medigraphic.com
ENGLISH

Archivos de Medicina de Urgencia de México

ISSN 2594-3006 (Digital)
ISSN 2007-1752 (Impreso)
Archivos de Medicina de Urgencia de México
  • Mostrar índice
  • Números disponibles
  • Información
    • Información general        
    • Directorio
  • Publicar
    • Instrucciones para autores        
  • medigraphic.com
    • Inicio
    • Índice de revistas            
    • Registro / Acceso
  • Mi perfil

2025, Número 2-3

Siguiente >>

Arch Med Urg Mex 2025; 17 (2-3)


Inteligencia artificial en los servicios de urgencias: entre la promesa y la responsabilidad

Loria-Castellanos J, Cerón-Apipilhuasco A
Texto completo Cómo citar este artículo 10.35366/122676

DOI

DOI: 10.35366/122676
URL: https://dx.doi.org/10.35366/122676

Idioma: Español
Referencias bibliográficas: 9
Paginas: 92-94
Archivo PDF: 162.92 Kb.


PALABRAS CLAVE

Sin palabras Clave

FRAGMENTO

ESTIMADO EDITOR:

La medicina de urgencias se caracteriza por la necesidad de tomar decisiones clínicas rápidas y de alta precisión en entornos marcados por incertidumbre diagnóstica, información incompleta y elevada presión asistencial. En este contexto complejo y dinámico, el médico urgenciólogo debe priorizar, establecer diagnósticos sindrómicos e iniciar intervenciones terapéuticas oportunas, frecuentemente con un margen mínimo de error y con implicaciones clínicas inmediatas. Estas condiciones sitúan a la medicina de urgencias como un escenario altamente sensible a fallas en la toma de decisiones y, por tanto, como un campo estratégico para la incorporación de tecnologías avanzadas.
En este marco, la inteligencia artificial (IA) ha emergido como una herramienta con creciente evidencia para apoyar procesos clínicos críticos, incluyendo la optimización del triage, la estratificación del riesgo y la predicción temprana del deterioro fisiológico. Diversos modelos basados en aprendizaje automático han demostrado capacidad para integrar grandes volúmenes de datos clínicos como signos vitales, variables fisiológicas y antecedentes con el fin de generar alertas predictivas y apoyar la toma de decisiones en tiempo real.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Piliuk K, Tomforde S. Artificial intelligence in emergency medicine.A systematic literature review. Int J Med Inf. 2023; 180:105274.

  2. Franco-Pérez AM. La Inteligencia Artificial en los servicios de urgencias.Hosp Domic. 2024;8(4):203-15.

  3. Abidi SSR, Abidi SR. Intelligent health data analytics: A convergenceof artificial intelligence and big data. Healthc ManageForum. 2019;32(4):178-82.

  4. McPake B, Dayal P, Zimmermann J, Williams GA. How can countriesrespond to the health and care workforce crisis? Insights from internationalevidence. Int J Health Plann Manage 2024;39(3):879-87.

  5. Esteva, A., Robicquet, A., Ramsundar, B., et al. A guide to deeplearning in healthcare. Nature Medicine 2019, 25(1): 24–29.

  6. Jiang, F., Jiang, Y., Zhi, H., et al. Artificial intelligence in healthcare:past, present and future. Stroke and Vascular Neurology 2017,2(4), 230–243.

  7. Topol, E. (2019). Deep Medicine: How Artificial Intelligence CanMake Healthcare Human Again. Basic Books.

  8. World Health Organization. (2021). Ethics and governance of artificialintelligence for health. WHO.

  9. Yu, K.-H., Beam, A. L., & Kohane, I. S. Artificial intelligence in healthcare.Nature Biomedical Engineering 2018; 2(10), 719–731.




2020     |     www.medigraphic.com

Mi perfil

C?MO CITAR (Vancouver)

Arch Med Urg Mex. 2025;17

ARTíCULOS SIMILARES

CARGANDO ...