Inteligencia artificial en la práctica médica:aplicaciones y consideracionesArtificial intelligence in medical practice: applicationsand considerationsRevista Ecuatoriana de PediatríaEditorial:Sociedad Ecuatoriana de Pediatría (Núcleo de Quito, Ecuador)Tipo de estudio:Artículo de RevisiónÁrea de estudio:Ciencias MédicasPáginas:34-39Codígo DOI:https://doi.org/10.52011/RevSepEc/e346URL:https://rev-sep.ec/index.php/johs/article/view/346RESUMENLa inteligencia artificial (IA) está revolucionando la práctica médica en múltiples niveles, desde el diagnósticohasta la optimización en la gestión de medicamentos en atención primaria y especializada. Este trabajo ana-liza el funcionamiento de la IA, su implementación en la toma de decisiones clínicas y su impacto en diversasespecialidades médicas, como imagenología, oftalmología, oncología y cardiología. Además, se abordan susbeneficios, limitaciones y el papel de la convergencia entre la inteligencia humana y artificial en la medicinamoderna. También se discuten los desafíos relacionados con la aceptación de esta tecnología por parte delpersonal de salud y la necesidad de regulación para garantizar su uso seguro y efectivo en la práctica clínica.Palabras clave:IA; práctica médica; especialidades médicas.ABSTRACTArtificial intelligence (AI) is revolutionizing medical practice at multiple levels, from diagnosis to medicationmanagement optimization in primary and specialized care. This paper analyzes the functioning of AI, its imple-mentation in clinical decision-making, and its impact on various medical specialties, such as imaging, ophthal-mology, oncology, and cardiology. It also addresses its benefits, limitations, and the role of the convergencebetween human and artificial intelligence in modern medicine. It also discusses the challenges related to theacceptance of this technology by healthcare personnel and the need for regulation to ensure its safe andeffective use in clinical practice.Keywords:AI; medical practice; medical specialties.Artículo de RevisiónJonathan Víctor Lozada Pazmiño11.Universidad Central del Ecuador; Quito, Ecuador.Jonathan Víctor Lozada Pazmiñohttps://orcid.org/0009-0004-7683-4834Correspondencia:Lorena García Agudelo, calle 15 No 07-95 Manzana L. Yopal, Colombia. kmtaimal@uce.edu.ecRecibido: 10/oct/2024 - Aceptado: 12/nov/2024 - Publicado: 29/ene/2025
Revista Ecuatoriana de Pediatría | ISSNe: 2737-6494Pagína 35|VOL.26 N°2 (2025)Mayo-AgostoIntroducciónLos avances en inteligencia artificial (IA) ybiotecnología han cambiado drásticamen-te la forma en que se practica la medici-na, ofreciendo nuevasherramientasparamejorar la precisión diagnóstica, optimizartratamientosyminimizar erroresmédicos.En este contexto, la IA ha demostrado seruna herramienta poderosa en la interpre-tación de imágenes médicas, la predicciónde enfermedades y la personalización deltratamiento.El objetivo de este estudio es analizar elimpacto de la IA en el diagnóstico médico,la toma de decisiones clínicas y la gestiónde medicamentos en atención primaria yespecializada, así como evaluar sus aplica-ciones en diferentes ramas de la medicina(Sanal et al., 2019). También se revisan losdesafíos éticos y técnicos asociados con suimplementación, tales como el sesgo algo-rítmico y la privacidad de los datos (Topol,2019).DesarrolloLaInteligencia Artificial(IA)junto conlastécnicasenevoluciónenbiotecnología,cambiarán la práctica médica de manerasignificativa.Laformaenquepensamossobre las enfermedades cambiará. Ya noseráposibleparalosmédicoshacerundiagnóstico,recordar los nombres de lasenfermedades, los nombres de los medica-mentos o los protocolos de manejo sin laayuda de computadoras (Sanal MG, 2019).Hoy en día, estamos utilizando la inteligen-cia artificial en el diagnóstico y la predic-ción para ayudar a los médicos. Los algo-ritmos clínicos y la experiencia humana nopuedenser reemplazadospor máquinas.Tomarámuchosañosfusionar completa-mente o reemplazar aloshumanos conmáquinas. Sin embargo, necesitamos modi-ficar nuestro sistema de educación médicapara preparar a la comunidad médica ysensibilizar a la sociedad con suficiente an-telación para una transición sin contratiem-pos (Sanal MG, 2019).Funcionamiento de una inteligencia arti-ficial avanzadaUn algoritmo sofisticado de IA necesita serexpuesto a flujos de datos estructurados yetiquetados de una manera que el algo-ritmo pueda reconocer (es decir, números,píxeles, colores). Ng y Dean, de Stanford yGoogle respectivamente, líderes en cienciasde la computación, crearon una red neu-ronalartificialqueaprendió areconocerconceptos de alto nivel, como rostros hu-manos, cuerpos humanos o animales (La-rentzakis A, 2021).El preentrenamiento no supervisado, el au-mento de la potencia informática mediantemúltiples unidades de procesamiento gráfi-co y la computación distribuida permitieronel uso de redes más grandes con mayornúmero de nodos y más profundas capasinformativas, lo que llevó al desarrollo delaprendizaje profundo o deep learning (DL)(Larentzakis A, 2021).Desarrollo e implementación en la tomade decisiones clínicasLos pasos implicados en el desarrollo delapoyo a la toma de decisiones clínicas conIA inician con que las partes interesadasdeben ser reclutadas temprano en el pro-ceso para evaluar los modelos existentes,identificar prioridades clave y desarrollar unmodelo de aprendizaje automático. Luego,los modelos deben ser validados externa-mente con una consideración específica alasmedidasdeequilibrio,incluyendo fal-sos positivos y negativos, y el rendimien-to del modelo en minorías y/o subgrupossocioeconómicamente desfavorecidos. Pos-teriormente,losmodelospuedenserim-plementados en el registro electrónico desalud con una evaluación subsiguiente. Losmodelos deben ser estudiados y compa-rados con el estándar de atención y, si sedemuestra que son favorables, pueden serdifundidos (figura 1) (EJ., 2019).Artículo de Revisión
Revista Ecuatoriana de Pediatría | ISSNe: 2737-6494Pagína 36| VOL.26 N°2 (2025)Mayo-AgostoEvaluar la evidenciaexistente.Desarrollar el modeloutilizando técnicasestadísticas ybasadas en IA convalidación interna ocruzada, utilizandofuentes de datosretrospectivas oprospectivas.Inspeccionarprediccionesinexactas en busca deerrores sistémicos.Evaluar elrendimiento delmodelo en subgrupospotencialmentevulnerables.Desarrollo de un AI-CDS utilizandofactores humanosImplementaciónpiloto en un solocentro.Evaluar la adopciónentre losproveedores.Evaluar medidas deequilibrioEvaluar validezestadística, clínica yeconómica.Comparar con elestándar de atención.Evaluar la evidenciaexistente.Desarrollar el modeloutilizando técnicasestadísticas ybasadas en IA convalidación interna ocruzada, utilizandofuentes de datosretrospectivas oprospectivas.Construcción de modeloValidaciónImplementaciónDemostraciónDifusiónFigura 1.Desarrollo e implementación de una IA en la toma de decisiones clínicas. Adap-tado de: Ramgopal S, Sanchez-Pinto LN, Horvat CM, Carroll MS, Luo Y, Florin TA. Artificialintelligence-based clinical decision support in pediatrics. Pediatr Res. 2023 Jan;93(2):334-341.doi: 10.1038/s41390-022-02226-1.Epub 2022 Jul29.PMID:35906317;PMCID:PMC9668209.(Ramgopal S, 2023).Apoyo a la toma de decisiones clínicasEl apoyo a la toma de decisiones clínicas(CDS, siglas en inglés de clinical decisionsupport) son sistemas informáticos diseña-dos para influir en la toma de decisionesde los médicos sobre pacientes individualesen el momento en que se toman dichasdecisiones.El CDS generalmente abarca tres pasos:1.Adquirir datos del paciente.2.Resumir los datos.3.Sugerir un curso de acción apropiado.El CDS puede incluir alertas, recordatorios,conjuntosdeórdenes,cálculosdedosisde medicamentos, paneles de resumen deatención y sistemas de recuperación de in-formación en el punto de atención (Ram-gopal S, 2023).En pediatría, el CDS se ha utilizado en di-versas aplicaciones, incluyendo:•Traumatismo craneoencefálico.•Asma.•Infecciones del tracto urinario.•Detección de trastornos del desarrollo.•Soporte ventilatorio.•Selección de antibióticos.Una revisión sistemática que evaluó el im-pacto de las herramientas CDS en 148 en-sayos clínicos aleatorizados (principalmenteen adultos) demostró que el CDS mejoralos resultados en:•Servicios preventivos (OR: 1.42; IC 95%:1.27–1.58).•Solicitud de estudios clínicos (OR: 1.72; IC95%: 1.47–2.00).•Prescripcióndeterapias(OR:1.57;IC95%: 1.35–1.82).Sin embargo, pocos estudios han evalua-do efectos adversos o consecuencias nointencionadas, como falsos negativos o elaumento de la carga laboral del médico(Ramgopal S, 2023).Aplicación en la pediatría y neonatolo-gíaComo herramienta de apoyo para mejo-rar los resultados de alud en la UCIN y laUCIP, una revisión sistemática encontró aúnque pocos estudios han demostrado quela IA ha mejorado directamente los resulta-dos de salud en pacientes pediátricos encuidados críticos (Claudette O. Adegboro,2022).Con relación a la predicción del parto pre-maturo se realizó una revisión sistemáticaconlaspalabrasclave ‘inteligenciaartifi-cial’,‘aprendizajeprofundo’,‘aprendizajeautomático’y‘redneuronal’combinadascon ‘parto prematuro’. Se incluyeron 22 pu-blicacionesentre 2010 y 2020.En cuantoa los valores predictivos, se utilizaron prin-cipalmente imágenes de electrohisterogra-ma,seguidasdeperfilesbiológicos,pa-neles metabólicos en líquido amniótico osangre materna, e imágenes cervicales enArtículo de Revisión
Revista Ecuatoriana de Pediatría | ISSNe: 2737-6494Pagína 37|VOL.26 N°2 (2025)Mayo-Agostoecografía. La mayoría de los estudios con-taban con muestras de cientos de casos,demasiado pequeñas para el aprendizaje,aunque solo tres utilizaron bases de datosmédicasconmásdecienmilcasos.Laprecisión fue mayor en estudios que em-plearonpanelesmetabólicoseimágenesde electrohisterograma (Akazawa M, 2022).Aplicación en el campo médico de otrasespecialidadesImagenología:Las radiografías simples seusan en algoritmos de aprendizaje auto-máticoparadiagnosticar afeccionespul-monares como neumonía, enfisema y tu-berculosis, así como para evaluar la edadóseaydetectarfracturas.Enfermedadespulmonares: Las redes neuronales analizantomografías computarizadas de fumadorespara identificar y clasificar la enfermedadpulmonar obstructiva crónica y predecir lamortalidad.Oftalmología:Lainteligenciaartificialseaplica en la evaluación del fondo de ojopara detectar enfermedades como la reti-nopatía diabética, la degeneración macu-lar y las cataratas congénitas.Oncología:Algoritmos y redes neuronaleshan demostrado eficacia en la deteccióndecáncerenmamografías,tomografíascomputarizadas,resonanciasmagnéticas,tomografía con emisión de positrones y enimágenes clínicas de piel.Enfermedadesgastrointestinales:LaIAanalizaimágenesy videosendoscópicospara detectar neoplasias, incluyendo cán-cer de esófago, gástrico y pólipos de co-lon.Enfermedadescardiovasculares:Algo-ritmosprocesandatosdeelectrocardio-gramas,ecocardiografíasytomografíascoronariasparadiagnosticaryclasificarenfermedades del corazón. También pue-denpredecirlasupervivenciaencasoscomo la hipertensión pulmonar.Neurociencia:Lasredesneuronalespro-fundas permiten predecir el autismo en ni-ños de alto riesgo, evaluar la progresión dela demencia, diagnosticar esquizofrenia ydetectar hemorragias cerebrales medianteimágenes de resonancia magnética y to-mografía con emisión de positrones.Enfermedades infecciosas:El aprendizajeautomático facilita la identificación de pa-tógenos y pruebas de susceptibilidad a an-tibióticos a través del análisis de espectrosRaman bacterianos y ARN mensajero viraly bacteriano (Larentzakis A, 2021).Potencialidad de los algoritmos y la adop-ción de inteligencia artificial para mejorarla gestión de medicamentos en atenciónprimaria.Una revisión sistemática identificó 14 estu-dios que cumplían con los criterios de inclu-sión, siendo la primera revisión de este tiposobre el uso de inteligencia artificial (IA) enla gestión de medicamentos en atenciónprimaria. Se evaluó si los algoritmos inteli-gentes reducían los errores de medicaciónal minimizar errores humanos.ResultadosSistemas de apoyo a la decisión clínica: fuela categoría de IA más utilizada, con sietede nueve estudios mostrando una reduc-ción significativa de errores de medicación.Se recomienda ampliar la investigación amayor escala para evaluar su impacto.Clases de medicamentos evaluadas: Nueveestudios especificaron las clases de fárma-cos analizadas. Cuatro deellos seenfo-caronenunaúnicaclase(antiinflamato-riosnoesteroides,agentespsicotrópicos,hipoglucemiantes y anticoagulantes orales),mostrando reducción significativa de erro-res.Errores de prescripción y administración: LaIA previnoerroresenalrededor del80%de los estudios. Se identificaron causas co-munes como sobrecarga laboral, falta decapacitación y herramientas obsoletas. Sesugieren estrategias como la digitalización,la capacitación y la reorganización del tra-bajo.Errores de dispensación: Algunas interven-ciones con IA redujeron estos errores, es-pecialmenteenpoblacionesvulnerablescomopersonasmayores.SedestacalaArtículo de Revisión
Revista Ecuatoriana de Pediatría | ISSNe: 2737-6494Pagína 38| VOL.26 N°2 (2025)Mayo-Agostoimportancia de incluir farmacéuticos en elproceso de prescripción y administración.Aceptación por parte de los profesionales:La implementación de IA en la rutina médi-ca encontró resistencia, principalmente pordificultades en la interacción con el softwa-re.Serecomiendadesarrollarsolucionesmás intuitivas y centradas en el usuario.Impacto económico: Los errores de medi-cación representan un costo global estima-do en 42 mil millones de dólares anuales.La evaluación económica de la IA es difícildebido a la falta de datos sobre costosdirectos e indirectos. Sin embargo, estudiossugieren que su implementación podría re-ducir costos relacionados con errores mé-dicos (Damiani G C group., 2023).La convergencia de la inteligencia hu-mana y artificialEl uso de la IA, y en particular el subtipo deD.L, ha sido posibilitado por el uso de gran-desvolúmenesdedatosetiquetados.Enmedicina, esto está comenzando a tenerun impacto en tres niveles: para los clínicos,principalmente a través de la interpretaciónmejorando el flujo de trabajo y el potencialde reducción de errores; y para los pa-cientes, permitiéndoles procesar sus propiosdatos para promover la salud (EJ., 2019).LimitacionesLas limitaciones actuales, incluyendo sesgo,privacidad y seguridad, y falta de transpa-rencia, junto con las futuras direcciones deestas aplicaciones, serán discutidas en esteartículo. Con el tiempo, es probable que selogrenmejorassignificativasenprecisión,productividad y flujo de trabajo, pero aúnestá por verse si esto se utilizará para me-jorar la relación médico-paciente o facilitarsu deterioro (EJ., 2019).En pediatría, el CDS basado en reglas seusa de manera rutinaria para mejorar laatención del paciente, pero su eficacia sue-le verse limitada por una baja especificidaddel modelo, lo que genera alertas falsaspositivas.Estopuedeprovocar insatisfac-ción en los médicos, contribuir al agota-miento y poner en riesgo a los pacientes.Un estudio sobre alertas de medicamentosen atención primaria mostró una disminu-ción en el uso del CDS cuando se enviabanmúltiples recordatorios para el mismo pa-ciente. La falta de respuesta a estas alertaspuede derivar en consecuencias adversas.En un informe de una unidad de cuidadosintensivos pediátricos, los médicos ignora-ron repetidamente las alertas de alergiasa medicamentos en un sistema de regis-tros electrónicos de salud, lo que llevó aldeterioro progresivo de un paciente. Estoresalta los posibles efectos perjudiciales dela fatiga por alarmas (Ramgopal S, 2023).ConclusionesLa inteligencia artificial ha transformado sig-nificativamente la práctica médica, optimi-zando diagnósticos y mejorando la gestiónde medicamentos. Sin embargo, persistendesafíos relacionados con la interpretabili-dad de los algoritmos, la regulación de suuso y la resistencia a su adopción por partedel personal de salud. La investigación fu-tura debe centrarse en mejorar la equidaden los modelos de IA, garantizar la segu-ridad en su aplicación clínica y desarrollarestrategias para una implementación másefectiva y ética. Además, se requiere el es-tablecimiento de normativas claras para eluso de IA en el sector salud, asegurandoque su impacto sea positivo y sostenible alargo plazo (Damiani et al., 2023).Artículo de Revisión
Revista Ecuatoriana de Pediatría | ISSNe: 2737-6494Pagína 39|VOL.26 N°2 (2025)Mayo-AgostoBibliografía1.Sanal MG, Paul K, Kumar S, Ganguly NK. Artificial Intelligence and Deep Learning: The Future of Medicineand Medical Practice. J Assoc Physicians India. 2019 Apr;67(4):71-73. PMID: 31309802.2.Larentzakis A, Lygeros N. Artificial intelligence (AI) in medicine as a strategic valuable tool. Pan Afr Med J.2021 Feb 17;38:184. doi: 10.11604/pamj.2021.38.184.28197. PMID: 33995790; PMCID: PMC8106796.3.Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019Jan;25(1):44-56. doi: 10.1038/s41591-018-0300-7. Epub 2019 Jan 7. PMID: 30617339.4.Ramgopal S, Sanchez-Pinto LN, Horvat CM, Carroll MS, Luo Y, Florin TA. Artificial intelligence-based clinicaldecision support in pediatrics. Pediatr Res. 2023 Jan;93(2):334-341. doi: 10.1038/s41390-022-02226-1. Epub 2022Jul 29. PMID: 35906317; PMCID: PMC9668209.5.Claudette O. Adegboro, Avishek Choudhury, Onur Asan, Michelle M. Kelly; Artificial Intelligence to ImproveHealth Outcomes in the NICU and PICU: A Systematic Review. Hosp Pediatr January 2022; 12 (1): 93–110.https://doi.org/10.1542/hpeds.2021-0060946.Akazawa, M., C Hashimoto, K. (2022). Prediction of preterm birth using artificial intelligence: a systematicreview. Journal of Obstetrics and Gynaecology, 42(6), 1662– 1668. https://doi.org/10.1080/01443615.2022.2056828.7.Damiani G, Altamura G, Zedda M, Nurchis MC, Aulino G, Heidar Alizadeh A, Cazzato F, Della Morte G,Caputo M, Grassi S, Oliva A; D.3.2 group. Potentiality of algorithms and artificial intelligence adoption to im-prove medication management in primary care: a systematic review. BMJ Open. 2023 Mar 23;13(3):e065301.doi: 10.1136/bmjopen-2022- 065301. PMID: 36958780; PMCID: PMC10040015.Para referenciar aplique esta cita:Lozada Pazmiño JV. Inteligencia artificial en la práctica médica: aplicaciones y consideraciones. REV-SEP. 29 deagosto de 2025; 26(2):34-39. Disponible en: https://rev-sep.ec/index.php/johs/article/view/346Artículo de Revisión