Inteligencia artificial en anestesiología: Modelos predictivos para mejorar la seguridad perioperatoria
Revista Boliviana de Anestesiología · 23.07.2026 · 18 (1) · 28-39
DOI: 10.67751/rba.v18i1.9 ↗Kurz gefasst
Fachartikel in der Zeitschrift Revista Boliviana de Anestesiología, online erschienen am 23.07.2026. Verfasst von Maddy Stephanie Morales Lopez und 1 weiteren Autor:innen. Die Arbeit nennt 30 Literaturangaben.
Abstract (Originalsprache)
Introducción: La inteligencia artificial (IA) ha emergido como una herramienta transformadora en múltiples áreas de la medicina, particularmente en anestesiología. Los modelos predictivos desarrollados mediante técnicas de aprendizaje automático y aprendizaje profundo permiten analizar grandes volúmenes de datos clínicos en tiempo real, facilitando la anticipación de eventos adversos y mejorando la seguridad del paciente. Objetivo: Analizar la evidencia científica disponible sobre la aplicación de modelos predictivos basados en IA en anestesiología, con énfasis en su impacto en la seguridad perioperatoria. Metodología: Se realizó una revisión de la literatura en bases de datos biomédicas relevantes, incluyendo estudios publicados entre 2018 y 2025. La búsqueda bibliográfica fue actualizada por última vez en enero de 2026. Resultados: La IA ha demostrado una alta capacidad predictiva en eventos críticos como la hipotensión intraoperatoria, complicaciones respiratorias, mortalidad postoperatoria y delirio. Asimismo, su aplicación en anestesia personalizada permite optimizar la administración de fármacos anestésicos. Sin embargo, persisten desafíos relacionados con la calidad de los datos, la interpretabilidad de los modelos y aspectos éticos y legales. Conclusión: La IA representa una herramienta prometedora para mejorar la seguridad perioperatoria, aunque su implementación requiere validación clínica rigurosa y un enfoque ético adecuado.
Zitieren
APA
Lopez, M. S. M., & Chambilla, M. V. K. (2026). Inteligencia artificial en anestesiología: Modelos predictivos para mejorar la seguridad perioperatoria. Revista Boliviana de Anestesiología, 18(1), 28-39. https://doi.org/10.67751/rba.v18i1.9
Vancouver
Lopez MSM, Chambilla MVK. Inteligencia artificial en anestesiología: Modelos predictivos para mejorar la seguridad perioperatoria. Revista Boliviana de Anestesiología. 2026;18(1):28-39. doi:10.67751/rba.v18i1.9
BibTeX
@article{Lopez2026,
author = {Lopez, Maddy Stephanie Morales and Chambilla, Mayda Verónica Kantuta},
title = {Inteligencia artificial en anestesiología: Modelos predictivos para mejorar la seguridad perioperatoria},
journal = {Revista Boliviana de Anestesiología},
year = {2026},
volume = {18},
number = {1},
pages = {28--39},
doi = {10.67751/rba.v18i1.9}
}
EUVIMED