Enfermería e inteligencia artificial en la Unidad de Cuidados Intensivos. Revisión sistemática integrativa
Palabras clave:
Inteligencia artificial, Unidades de Cuidados Intensivos, Enfermería crítica, Algoritmos predictivosResumen
Esta investigación examina el papel de la Inteligencia Artificial (IA) en la gestión de pacientes dentro de las Unidades de Cuidados Intensivos (UCI). Se buscó analizar las ventajas y desventajas de su implementación. Se llevó a cabo una revisión sistemática integrativa siguiendo las directrices de PRISMA utilizando PubMed, Scopus, Google Scholar, y el proceso de selección fue gestionado con el software Rayyan. De 1273 estudios revisados, se seleccionaron 55 después de aplicar los criterios de inclusión y exclusión. Los resultados demuestran que la IA ha mejorado la precisión diagnóstica de algunas patologías críticas como la Sepsis e Insuficiencia Respirtatoria, lo que permite una intervención oportuna y una mejor utilización de recursos dentro de los hospitales. También se observó que su incorporación en los sistemas de telemedicina permite una atención remota más eficiente, especialmente en áreas que están desatendidas por especialistas. Sin embargo, existen desafíos como el sesgo algorítmico, la fragmentación de datos y la renuencia del personal. En conclusión, a pesar de los avances y beneficios que la tecnología de IA ha mostrado, todavía es necesario mejorar la capacitación profesional y formular marcos éticos y legales definitivos para la integración segura y efectiva de estas tecnologías en el cuidado crítico.
Referencias
Aslan, A.T., Permana, B., Harris, P.N.A. et al. The Opportunities and Challenges for Artificial Intelligence to Improve Sepsis Outcomes in the Paediatric Intensive Care Unit. Curr Infect Dis Rep 25, 243–253 (2023). https://doi.org/10.1007/s11908-023-00818-4 DOI: https://doi.org/10.1007/s11908-023-00818-4
Bender, W., Hiddleson, C. A., & Buchman, T. G. (2019). Intensive Care Unit Telemedicine. Critical Care Clinics, 35(3), 497–509. https://doi.org/10.1016/j.ccc.2019.02.011 DOI: https://doi.org/10.1016/j.ccc.2019.02.011
Chang, A., Intelligence, C., Officer, I., Sharon, T., Lund, D., & Intelligence, M. (2019). Precision Intensive Care: A Real-Time Artificial Intelligence Strategy for the Future*. 194–195. https://doi.org/10.1097/PCC.0000000000001883 DOI: https://doi.org/10.1097/PCC.0000000000001883
Chee, M. L., Eng, M., Ong, H., Siddiqui, F. J., Zhang, Z., Lim, S. L., Fu, A., Ho, W., & Liu, N. (2021). Artificial Intelligence Applications for COVID-19 in Intensive Care and Emergency Settings : A Systematic Review. https://doi.org/10.3390/ijerph18094749 DOI: https://doi.org/10.3390/ijerph18094749
Helman, S., Terry, M. A., Pellathy, T., Hravnak, M., George, E., Al-Zaiti, S., & Clermont, G. (2023). Engaging Multidisciplinary Clinical Users in the Design of an Artificial Intelligence–Powered Graphical User Interface for Intensive Care Unit Instability Decision Support. Applied Clinical Informatics, 14(04), 789–802. https://doi.org/10.1055/s-0043-1775565 DOI: https://doi.org/10.1055/s-0043-1775565
Issaiy, M., Zarei, D., & Saghazadeh, A. (2023). Artificial Intelligence and Acute Appendicitis: A Systematic Review of Diagnostic and Prognostic Models. World Journal of Emergency Surgery, 18(1), 59. https://doi.org/10.1186/s13017-023-00527-2 DOI: https://doi.org/10.1186/s13017-023-00527-2
Jentzer, J. C., Kashou, A. H., Attia, Z. I., Lopez-jimenez, F., Kapa, S., Friedman, P. A., & Noseworthy, P. A. (2020). Left ventricular systolic dysfunction identi fi cation using arti fi cial intelligence-augmented electrocardiogram in cardiac intensive care unit patients. International Journal of Cardiology. https://doi.org/10.1016/j.ijcard.2020.10.074 DOI: https://doi.org/10.1016/j.ijcard.2020.10.074
Kashou, A. H., Noseworthy, P. A., Lopez-jimenez, F., Attia, Z. I., Kapa, S., Friedman, P. A., & Jentzer, J. C. (2021). The effect of cardiac rhythm on artificial intelligence-enabled ECG evaluation of left ventricular ejection fraction prediction in cardiac intensive care unit patients. International Journal of Cardiology, 339(May), 54–55. https://doi.org/10.1016/j.ijcard.2021.07.001 DOI: https://doi.org/10.1016/j.ijcard.2021.07.001
Kindle, R. D., & Badawi, O. (2019). Intensive Care Unit Telemedicine in the Era of Big Data, Artificial Intelligence, and Computer Clinical Decision Support Systems. Critical Care Clinics, 35(3), 483–495. https://doi.org/10.1016/j.ccc.2019.02.005 DOI: https://doi.org/10.1016/j.ccc.2019.02.005
Kobayashi, N., Watanabe, K., Murakami, H., & Yamauchi, M. (2023). Continuous visualization and validation of pain in critically ill patients using artificial intelligence: a retrospective observational study. Scientific Reports, 13(1), 17479. https://doi.org/10.1038/s41598-023-44970-2 DOI: https://doi.org/10.1038/s41598-023-44970-2
Kohane, I. S., Yu, K., & Beam, A. L. (2018). Artificial intelligence in healthcare. Nature Biomedical Engineering, 2(10), 719–731. https://doi.org/10.1038/S41551-018-0305-Z DOI: https://doi.org/10.1038/s41551-018-0305-z
Komorowski, M., Celi, L. A., Badawi, O., Gordon, A. C., & Faisal, A. A. (2018). The Artificial Intelligence Clinician learns optimal treatment strategies for sepsis in intensive care. Nature Medicine, 24(11), 1716–1720. https://doi.org/10.1038/S41591-018-0213-5 DOI: https://doi.org/10.1038/s41591-018-0213-5
Moazemi, S., Vahdati, S., Li, J., Kalkhoff, S., Castano, L. J. V., Dewitz, B., Bibo, R., Sabouniaghdam, P., Tootooni, M. S., Bundschuh, R. A., Lichtenberg, A., Aubin, H., & Schmid, F. (2023). Artificial intelligence for clinical decision support for monitoring patients in cardiovascular ICUs: A systematic review. Frontiers in Medicine, 10. https://doi.org/10.3389/fmed.2023.1109411 DOI: https://doi.org/10.3389/fmed.2023.1109411
Monteiro, M. M., de Abreu e Silva, J., Ingvardson, J. B., Nielsen, O. A., & Pinho de Sousa, J. (2021). Public Transport Use and Satisfaction by International Students and Researchers. Sustainability, 13(15). https://doi.org/10.3390/su13158417 DOI: https://doi.org/10.3390/su13158417
Morley, J., Machado, C. C. V., Burr, C., Cowls, J., Joshi, I., Taddeo, M., & Floridi, L. (2020). The ethics of AI in health care: A mapping review. Social Science & Medicine (1982), 260. https://doi.org/10.1016/J.SOCSCIMED.2020.113172 DOI: https://doi.org/10.1016/j.socscimed.2020.113172
Paredes Arellano, A. M., Cuti Riveros, E. A., & Meza Rodriguez, M. S. (2024). Machine Learning Models for Predicting the Length of ICU Stay Using Perioperative Patterns. 2024 20th International Symposium on Medical Information Processing and Analysis (SIPAIM), 1–4. https://doi.org/10.1109/SIPAIM62974.2024.10783562 DOI: https://doi.org/10.1109/SIPAIM62974.2024.10783562
Rafie, N., Jentzer, J. C., Noseworthy, P. A., & Kashou, A. H. (2022). Mortality Prediction in Cardiac Intensive Care Unit Patients: A Systematic Review of Existing and Artificial Intelligence Augmented Approaches. Frontiers in Artificial Intelligence, 5. https://doi.org/10.3389/frai.2022.876007 DOI: https://doi.org/10.3389/frai.2022.876007
Sakagianni, A., Koufopoulou, C., Verykios, V., Loupelis, E., Kalles, D., & Feretzakis, G. (2023). Prediction of COVID-19 Mortality in the Intensive Care Unit Using Machine Learning. https://doi.org/10.3233/SHTI230200 DOI: https://doi.org/10.3233/SHTI230200
Shickel, B., Tighe, P. J., Bihorac, A., & Rashidi, P. (2018). Deep EHR: A Survey of Recent Advances in Deep Learning Techniques for Electronic Health Record (EHR) Analysis. IEEE Journal of Biomedical and Health Informatics, 22(5), 1589–1604. https://doi.org/10.1109/JBHI.2017.2767063 DOI: https://doi.org/10.1109/JBHI.2017.2767063
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine, 25(1), 44–56. https://doi.org/10.1038/s41591-018-0300-7 DOI: https://doi.org/10.1038/s41591-018-0300-7
Zhai, S., Wang, H., Sun, L., Zhang, B., Huo, F., Qiu, S., Wu, X., Ma, J., Wu, Y., & Duan, J. (2022). Artificial intelligence (AI) versus expert: A comparison of left ventricular outflow tract velocity time integral (LVOT‐VTI) assessment between ICU doctors and an AI tool. Journal of Applied Clinical Medical Physics, 23(8). https://doi.org/10.1002/acm2.13724 DOI: https://doi.org/10.1002/acm2.13724
Publicado
Cómo citar
Número
Sección
Categorías
Licencia
Derechos de autor 2025 Borja-Aguilar, Mariana Narcisa, Trejo-Carvajal, Luisa Alexandra, Cambizaca-Mora, Grace del Pilar (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Cómo citar
