Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Inteligencia artificial en el ámbito hospitalario: usos, beneficios y limitaciones.
0
Zitationen
5
Autoren
2026
Jahr
Abstract
Introducción: El avance de la inteligencia artificial ha impulsado su integración en diversas áreas, destacando el ámbito de salud. Objetivo: Analizar la literatura científica sobre los usos de inteligencia artificial en contexto hospitalario, evaluando usos, beneficios y limitaciones para optimizar procesos de atención y gestión en salud, con el fin de mejorar la calidad y eficiencia del servicio. Metodología: Se realizó una búsqueda de artículos científicos, principalmente revisiones bibliográficas, artículos cualitativos y cuantitativos, utilizando buscadores como PubMed y Web of Science mediante la metodología PRISMA, centrada en entornos hospitalarios. Se seleccionaron 20 artículos. Resultado: Los estudios identifican aplicaciones clave de inteligencia artificial en hospitales, como cuidados personalizados, generación de informes, monitorización, análisis de imágenes y automatización de tareas. Entre los beneficios destacan la detección temprana, seguridad y eficiencia, personalización de tratamientos y reducción de carga laboral. No obstante, enfrentan resistencia del equipo, falta de formación, desafíos éticos, altos costos, dependencia de datos y riesgo de deshumanizar el cuidado. Discusión: La inteligencia artificial ha emergido como una herramienta innovadora en salud, mejorando diagnósticos, tiempos de atención y procesos clínicos. Sin embargo, enfrenta limitaciones en su adopción, lo que exige que los profesionales integren competencias digitales y tecnologías emergentes. Conclusión: La inteligencia artificial aporta mejoras diagnósticas y eficiencia, pero persisten desafíos éticos y escasa evidencia en el contexto chileno. Se sugiere explorar percepciones clínicas y desarrollar marcos éticos.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.250 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.109 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.482 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.434 Zit.