Aplicaciones de la inteligencia artificial en la Medicina intensiva
Palabras clave:
Inteligencia artificial, Unidad de cuidados intensivos, Seguridad del pacienteResumen
Introducción: la medicina intensiva es una especialidad que ofrece atención médica integral y especializada a pacientes con condiciones críticas o potencialmente mortales. La inteligencia artificial ha revolucionado la seguridad del paciente crítico al proporcionar herramientas innovadoras que optimizan la atención y disminuyen los riesgos en el cuidado intensivo. Objetivo: describir los avances fundamentales de la inteligencia artificial en la medicina intensiva. Método: se realizó una revisión bibliográfica en el período de agosto a octubre del 2024. Se consultaron artículos originales, reportes de caso y revisiones sistemáticas de acceso abierto en publicaciones académicas revisadas por pares. Se revisaron las bases de datos de SciELO, Regmed, Dialnet, PubMed, Science Direct, Web of Science y MedlinePlus. Fue utilizado el AND y OR como operadores booleanos. Desarrollo: en cuidado intensivo la mayoría de los modelos de inteligencia artificial se centran en la predicción de la mortalidad y estratificación del riesgo. La aplicación de la robótica en el campo médico es extensa con innumerables funciones. Permite identificar patrones de riesgo como pacientes agitados o aquellos en riesgo de caídas mediante el monitoreo continuo y el análisis de la sedación, la actividad cerebral y la relajación muscular. Conclusiones: los avances en inteligencia artificial han revolucionado la medicina intensiva al permitir la monitorización continua de signos vitales y predicción de complicaciones, facilitando intervenciones tempranas y personalizadas.
Descargas
Citas
Giovanni-Perdomo R. Medicina Intensiva y las Unidades de Cuidados Intensivos [internet]. 2019 [citado 8 oct 24]. Disponible en: https://revistamedicahondurena.hn/assets/Uploads/Vol60-1-1992.pdf#page=48
Núñez-Reiz A. Big Data Analysis y Machine Learning en medicina intensiva. Med Intensiva. 2018. https://doi.org/10.1016/j.medin.2018.10.007
Sandfort V, Johnson AEW, Kunz LM, Vargas JD, Rosing DR. Prolonged elevated heart rate and 90-day survival in acutely ill patients: Data from the MIMIC-III database. J Intensive Care Med. 2018, http://dx.doi.org/10.1177/0885066618756828885066618756828
Véliz-Martínez PL. Evolución histórica y perspectivas futuras de la Medicina Intensiva y Emergencia como especialidad en Cuba [internet]. 2014 [citado 8 oct 24]. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-21412014000300018
Barea-Mendoza JA. Perspectivas actuales sobre el uso de la inteligencia artificial en la seguridad del paciente crítico [internet]. 2024 [citado 8 oct 24]. Disponible en: https://scholar.google.es/scholar?start=0&q=related:QIXa9i9vWaAJ:scholar.google.com/&hl=es&as_sdt=0,5#d=gs_qabs&t=1728422206911&u=%23p%3DQIXa9i9vWaAJ
McLennan S, Shaw D, Celi LA. The challenge of local consent requirements for global critical care databases. Intensive Care Med. 2018. Disponible en: http://dx.doi.org/10.1007/s00134-018-5257
Waudby-Smith IER, Tran N, Dubin JA, Lee J. Sentiment in nursing notes as an indicator of out-of-hospital mortality in intensive care patients. PLoS One. 2018; 13:e0198687
Lehman J, Clune J, Misevic D, Adami C, Altenberg L, Beaulieu J, Bentley PJ, Bernard S, Beslon G, Bryson DM, et al. The surprising creativity of digital evolution: a collection of anecdotes from the evolutionary computation and artifcial life research communities. Artif Life. 2020;26(2):274–306
Cabral P, González CJ. Avances y desafíos en el uso de la inteligencia artificial en medicina. Salud Mil [Internet] 2024 [citado 6 oct 24]; 43(1):e801. Disponible en: https://revistasaludmilitar.uy/ojs/index.php/Rsm/article/view/417
Komorowski M. Artificial intelligence in intensive care: are we there yet? Intensive Care Med [Internet]. 2019 [cited 6 oct 24]; 45(9):1298–300. Available from: http://link.springer.com/10.1007/s00134-019-05662-6
Lalmuanawma S, Hussain J, Chhakchhuak L. Applications of machine learning and artificial intelligence for Covid-19 (SARS-CoV-2) pandemic: A review. Chaos, Solitons & Fractals [Internet]. 2020 [cited 6 oct 24]; 139:110059. Available from: https://linkinghub.elsevier.com/retrieve/pii/S0960077920304562
Oh S, Kim JH, Choi S-W, Lee HJ, Hong J, Kwon SH, et al. Physician Confidence in Artificial Intelligence: An Online Mobile Survey. J Med Internet Res [Internet]. 2019 [cited 6 oct 24]; 21(3):e12422. Available from: http://www.jmir.org/2019/3/e12422/
Michard F, Teboul JL. Predictive analytics: beyond the buzz. Ann Intensive Care [Internet]. 2019 [cited 6 oct 24]; 9(1):46. Availablefrom: https://annalsofintensivecare.springeropen.com/articles/10.1186/s13613-019-05249
Yoon JH, Mu L, Chen L, Dubrawski A, Hravnak M, Pinsky MR, et al. Predicting tachycardia as a surrogate for instability in the intensive care unit. J Clin Monit Comput [Internet]. 2019 [cited 6 oct 24]; 33(6):973–85. Available from: http://link.springer.com/10.1007/s10877-019-00277-0
Maassen O, Fritsch S, Palm J, Deffge S, Kunze J, Marx G, et al. Future Medical Artificial Intelligence Application Requirements and Expectations of Physicians in German University Hospitals: Web-Based Survey. J Med Internet Res [Internet]. 2021 [cited 6 oct 24]; 23(3):e26646. Available from: http://www.jmir.org/2021/3/e26646/
He J, Baxter SL, Xu J, Xu J, Zhou X, Zhang K, et al. The practical implementation of artificial intelligence technologies in medicine. Nat Med [Internet]. 2019 [cited 6 oct 24]; 25(1):30–6. Available from: http://www.nature.com/articles/s41591-018-0307-0
Ocampo-Quintero N, Vidal-Cortés P, Del Río-Carbajo L, Fernández-Riverola F, Reboiro-Jato M, Glez-Peña D, et al. Enhancing sepsis management through machine learning techniques: A review Med Intensiva. 2022; 46:140---56
Saqib M, Iftikhar M, Neha F, Karishma F and Mumtaz H. Artificial intelligence in critical illness and its impact on patient care: a comprehensive review. Front. Med. 2023. 10:1176192. doi: 10.3389/fmed.2023.1176192
Singhal M, Gupta L, Hirani K A. A Comprehensive Analysis and Review of Artificial Intelligence in Anaesthesia. 2023, 15(9), e45038. https://doi.org/10.7759/cureus.45038
Vagvolgyi BP, Khrenov M, Cope J, Deguet A, Kazanzides P, Manzoor S, Taylor RH, Krieger A et al. Telerobotic Operation of Intensive Care Unit Ventilators. Front Robot AI 2021, 8:612964. 10.3389/frobt.2021.612964.
Van-Kammen K, Boonstra AM, Van der-Woude LH, Visscher C, Reinders-Messelink HA, Den-Otter R, et al. Lokomat guided gait in hemiparetic stroke patients: the effects of training parameters on muscle activity and temporal symmetry. Disability and Rehabilitation 2020, 42(21):2977-2985. 44.
Baronchelli F, Zucchella C, Serrao M, Intiso D, Bartolo M. The effect of robotic assisted gait training with Lokomat® on balance control after stroke: systematic review and meta-analysis. Frontiers in Neurology 2021, 12:1073.
Monteiro M, Newcombe VFJ, Mathieu F, Adatia K, Kamnitsas K, Ferrante E, et al. Multiclass semantic segmentation and quantification of traumatic brain injury lesions on head CT using deep learning: an algorithm development and multicentre validation study. Lancet Digital Health. 2020 2:e314–22. Doi: 10.1016/S2589-7500(20)30085-6
Kobayashi N, Shiga T, Ikumi S, Watanabe K, Murakami H, Yamauchi M, et al. Semiautomated tracking of pain in critical care patients using artificial intelligence: a retrospective observational study. Sci Rep. 2021, 11:5229. doi: 10.1038/s41598-021-84714-8
Liu S, Wright AP, Patterson BL. Using AI-generated suggestions from ChatGPT to optimize clinical decision support. J. Am. Med. Inform. Assoc. 2023 Doi: 10.1093/jamia/ocad072.
Large-Scale Assessment of a Smartwatch to Identify Atrial Fibrillation. N Engl J Med. 2019 [cited6oct24]; 381(20):1909–1917. Doi: 101056/nejmoa1901183
Descargas
Publicado
Cómo citar
Número
Sección
ARK
Licencia
Derechos de autor 2025 Richard Marcial Gálvez-Vila, Yanier Espinosa-Goire , José Manuel Padilla-González , Alexander Benavides-Jiménez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
La revista Gaceta Médica Estudiantil proporciona un Acceso Abierto inmediato a su contenido. Es publicada bajo una licencia Creative Commons Reconocimiento-NoComercial 4.0 Internacional (CC BY-NC) que permite compartir (copiar y redistribuir el material en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material), bajo las condiciones de reconocer la autoría y no hacer uso comercial de los materiales.
