalizar los procesos docentes en el sistema educativo venezolano. EPISTEME KOINONIA, 8(15), pp. 101–120. Disponible en: https://n9.cl/zzsge
Faiyazuddin, M., Rahman, S., Anand, G., Siddiqui, R., Mehta, R., Khatib, M., ... & Sah, R. (2025). The impact of artificial intelligence on healthcare: a comprehensive review of advancements in diagnostics, treatment, and operational efficiency. Health Science Reports, 8(1), e70312, pp. 1-18. Disponible en: https://n9.cl/vv8ff
Falconi, M., Aineseder, M., Arenaza, D., Lara, M., Benítez, S. &Masson, W. (2024). Inteligencia artificial. Aplicación en las imágenes cardiovasculares y la prevención cardiovascular. Revista Argentina de Cardiología, vol. 92, núm. 1, pp. 55-63. Disponible en: https://n9.cl/vg22d8
Hoyos, W., Hoyos, K. & Ruiz, R. (2023). Modelo de inteligencia artificial para la detección temprana de diabetes. Biomédica, vol. 43, Suppl 3, pp. 110-125. Disponible en: https://n9.cl/28qad
Martínez, S. & Sanz, J. (2024). La inteligencia artificial y la salud laboral. Medicina y Seguridad del Trabajo, vol. 70, núm. 274, pp. 6-9. Disponible en:https://n9.cl/xelbl
Medinaceli, K. & Díaz, M. (2021). Impacto y regulación de la Inteligencia Artificial en el ámbito sanitario. IUS. Revista del Instituto de Ciencias Jurídicas de Puebla A.C., vol. 15, núm. 48, pp. 77-113. Disponible en:https://n9.cl/0eq312
Quispe, N. & Donoso, R. (2024). Inteligencia artificial en el campo de la enfermería. Revista Arbitrada Interdisciplinaria de Ciencias de la Salud. Salud y Vida, vol. 8, núm. 1, pp. 317–323. Disponible en: https://n9.cl/v7h6k
Rodríguez, Y. (2023). Desafíos en el uso de la Inteligencia Artificial para el sector salud. Revista Información Científica, vol. 102, 2023, pp. 1-4. Disponible en: https://n9.cl/1ju6m
Silva, W. & Cedeño, M. (2025). Influencia del uso de redes sociales en la procrastinación académica en bachillerato. Mikarimin. Revista Científica Multidisciplinaria, vol. XI, No. 2 (mayo-agosto), pp. 136-152. Disponible en: https://n9.cl/n1017z
Singh, A., Bhardwaj, P., Laux, P., Pradeep, P., Busse, M., Luch, A., ... & Stacey, M. (2024). AI and ML-based risk assessment of chemicals: predicting carcinogenic risk from chemical-induced genomic instability. Frontiers in toxicology, 6, 1461587, pp. 1-21. Disponible en: https://n9.cl/b3fe3u
Sobaih, A., Chaibi, A., Brini, R. & Abdelghani, T. (2025). Unlocking patient resistance to AI in healthcare: a psychological exploration. European Journal of Investigation in Health, Psychology and Education, 15(1), 6, pp. 1-27. Disponible en: https://n9.cl/wonc1
Tsvetanov, F. (2024). Integrating AI technologies into remote monitoring patient systems. Engineering Proceedings, 70(1), 54, pp. 1-13. Disponible en: https://n9.cl/p7i8u
Vizcay, M., Morell, D. & Armas, M. (2025). Los avances tecnocientíficos en la Medicina. Consideraciones bioéticas. Revista UNIANDES de Ciencias de la Salud, 8(1), pp. 1–4. Disponible en: https://n9.cl/wx10o
©2025 por el autor. Este artículo es de acceso abierto y distribuido según los términos y condiciones de la licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) (https://creativecommons.org/licenses/by-nc-sa/4.0/)