Impacto de la inteligencia artificial en la predicción de eventos críticos en las unidades de cuidados intensivos: Implicaciones para la práctica y la toma de decisiones en enfermería
DOI:
https://doi.org/10.47606/ACVEN/MV0270Palabras clave:
Inteligencia artificial, predicción de eventos críticos, Unidades de Cuidados Intensivos, toma de decisiones, enfermeríaResumen
Introducción: El avance de la inteligencia artificial (IA) ha generado nuevas oportunidades en el ámbito de la salud, particularmente en las Unidades de Cuidados Intensivos (UCI), donde su aplicación permite mejorar la predicción de eventos críticos y optimizar la toma de decisiones clínicas. Objetivo: Analizar el impacto de la inteligencia artificial en la predicción de eventos críticos en las UCI y sus implicaciones en la práctica y la toma de decisiones en enfermería, a partir del análisis de la literatura científica reciente. Materiales y métodos: El estudio se desarrolló bajo un enfoque cualitativo, empleando una revisión sistemática de la literatura basada en la metodología PRISMA. Se establecieron criterios de inclusión y exclusión para asegurar la relevancia y calidad de los estudios analizados, seleccionando investigaciones publicadas entre 2019 y 2025 en bases de datos como Scopus. Se aplicó una estrategia de búsqueda estructurada con operadores booleanos para identificar estudios sobre IA aplicada a la predicción de eventos críticos en UCI y su impacto en la toma de decisiones de enfermería. De un total de 62 documentos identificados, se seleccionaron 12 estudios relevantes tras aplicar los criterios de inclusión y exclusión. Resultados: Los resultados muestran que la IA ha mejorado significativamente la detección temprana de eventos críticos, optimizando la eficiencia operativa y facilitando la toma de decisiones. Conclusión: Su implementación enfrenta desafíos como la falta de validación clínica, la estandarización de datos y la capacitación del personal de salud.
Descargas
Citas
Pizarro Gómez, C. E., Dueñas Castell, C., Nieto Estrada, V. H., Gil Valencia, B. A., Durán Pérez, J. C., Ferrer Zaccaro, L., Varón Vega, F. A., Garay Fernández, M. A., Medina Lombo, R. A., Ortiz Ruíz, G., Camargo Rubio, R. D., Gómez Duque, M., Medina Lombo, R., Molano Franco, D., Vargas Ordoñez, M., Granados Sánchez, M., Alzate Atehortúa, M. V., Borré Naranjo, D. P., Carvajal Herrera, M., Velazquez Trujillo, P. Consenso colombiano de criterios de ingreso a cuidados intensivos: Task force de la Asociación Colombiana de Medicina Crítica y Cuidados Intensivos (AMCI®). (2023). Acta Colombiana de Cuidado Intensivo, 23(2), 202–228. https://doi.org/10.1016/J.ACCI.2023.04.008 DOI: https://doi.org/10.1016/j.acci.2023.04.008
Sung, M. D., Hahn, S., Han, C. H., Lee, J. M., Lee, J., Yoo, J., Heo, J., Kim, Y. S., & Chung, K. S. Event Prediction Model Considering Time and Input Error Using Electronic Medical Records in the Intensive Care Unit: Retrospective Study. JMIR Medical Informatics, (2021b). 9(11). https://doi.org/10.2196/26426 DOI: https://doi.org/10.2196/26426
Kang, D. Y., Cho, K. J., Kwon, O., Kwon, J. M., Jeon, K. H., Park, H., Lee, Y., Park, J., & Oh, B. H. Artificial intelligence algorithm to predict the need for critical care in prehospital emergency medical services. Scandinavian Journal of Trauma, Resuscitation and Emergency Medicine, (2020). 28(1). https://doi.org/10.1186/S13049-020-0713-4 DOI: https://doi.org/10.1186/s13049-020-0713-4
Gutiérrez Durán, P. M. Importancia de la valoración de enfermería en la monitorización hemodinámica del paciente crítico en uci. (2023). Disponible en: https://dspace.uniandes.edu.ec/handle/123456789/16638
Domínguez, G., Domingo, S., Carlos, J., Macías, D., Geovanna, V., Fajardo, L., Luiz, ;, Flores Tacle, C., Andrés, B., Farías, S., Edwin, ;, Aguilar Sánchez, G., Aracely, G., & Zambrano, F. Patologías Específicas de Importancia en la U.C.I. RECIAMUC, (2019). 3(2), 665–687. https://doi.org/10.26820/RECIAMUC/3.(2).ABRIL.2019.665-687 DOI: https://doi.org/10.26820/reciamuc/3.(2).abril.2019.665-687
Pascual Gisbert, C. Desarrollo de un sistema predictivo y de apoyo clínico para enfermedades cardiovasculares mediante machine learning y deep learning: un enfoque en el infarto de miocardio. (2025). Disponible en: https://riunet.upv.es/handle/10251/214019
Rafie, N., Jentzer, J. C., Noseworthy, P. A., & Kashou, A. H. Mortality Prediction in Cardiac Intensive Care Unit Patients: A Systematic Review of Existing and Artificial Intelligence Augmented Approaches. Frontiers in Artificial Intelligence, (2022). 5. https://doi.org/10.3389/FRAI.2022.876007/PDF DOI: https://doi.org/10.3389/frai.2022.876007
Veldhuis, L. I., Woittiez, N. J. C., Nanayakkara, P. W. B., & Ludikhuize, J. Artificial Intelligence for the Prediction of In-Hospital Clinical Deterioration: A Systematic Review. Critical Care Explorations, (2022) 4(9), E0744. https://doi.org/10.1097/CCE.0000000000000744 DOI: https://doi.org/10.1097/CCE.0000000000000744
Pezzini, C. Inteligencia artificial explicable: análisis de metodologías y aplicaciones. (2024). Disponible en: http://sedici.unlp.edu.ar/handle/10915/174328
Thevathasan, T., Krause, F., Paul, J., Boie, S. D., Knie, W., Girke, G., Wurster, T. H., Landmesser, U., Balzer, F., & Skurk, C. Utilisation of artificial intelligence to predict early readmission to the cardiac intensive care unit in critically ill patients. European Heart Journal, (2023). 44(Supplement_2). https://doi.org/10.1093/EURHEARTJ/EHAD655.1588 DOI: https://doi.org/10.1093/eurheartj/ehad655.1588
Lovejoy, C. A., Buch, V., & Maruthappu, M. Artificial intelligence in the intensive care unit. Critical Care, (2019). 23(1). https://doi.org/10.1186/S13054-018-2301-9 DOI: https://doi.org/10.1186/s13054-018-2301-9
Dragonieri, S. Pioneering role of machine learning in unveiling intensive care unit-acquired weakness. World Journal of Clinical Cases, (2024). 12(13), 2157–2159. https://doi.org/10.12998/WJCC.V12.I13.2157 DOI: https://doi.org/10.12998/wjcc.v12.i13.2157
Kim, J., Chae, M., Chang, H. J., Kim, Y. A., & Park, E. Predicting Cardiac Arrest and Respiratory Failure Using Feasible Artificial Intelligence with Simple Trajectories of Patient Data. Journal of Clinical Medicine, (2019). 8(9). https://doi.org/10.3390/JCM8091336 DOI: https://doi.org/10.3390/jcm8091336
Lee, I. K., Lee, B., & Park, J. D. Development of a deep learning model for predicting critical events in a pediatric intensive care unit. Acute and Critical Care, (2024). 39(1), 186–191. https://doi.org/10.4266/ACC.2023.01424 DOI: https://doi.org/10.4266/acc.2023.01424
Olang, O., Mohseni, S., Shahabinezhad, A., Hamidianshirazi, Y., Goli, A., Abolghasemian, M., Shafiee, M. A., Aarabi, M., Alavinia, M., & Shaker, P. Artificial Intelligence-Based Models for Prediction of Mortality in ICU Patients: A Scoping Review. Journal of Intensive Care Medicine. (2024). https://doi.org/10.1177/08850666241277134 DOI: https://doi.org/10.1177/08850666241277134
Van de Sande, D., van Genderen, M. E., Huiskens, J., Gommers, D., & van Bommel, J. Moving from bytes to bedside: a systematic review on the use of artificial intelligence in the intensive care unit. Intensive Care Medicine, (2021). 47(7), 750–760. https://doi.org/10.1007/S00134-021-06446-7 DOI: https://doi.org/10.1007/s00134-021-06446-7
Suresh, V., Singh, K. K., Vaish, E., Gurjar, M., Nambi, A. A., Khulbe, Y., & Muzaffar, S. Artificial Intelligence in the Intensive Care Unit: Current Evidence on an Inevitable Future Tool. Cureus, 16. (2024). https://doi.org/10.7759/CUREUS.59797 DOI: https://doi.org/10.7759/cureus.59797
Almagharbeh, W. T. The impact of AI-based decision support systems on nursing workflows in critical care units. International Nursing Review. (2024). https://doi.org/10.1111/INR.13011 DOI: https://doi.org/10.1111/inr.13011
Helman, S., Terry, M. A., Pellathy, T., Hravnak, M., George, E., Al-Zaiti, S., & Clermont, G. 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, (2023). 14(4), 789–802. https://doi.org/10.1055/S-0043-1775565 DOI: https://doi.org/10.1055/s-0043-1775565
Charan, G. S., Charan, A. S., Khurana, M. S., & Narang, G. S. Impact of Analytics Applying Artificial Intelligence and Machine Learning on Enhancing Intensive Care Unit: A Narrative Review. Galician Medical Journal, (2023). 30(4). https://doi.org/10.21802/E-GMJ2023-A06 DOI: https://doi.org/10.21802/e-GMJ2023-A06
Komorowski, M., Celi, L. A., Badawi, O., Gordon, A. C., & Faisal, A. A. The Artificial Intelligence Clinician learns optimal treatment strategies for sepsis in intensive care. Nature Medicine, (2018). 24(11), 1716–1720. https://doi.org/10.1038/S41591-018-0213-5 DOI: https://doi.org/10.1038/s41591-018-0213-5
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Joao Andrés Cujilan Guamán, Nicole Elizabeth Chele Sudiaga, Víctor Alfonso Gavilanes Burnhan, Jenny Verónica Tacle Flores, Ruth Alexandra Boza Ruiz
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
