DOI: 10.26820/recimundo/7.(4).oct.2023.308-321

URL: https://recimundo.com/index.php/es/article/view/2156

EDITORIAL: Saberes del Conocimiento

REVISTA: RECIMUNDO

ISSN: 2588-073X

TIPO DE INVESTIGACIÓN: Artículo de investigación

CÓDIGO UNESCO: 32 Ciencias Médicas

PAGINAS: 308-321

Avances y perspectivas de la Inteligencia Articial (IA) en

anestesiología: un análisis integral en medicina perioperatoria

Advances and prospects of Artiﬁcial Intelligence (AI) in anesthesiology: a

comprehensive analysis in perioperative medicine

Avanços e perspectivas da Inteligência Artiﬁcial (IA) em anestesiologia:

uma análise abrangente em medicina perioperatória

Miguel Eduardo Cárdenas Alvear

; Luis Ángel Gutiérrez Romero

; Liseth Carolina Florez Zulbaran

;

Diana Carolina Pillajo Balladares

RECIBIDO: 11/05/2023 ACEPTADO: 11/07/2023 PUBLICADO: 28/10/2023

1. Diplomado Superior en Docencia Universitaria; Especialista en Anestesiología; Doctor en Medicina y Cirugía; Di-

rección Técnica de Críticos; Instituto Ecuatoriano de Seguridad Social Riobamba; Riobamba, Ecuador; pingullin1@

hotmail.com; https://orcid.org/0009-0002-9002-2061

2. Médico;Médico General del Servicio de Urgencias; Hospital Santander Herrera de Pivijay; Magdalena, Colombia;luis-

gutierrez.md@hotmail.com; https://orcid.org/0009-0005-0133-6475

3. Médica General; Médica General en IPS Salud del Caribe;Cartagena, Bolívar;lisethc.ﬂorez@gmail.com; https://

orcid.org/0009-0005-0133-6475

4. Médica; Médica Residente en Hospital SOLCA; Quito, Ecuador;diapillajo@hotmail.com; https://orcid.org/0009-

0008-0336-9803

CORRESPONDENCIA

Miguel Eduardo Cárdenas Alvear

pingullin1@hotmail.com

Riobamba, Ecuador

RESUMEN

La revisión cientíﬁca titulada "Avances y Perspectivas de la Inteligencia Artiﬁcial en Anestesiología: Un Análisis Integral

en Medicina Perioperatoria" se adentra en el análisis de la evolución y las aplicaciones de la Inteligencia Artiﬁcial (IA) en

el ámbito de la anestesiología. Desde la introducción inicial del concepto de Inteligencia Artiﬁcial por John McCarthy en

1956 hasta los avances contemporáneos que abarcan los diversos tipos de aprendizaje asociados con la IA, se explora

en detalle el impacto y la transformación que esta tecnología ha generado en la práctica anestésica. Se abordan áreas

clave de aplicación de la IA descritas en la literatura, como el monitoreo de la profundidad de la anestesia, el control de la

entrega de anestesia, la predicción de eventos perioperatorios, la orientación ecográﬁca, el manejo del dolor y la logística

quirúrgica. Además, se destaca la inﬂuencia de la IA en la formación de profesionales en anestesiología mediante simu-

ladores y sistemas de tutoría personalizados. Finalmente, a pesar de patentizar los beneﬁcios potenciales, se advierte

acerca de los desafíos éticos, legales y de seguridad que requieren atención, con el ﬁn de lograr una implementación

efectiva y responsable de la IA en el campo de la anestesiología.

Palabras clave: Anestesiología, Inteligencia Artiﬁcial, Práctica Profesional, Educación Médica.

ABSTRACT

The scientiﬁc review titled "Advances and Prospects of Artiﬁcial Intelligence in Anesthesiology: A Comprehensive Analysis

in Perioperative Medicine" delves into the analysis of the evolution and applications of Artiﬁcial Intelligence (AI) in the ﬁeld

of anesthesiology. From the initial introduction of the concept of Artiﬁcial Intelligence by John McCarthy in 1956 to con-

temporary advances encompassing various types of learning associated with AI, the impact and transformation that this

technology has brought to anesthetic practice are explored in detail. Key areas of AI application described in the literature

are addressed, such as monitoring the depth of anesthesia, controlling the delivery of anesthesia, predicting perioperative

events, ultrasound guidance, pain management, and surgical logistics. Additionally, the inﬂuence of AI on the training of

professionals in anesthesiology through simulators and personalized tutoring systems is highlighted. Finally, despite ac-

knowledging the potential beneﬁts, a warning is issued regarding the ethical, legal, and security challenges that require

attention to achieve effective and responsible implementation of AI in the ﬁeld of anesthesiology.

Keywords: Anesthesiology, Artiﬁcial Intelligence, Professional Practice, Education, Medical.

RESUMO

A revisão cientíﬁca intitulada "Advances and Prospects of Artiﬁcial Intelligence in Anesthesiology: A Comprehensive Analy-

sis in Perioperative Medicine" aprofunda a análise da evolução e das aplicações da Inteligência Artiﬁcial (IA) no campo

da anestesiologia. Desde a introdução inicial do conceito de Inteligência Artiﬁcial por John McCarthy em 1956 até aos

avanços contemporâneos que englobam vários tipos de aprendizagem associados à IA, o impacto e a transformação que

esta tecnologia trouxe à prática anestésica são explorados em pormenor. São abordadas as principais áreas de aplicação

da IA descritas na literatura, tais como a monitorização da profundidade da anestesia, o controlo da administração da

anestesia, a previsão de eventos perioperatórios, a orientação por ultra-sons, a gestão da dor e a logística cirúrgica. Além

disso, destaca-se a inﬂuência da IA na formação dos proﬁssionais de anestesiologia por meio de simuladores e sistemas

de tutoria personalizados. Por ﬁm, apesar de reconhecer os potenciais benefícios, alerta-se para os desaﬁos éticos, legais

e de segurança que requerem atenção para a implementação efetiva e responsável da IA no campo da anestesiologia.

Palavras-chave: Anestesiologia, Inteligência Artiﬁcial, Prática Proﬁssional, Educação, Medicina.

310

RECIMUNDO VOL. 7 N°4 (2023)

Introducción

La inteligencia artiﬁcial (IA) desempeña un

papel decisivo en la evolución de la medi-

cina, destacándose la anestesiología como

un campo que experimenta beneﬁcios sig-

niﬁcativos gracias a este avance tecnológi-

co.(1,2) La investigación actual se centra en

explorar cómo la inteligencia artiﬁcial pue-

de mejorar la práctica clínica en anestesio-

logía, con el propósito de optimizar aspec-

tos esenciales en la práctica, entre ellos el

ﬂujo de trabajo y la toma de decisiones en

la atención anestésica. Es importante enfa-

tizar que el objetivo de la introducción de la

IA es complementar la labor del médico y

no sustituirlo.(3)

Siendo un ámbito en constante expansión,

los resultados de varias revisiones señalan

un interés particular en el aprendizaje au-

tomático y sus aplicaciones en la atención

clínica.. Dada la amplitud de la anestesiolo-

gía, que abarca desde cuidados intensivos

hasta el manejo del dolor y la administra-

ción de fármacos, esta disciplina está bien

posicionada para aprovechar los avances

en IA.(3) La literatura subraya la intersec-

ción de la inteligencia artiﬁcial y la aneste-

sia, identiﬁcando técnicas utilizadas en la

investigación anestésica y sus aplicaciones

clínicas. La IA tiene el potencial de impac-

tar diversos aspectos de la anestesiología,

desde el respaldo perioperatorio hasta los

cuidados intensivos y el tratamiento del

dolor ambulatorio, una preocupación cru-

cial para los pacientes después de la ciru-

gía. Los sistemas de inteligencia artiﬁcial

pueden facilitar la detección temprana de

enfermedades, agilizar los diagnósticos,

personalizar los tratamientos, optimizar los

ﬂujos de trabajo clínicos, reducir los errores

humanos y mejorar la seguridad del pacien-

te.(5) Asimismo, esta tecnología resulta es-

pecialmente beneﬁciosa para monitorear la

profundidad de la anestesia, contribuyendo

a la seguridad del paciente al prevenir dete-

rioros cognitivos y sobredosis de anestesia.

En efecto, una revisión reciente publicada

en la revista Anesthesiology ha destacado

CÁRDENAS ALVEAR, M. E., GUTIÉRREZ ROMERO, L. ÁNGEL, FLOREZ ZULBARAN, L. C., & PILLAJO BALLADA-

RES, D. C.

seis áreas clave de aplicación de la inteli-

gencia artiﬁcial en anestesiología que abar-

can desde la monitorización de la profundi-

dad de la anestesia, el control anestésico,

la predicción de eventos y riesgos, hasta la

guía ecográﬁca, el manejo del dolor y la op-

timización de la logística hospitalaria en la

sala de operaciones, aspectos esenciales

para la implementación exitosa de la inte-

ligencia artiﬁcial en la práctica clínica de la

anestesiología.(5)

De esa manera, el presente trabajo permi-

te comprender cómo la IA puede mejorar la

práctica clínica de la anestesiología, ofre-

ciendo oportunidades para una atención

más avanzada y eﬁcaz, resumiendo las

características más importantes de la inte-

ligencia artiﬁcial, como el aprendizaje auto-

mático y sus tipos, técnicas especíﬁcas y

los principales campos de aplicación.(6) En

consecuencia, esta valiosa revisión, espe-

cialmente relevante en el ámbito educativo,

despertará el interés no solo de profesio-

nales vinculados a la anestesiología, sino

también de aquellos que se desempeñan

en diversas áreas de las Ciencias de la Sa-

lud. Se destaca la imperiosa necesidad de

mantenerse actualizados sobre las últimas

tecnologías y capacitarse en su implemen-

tación, tanto para maximizar los beneﬁcios

como para minimizar los riesgos.(3,4) Este

enfoque se extiende a profesionales rela-

cionados con campos aﬁnes, subrayando

que la lectura de revisiones sólidas repre-

senta la vía óptima para estar al tanto de

los desarrollos actuales en las esferas de

interés general.

En resumen, la inteligencia artiﬁcial está ge-

nerando una transformación signiﬁcativa en

la práctica médica en su conjunto, con un

impacto particularmente destacado en la

disciplina de la anestesiología. El enfoque

basado en inteligencia artiﬁcial no solo pro-

mete revolucionar la atención médica, sino

que también tiene el potencial de mejorar

tanto la eﬁciencia como la calidad del ser-

vicio, marcando así un avance signiﬁcativo

en el campo de la medicina.

311

RECIMUNDO VOL. 7 N°4 (2023)

AVANCES Y PERSPECTIVAS DE LA INTELIGENCIA ARTIFICIAL (IA) EN ANESTESIOLOGÍA: UN ANÁLISIS IN-

TEGRAL EN MEDICINA PERIOPERATORIA

Objetivo General

Analizar de manera integral la evolución y

aplicaciones de la Inteligencia Artiﬁcial (IA)

en el ámbito de la anestesiología, desde su

concepción hasta la actualidad con el pro-

pósito de comprender cómo la IA ha trans-

formado la práctica anestésica en medicina

perioperatoria.

Objetivos Especícos:

1. Explorar la evolución histórica de la Inteli-

gencia Artiﬁcial desde su conceptualiza-

ción hasta los avances actuales en anes-

tesiología, con énfasis en el impacto de la

IA en la práctica médica perioperatoria.

2. Describir las diversas aplicaciones de la

Inteligencia Artiﬁcial en anestesiología,

centrándose en áreas clave como el mo-

nitoreo de la profundidad de la anestesia,

el control de la entrega de anestesia, la

predicción de eventos perioperatorios,

la orientación ecográﬁca, el manejo del

dolor y la logística quirúrgica.

3. Destacar los posibles beneﬁcios deri-

vados de la implementación de la Inteli-

gencia Artiﬁcial en el campo de la anes-

tesiología, poniendo especial énfasis en

aspectos vinculados a la educación, de-

safíos éticos, legales y de seguridad, así

como en la mejora de la eﬁciencia y la

personalización de la atención al pacien-

te durante procedimientos quirúrgico.

Materiales y métodos

Este artículo de revisión presenta un enfo-

que en investigación cualitativa de carácter

documental o bibliográﬁco principalmente,

sobre el inﬂujo de la Inteligencia Artiﬁcial (IA)

en el ámbito de la anestesiología. (7–9) La

metodología adoptada se apoya en una revi-

sión minuciosa de la literatura especializada

en IA en el contexto de la medicina y la anes-

tesiología, incluyendo fuentes académicas,

revisiones sistemáticas y estudios empíricos

publicados en revistas cientíﬁcas.(9) En ese

sentido, se accedió a artículos de revistas

cientíﬁcas indexadas, incluyendo metaaná-

lisis y revisiones sistemáticas, a través de

motores de búsqueda especializados como

SciELO Regional, Elsevier Scopus, Dialnet,

MEDLINE/PubMed, Latindex y Cochrane Li-

brary, entre otros recursos (Tabla 1.).

Tabla 1. Ejemplo de aplicación de estrategias de búsquedas

312

RECIMUNDO VOL. 7 N°4 (2023)

Tabla 3. Palabras claves o keywords MeSH y DeCS

El presente artículo explora la evolución his-

tórica y teórica de la Inteligencia Artiﬁcial

(IA) desde sus inicios hasta su desarrollo

actual, proporcionando un contexto sólido

y se adentra en subcampos de la IA aplica-

La selección de artículos siguió criterios es-

pecíﬁcos y sistematizados, con énfasis en

aquellos publicados en los últimos 5 años

(2018-2023) o, en casos excepcionales de

relevancia, con una antigüedad superior

(Tabla 2.) Se emplearon palabras clave en

inglés y español, seleccionadas de los tes-

auros de Medical Subject Headings (MeSH)

y Descriptores de Ciencias de la Salud

(DeCS) (Tabla 3).

Tabla 2. Resumen criterios de búsqueda

dos en anestesiología, destacando el apren-

dizaje automático y profundo. Además,

examina estudios especíﬁcos que utilizan

estos enfoques en contextos clínicos, resal-

tando relevancias y limitaciones. Identiﬁca

CÁRDENAS ALVEAR, M. E., GUTIÉRREZ ROMERO, L. ÁNGEL, FLOREZ ZULBARAN, L. C., & PILLAJO BALLADA-

RES, D. C.

313

RECIMUNDO VOL. 7 N°4 (2023)

AVANCES Y PERSPECTIVAS DE LA INTELIGENCIA ARTIFICIAL (IA) EN ANESTESIOLOGÍA: UN ANÁLISIS IN-

TEGRAL EN MEDICINA PERIOPERATORIA

seis áreas clave de aplicación de la IA en

anestesiología según una revisión reciente,

profundizando en aplicaciones especíﬁcas

como el monitoreo de la profundidad

anestésica y la personalización de la ad-

ministración de anestesia. Aborda el impac-

to de la IA en la formación de profesionales

de la anestesiología, señalando desafíos

éticos, legales y de seguridad. Destaca la

importancia de un enfoque colaborativo y

multidisciplinario para abordar desafíos y

capitalizar beneﬁcios, haciendo hincapié en

la transparencia en el diseño de algoritmos y

consideraciones éticas. Concluye resaltan-

do el potencial transformador de la IA en la

práctica anestésica, subrayando beneﬁcios

en seguridad, eﬁciencia y personalización,

pero reconociendo la necesidad de abordar

desafíos éticos y garantizar un uso respon-

sable de la tecnología en este contexto.

Discusión

La Inteligencia Artiﬁcial es un campo de la

informática que se centra en el desarrollo

de sistemas capaces de realizar tareas que

requieren inteligencia humana.(10) Estas

tareas incluyen el aprendizaje, el razona-

miento, la percepción y la interacción con el

entorno. La IA se ha vuelto cada vez más re-

levante en diversas áreas de la medicina, y la

anestesiología, rama de la medicina que se

ocupa de la administración de anestesia, es

decir, la inducción de un estado reversible de

pérdida de conciencia, analgesia, relajación

muscular y, en algunos casos, amnesia para

permitir intervenciones quirúrgicas y procedi-

mientos médicos, no es una excepción.(11)

El concepto de "inteligencia artiﬁcial" (IA)

fue introducido por John McCarthy en 1956.

(10,12) Este término conceptualiza el estu-

dio de algoritmos que permiten a las máqui-

nas razonar y llevar a cabo diversas funcio-

nes, como el reconocimiento de objetos y

palabras, la resolución de problemas, toma

de decisiones e inferencia de estados mun-

diales.(3,5,12)

Aunque generalmente se asocia la inteli-

gencia artiﬁcial con computadoras y robots,

sus fundamentos se extienden a disciplinas

diversas como la ﬁlosofía, la lingüística, la

psicología y la estadística.(13) Personajes

destacados, como Leonardo Da Vinci, Blas

Pascal, Charles Babbage, Ada Lovelace,

Alan Turing, Claude Shannon, Richard Bell-

man, Marvin Minsky y el mismo John McCar-

thy, entre otros, realizaron contribuciones

notables que establecieron los cimientos de

la inteligencia artiﬁcial moderna.(1,3,14) A

pesar de provenir de campos variados, es-

tos pensadores inﬂuyentes convergieron en

la formulación de los principios fundamen-

tales que respaldan la inteligencia artiﬁcial

contemporánea. (1,14)

No obstante, los avances en ciencias de la

computación, haciendo hincapié en mejo-

ras en hardware, han facilitado las tecno-

logías esenciales para el surgimiento y de-

sarrollo continuo de la inteligencia artiﬁcial.

Estos progresos han posibilitado que la in-

teligencia artiﬁcial evolucione y se aplique

en diversas áreas, transformando la manera

en que las máquinas interactúan con su en-

torno y ejecutan funciones complejas.(14)

El aprendizaje por máquinas, que se puede

entender como la implementación práctica

de la inteligencia artiﬁcial, ha impactado po-

sitivamente en campos como la medicina,

mejorando la salud a través de aplicacio-

nes como el reconocimiento de imágenes

y el análisis de datos. (2,15) Sin embargo,

se enfrenta a desafíos, como sesgos en los

datos originales que pueden conducir a re-

sultados no deseados.(3) Las directrices

multidisciplinarias buscan abordar estos

problemas en la investigación biomédica.

En relación a lo anterior, el concepto de ro-

bótica tiene sus raíces en la literatura de

ciencia ﬁcción, con las famosas leyes de

la robótica creadas por el escritor de cien-

cia ﬁcción Isaac Asimov. Estas leyes apa-

recieron por primera vez en su relato corto

"Runaround" en 1942 y se convirtieron en un

elemento distintivo de muchas de sus obras

posteriores(3,16). Las Tres leyes de la Ro-

bótica son:

314

RECIMUNDO VOL. 7 N°4 (2023)

1. Un robot no puede hacer daño a un ser

humano ni permitir que un ser humano

sufra daño, priorizando la seguridad hu-

mana.(17)

2. Un robot debe obedecer las órdenes hu-

manas, excepto si estas entran en con-

ﬂicto con la Primera Ley, evitando accio-

nes perjudiciales. (17)

3. Un robot debe proteger su propia exis-

tencia, siempre y cuando no entre en

conﬂicto con la Primera o la Segunda

Ley, priorizando su supervivencia sin

dañar a los humanos. (17)

Estas leyes, complementadas por la Ley 0

introducida en la novela "Robots e Impe-

rio" de Isaac Asimov en 1985, han tenido

un impacto signiﬁcativo en la discusión so-

bre la intersección entre tecnología y ética.

(18) La Ley Cero, una expansión de las Tres

Leyes Originales, destaca la prioridad de

preservar la humanidad, incluso si impli-

ca poner en peligro individuos o grupos.

(18) Esta evolución en el pensamiento de

Asimov aborda dilemas éticos más com-

plejos donde las Tres Leyes Originales no

ofrecen orientación clara. (17,18) A través

de la dotación de cerebros positrónicos a

sus robots, Asimov subraya la estrecha re-

lación entre robótica e inteligencia artiﬁcial.

Es esencial señalar que estas leyes son

creaciones literarias sin aplicación real en

la programación de robots o inteligencia ar-

tiﬁcial. No obstante, han dejado una marca

signiﬁcativa en la forma en que la sociedad

considera las implicaciones éticas de la in-

teligencia artiﬁcial y la robótica.

En un rápido análisis sobre el proceso de

"aprendizaje" de la inteligencia artiﬁcial, va-

rios autores destacan al aprendizaje auto-

mático (Machine Learning), reconocido am-

pliamente como un destacado subcampo

de la inteligencia artiﬁcial en diversas cla-

siﬁcaciones.(3) Aunque el aprendizaje au-

tomático constituye una parte integral de la

inteligencia artiﬁcial, es fundamental seña-

lar que no todo el espectro de la inteligencia

artiﬁcial se fundamenta en él.(3,19) A dife-

rencia de los programas informáticos con-

vencionales, este enfoque permite que los

programas aprendan y se adapten a los da-

tos sin una programación detallada. Puede

analizar una amplia variedad de datos dife-

rentes, entre ellos texto, imágenes, números

y voz.(15) La conceptualización común del

aprendizaje automático se basa en el tipo de

algoritmo utilizado, ya sea supervisado, no

supervisado o por refuerzo.(3) El aprendizaje

supervisado implica suministrar un conjunto

de datos etiquetado para entrenar al modelo,

centrándose en tareas especíﬁcas. En este

enfoque, los algoritmos se preparan para

prever resultados determinados, como la

identiﬁcación de señales de tráﬁco o el reco-

nocimiento de determinadas imágenes.(3,5)

Este enfoque implica el uso de conjuntos de

datos de entrenamiento y prueba. El conjun-

to de entrenamiento, que suele representar

el 70% de los datos, permite a la máquina

analizar las relaciones entre las entradas y

salidas. En contraste, el conjunto de prue-

ba, abarcando el 30% restante, se encarga

de evaluar el desempeño del algoritmo en

datos nuevos, tal como un estudio realiza-

do por Kendale et al. utilizando aprendiza-

je supervisado con datos de registros elec-

trónicos de salud para identiﬁcar pacientes

con hipotensión postinducción (PAM < 55

mmHg).(3,5,20) El conjunto de datos de en-

trenamiento (70% de los pacientes) incluyó

variables como estado físico según la ASA,

edad, índice de masa corporal, comorbili-

dades, medicamentos y presiones arteriales

iniciales. Utilizaron diversos algoritmos para

analizar y aprender las variables predictoras.

Posteriormente, evaluaron la a precisión con

la que el algoritmo podía anticipar la hipoten-

sión en el 30% restante de los pacientes.(20)

En algunas investigaciones se opta por reali-

zar una validación externa mediante conjun-

tos de datos independientes para evaluar la

capacidad de generalización del algoritmo a

diversas fuentes de información. Por ejem-

plo, un estudio que emplea datos hospita-

larios podría incorporar información de otro

establecimiento para validar el rendimiento

del algoritmo en distintas poblaciones.(3)

CÁRDENAS ALVEAR, M. E., GUTIÉRREZ ROMERO, L. ÁNGEL, FLOREZ ZULBARAN, L. C., & PILLAJO BALLADA-

RES, D. C.

315

RECIMUNDO VOL. 7 N°4 (2023)

AVANCES Y PERSPECTIVAS DE LA INTELIGENCIA ARTIFICIAL (IA) EN ANESTESIOLOGÍA: UN ANÁLISIS IN-

TEGRAL EN MEDICINA PERIOPERATORIA

El aprendizaje no supervisado se reﬁere a al-

goritmos capaces de descubrir patrones en

conjuntos de datos, ofreciendo utilidad en

la categorización innovadora de pacientes,

medicamentos y otros grupos.(3,5) En otras

palabras, el modelo encuentra patrones

por sí mismo en datos no etiquetados. Bis-

gin et al. aplicaron este método al analizar

las etiquetas de medicamentos de la FDA,

identiﬁcando aspectos cruciales (farma-

cocinética, farmacodinámica y reacciones

adversas) y clasiﬁcando automáticamente

los medicamentos.(3,21) Este enfoque no

solo permite generar hipótesis para futuras

investigaciones, sino que también brinda

la oportunidad de identiﬁcar pacientes que

podrían beneﬁciarse más de determinados

medicamentos en comparación con otros,

en contextos particulares de condiciones o

enfermedades.(5)

El aprendizaje por refuerzo se caracteriza

por la capacidad de un algoritmo para ad-

quirir conocimientos sobre la realización de

una tarea especíﬁca, como la administración

de anestesia, a través de la iteración de en-

sayo y error.(5) En este proceso, el modelo

se involucra con un entorno, interactuando

y recibiendo retroalimentación en forma de

premios o penalizaciones. Desde una pers-

pectiva biológica, este enfoque se aseme-

ja al condicionamiento operante, ilustrado

clásicamente por el experimento de Skinner

con una rata que fue entrenada para presio-

nar una palanca mediante el ofrecimiento de

recompensas alimenticia.(22) Sin embargo,

en la actualidad, los retos asociados con

este tipo de aprendizaje han adquirido una

mayor complejidad. En un estudio llevado a

cabo por Padmanabhan et al., se implemen-

tó esta técnica con el ﬁn de desarrollar un

controlador de anestesia. Este controlador

utiliza la retroalimentación proveniente del

índice bispectral (BIS) y la presión arterial

media (PAM) del paciente para ajustar las

tasas de infusión de propofol en un mode-

lo de paciente simulado. El algoritmo reci-

be recompensas cuando logra mantener los

valores de BIS y PAM dentro de un rango es-

pecíﬁco, generando ajustes adicionales en

caso de que dichos valores se sitúen fuera

de dicho intervalo.(3,23)

Otro subcampo, el aprendizaje profundo, o

"deep learning", es una categoría de redes

neuronales con múltiples capas (llamadas

redes neuronales profundas) e incluye va-

riantes avanzadas como las redes neuro-

nales convolucionales, especializadas en

datos matriciales, y las redes neuronales re-

currentes, diseñadas para análisis secuen-

cial de datos.(3,5) Estas redes neuronales

profundas están diseñadas para imitar la

estructura y el funcionamiento del cerebro

humano, con capas de nodos (neuronas)

que procesan y transforman la información

de manera jerárquica.(3,5,24) El aprendizaje

profundo ha demostrado ser especialmente

eﬁcaz en tareas de reconocimiento de patro-

nes, procesamiento de imágenes y de voz,

traducción automática, entre otras.(24,25)

Requiere grandes cantidades de datos y

poder computacional, y a menudo se bene-

ﬁcia de las unidades de procesamiento grá-

ﬁco (GPU) para acelerar el entrenamiento.

A pesar de la percepción negativa genera-

da por Hollywood y los medios de comuni-

cación en torno a la inteligencia artiﬁcial, es

fundamental discernir entre la inteligencia

artiﬁcial general, que aborda la complejidad

total de la inteligencia humana, y las aplica-

ciones actuales que se centran en propie-

dades especíﬁcas. Un ejemplo destacado

se encuentra en el ámbito médico, donde

la inteligencia artiﬁcial (IA) ha encontrado

aplicaciones que van desde diagnósticos

en radiología y patología hasta intervencio-

nes terapéuticas en cardiología y cirugía.

En 2018, la Administración de Alimentos y

Medicamentos de EE.UU. aprobó el primer

software de IA para el diagnóstico de reti-

nopatía diabética, marcando un hito signiﬁ-

cativo en la integración de la tecnología en

la práctica médica. A medida que esta inte-

gración se expande, es importante que los

profesionales de la salud adquieran un pro-

fundo entendimiento de su funcionamiento

y aprendan a aprovecharla de manera efec-

316

RECIMUNDO VOL. 7 N°4 (2023)

tiva para brindar una atención más segura,

eﬁciente y rentable. La investigación en IA

en medicina avanza, ofreciendo oportunida-

des emocionantes. Su inclusión en el Quín-

tuple Objetivo resalta su función integral en

el avance constante de la seguridad del pa-

ciente perioperatorio, haciendo hincapié en

la promoción de la equidad médica.(26)

En el campo especíﬁco de la anestesiología,

la relevancia de la inteligencia artiﬁcial se su-

braya aún más. La evolución de la IA en este

campo se remonta a la década de 1950, ex-

plorando desde la anestesia automática ba-

sada en ondas cerebrales hasta la adminis-

tración automatizada de propofol utilizando el

índice biespectral, demostrando superioridad

en eﬁcacia y tiempos de recuperación.

La terapia guiada por objetivos (GDT) emer-

ge como una estrategia destacada para re-

ducir complicaciones posoperatorias, y la

IA, a través de sistemas automáticos de ad-

ministración de ﬂuidos, se presenta como

una alternativa prometedora basada en re-

troalimentación segura y eﬁcaz.(27) La in-

vestigación actual se centra en la automati-

zación de aspectos como, el alivio del dolor,

el sueño y la administración de líquidos me-

diante sistemas expertos, con perspectivas

de implementación clínica inminente.

Un caso concreto que destaca la relevancia

de la aprobación regulatoria en el progreso

de la implementación clínica de sistemas de

inteligencia artiﬁcial en anestesiología es el

respaldo continuo otorgado al sistema Au-

toTIVA (titulación automatizada de propofol

y remifentanilo mediante el índice bispectral

-BIS-) por parte de la Marina de los Estados

Unidos y la Administración de Alimentos y

Medicamentos (FDA), en marcado contras-

te con la retirada del mercado del sistema

Sedasys (21,22). Este contraste resalta la

inﬂuencia crítica de la aprobación normati-

va en el desarrollo exitoso de tecnologías

innovadoras en el ámbito anestésico..

Este énfasis se basa en los hallazgos de

una revisión reciente publicada en la revis-

ta Anesthesiology, que Identiﬁca seis áreas

clave de aplicación de la inteligencia artiﬁ-

cial en anestesiología.(3) Estas áreas abar-

can desde la monitorización de la profundi-

dad de la anestesia y el control anestésico

hasta la predicción de eventos y riesgos.(5)

Además, la IA se destaca en la guía ecográ-

ﬁca, el manejo del dolor y la optimización de

la logística hospitalaria en la sala de opera-

ciones.(5) Este enfoque integral demuestra

el impacto potencial de la inteligencia ar-

tiﬁcial en diversos aspectos de la práctica

anestésica, consolidando su papel como

herramienta invaluable en este campo.

En lo que respecta al Monitoreo de la Pro-

fundidad de la Anestesia, los estudios que

abordan este beneﬁcio se concentran en la

aplicación del Índice de Severidad Bispec-

tral (BIS) y la electroencefalografía (EEG).

(5,28) El enfoque principal se dirige hacia

la prevención de la conciencia intraopera-

toria, siendo tanto el BIS como la EEG indi-

cadores indispensables para este propósi-

to.(5,28) El uso del aprendizaje automático

ha demostrado ser eﬁcaz en el análisis de

datos complejos provenientes de la EEG,

resaltando la habilidad de las redes neuro-

nales para evaluar diversas características

y mejorar la precisión en la identiﬁcación de

pacientes que se encuentran despiertos o

bajo efectos de la anestesia.(5)

En cuanto al control de la entrega de anes-

tesia, se ha observado una evolución que

parte del uso de signos clínicos conven-

cionales, como la presión arterial, hasta la

adopción del Índice de Severidad Bispectral

(BIS) como una medida objetiva.(5) La inteli-

gencia artiﬁcial (IA) emerge como una herra-

mienta clave para personalizar la adminis-

tración de anestesia, utilizando análisis de

datos genéticos y otros factores individua-

les. Este enfoque no solo mejora la eﬁcacia

del proceso, sino que también contribuye a

la reducción de efectos secundarios. Ade-

más, la IA demuestra su utilidad al analizar

datos en tiempo real, como la respuesta del

paciente a la anestesia, permitiendo ajustes

automáticos en la dosiﬁcación para mante-

ner un nivel óptimo durante la cirugía.(29)

CÁRDENAS ALVEAR, M. E., GUTIÉRREZ ROMERO, L. ÁNGEL, FLOREZ ZULBARAN, L. C., & PILLAJO BALLADA-

RES, D. C.

317

RECIMUNDO VOL. 7 N°4 (2023)

AVANCES Y PERSPECTIVAS DE LA INTELIGENCIA ARTIFICIAL (IA) EN ANESTESIOLOGÍA: UN ANÁLISIS IN-

TEGRAL EN MEDICINA PERIOPERATORIA

Asimismo, posibilita el monitoreo continuo de

signos vitales y otros parámetros, emitiendo

alertas tempranas ante cambios signiﬁcati-

vos en la condición del paciente. Se resalta

la aplicación de lógica difusa y aprendizaje

por refuerzo para optimizar el control anesté-

sico, proporcionando un enfoque más preci-

so y adaptativo.(30) La inﬂuencia de la IA se

extiende a la administración automatizada

del bloqueo neuromuscular y al control de la

ventilación mecánica.(31) La predicción de

eventos perioperatorios y postoperatorios se

convierte en una práctica indispensable para

anticipar complicaciones mediante técnicas

de aprendizaje automático, redes neurona-

les y lógica difusa.(3) Esto incluye aspectos

como la duración de la estancia hospitala-

ria, el mantenimiento de la conciencia, entre

otros. En particular, se destaca la capacidad

de los algoritmos de aprendizaje automático

para analizar datos históricos y prever posi-

bles complicaciones durante la anestesia y la

cirugía, permitiendo a los profesionales de la

salud tomar medidas preventivas de mane-

ra proactiva. Se hace hincapié en el empleo

de redes neuronales para predecir efectos

hipnóticos de anestésicos, así como en la

aplicación de modelos de regresión logística

para anticipar eventos como la hipotensión

y prever las necesidades de ventilación, de-

terioro clínico, morbilidad y mortalidad.(3,5)

Este enfoque integral demuestra el potencial

transformador de la inteligencia artiﬁcial en

la mejora continua de la práctica anestésica

y la seguridad del paciente.

La Orientación Ecográca describe el uso

de técnicas de inteligencia artiﬁcial (IA)

destinadas a potenciar procedimientos ba-

sados en ultrasonido, siendo las redes neu-

ronales su principal herramienta para la cla-

siﬁcación de imágenes.(5) Esta aplicación

abarca desde la identiﬁcación de estructu-

ras anatómicas, como arterias y venas, has-

ta la automatización en la localización de

puntos de referencia esenciales para proce-

dimientos como la colocación epidural.(5)

Asociado al Manejo del Dolor, la inteligencia

artiﬁcial desempeña un papel fundamental

al permitir la predicción precisa de dosis de

opioides, así como la identiﬁcación proac-

tiva de pacientes que podrían beneﬁciarse

de una consulta preoperatoria para el dolor

agudo.(5,32) La IA se ha empleado con éxi-

to en el análisis de datos provenientes de

imágenes cerebrales y señales ﬁsiológicas,

con el objetivo primordial de optimizar la

identiﬁcación y gestión del dolor.(33) Este

enfoque integral demuestra el potencial

transformador de la inteligencia artiﬁcial en

dos áreas cruciales de la práctica médica,

destacando su capacidad para mejorar la

precisión y eﬁcacia de los procedimientos

ecográﬁcos y su contribución signiﬁcativa

al avance en el manejo del dolor, desde la

predicción de dosis hasta la identiﬁcación

temprana de pacientes en riesgo.(5)

La Logística de Quirófano, en última ins-

tancia, explora la incorporación de la Inte-

ligencia Artiﬁcial (IA) para analizar diversos

aspectos logísticos en los procedimientos

quirúrgicos. Entre las funciones que abor-

da se encuentra la predicción de la dura-

ción de las operaciones, la optimización del

uso de camas y el seguimiento de los mo-

vimientos de los anestesiólogos.(34) Para

lograr estos objetivos, se emplean métodos

avanzados como redes neuronales y lógica

difusa, contribuyendo así a mejorar tanto la

eﬁciencia operativa como la seguridad del

paciente.(5) La inteligencia artiﬁcial desem-

peña un papel crucial al asistir en la auto-

matización de tareas rutinarias dentro del

quirófano.(35) Esta automatización no solo

agiliza los procesos, sino que también libe-

ra a los anestesiólogos de labores repetiti-

vas, permitiéndoles concentrarse en deci-

siones clínicas más complejas y en brindar

una atención personalizada al paciente.

Es esencial destacar la marcada inﬂuencia

de la inteligencia artiﬁcial (IA) en la forma-

ción y capacitación de profesionales, espe-

cialmente en el ámbito de la anestesiología.

Este impacto se materializa a través de la

aplicación de simuladores de Realidad Vir-

tual (RV) y Aumentada (RA) que incorporan

la IA en entornos de simulación, brindando

318

RECIMUNDO VOL. 7 N°4 (2023)

experiencias inmersivas de entrenamiento.

(36,37) En este contexto, los profesionales

tienen la oportunidad de practicar procedi-

mientos, enfrentarse a escenarios realistas

y tomar decisiones críticas sin exponer a

los pacientes a riesgos. Otra contribución

signiﬁcativa de la IA al entrenamiento de

anestesiólogos son los Sistemas de Tuto-

ría Personalizados, donde la IA se adapta

al progreso individual de cada estudiante,

identiﬁca fortalezas y debilidades, y pro-

porciona materiales educativos especíﬁcos

para mejorar la comprensión y habilida-

des en áreas particulares.(37–39) En este

sentido, las plataformas de e-learning im-

pulsadas por IA ofrecen contenido perso-

nalizado, evaluaciones adaptativas y retro-

alimentación instantánea, haciendo que el

proceso de aprendizaje sea más eﬁciente y

atractivo para los estudiantes.(39,40)

En términos de evaluaciones de rendimiento

académico y práctico, la IA puede analizar

extensos conjuntos de datos, identiﬁcando

patrones y tendencias, lo que permite a los

educadores evaluar de manera más efecti-

va el progreso de los estudiantes y ajustar

los enfoques de enseñanza según sea ne-

cesario. Asimismo, los anestesiólogos pue-

den beneﬁciarse de asistentes virtuales ba-

sados en IA que proporcionan información

actualizada sobre los últimos avances en la

investigación médica y los procedimientos

anestésicos.(41) Estos asistentes apoyan a

la educación continua y mantienen a los pro-

fesionales al tanto de las últimas prácticas y

tecnologías.(41,42) Además, los sistemas

de IA pueden auxiliar a los anestesiólogos

en la toma de decisiones más informadas

y rápidas durante los procedimientos. Al

analizar datos en tiempo real, como signos

vitales del paciente y datos de monitoreo, la

IA puede ofrecer recomendaciones y aler-

tas pertinentes.(43) En este sentido, la IA

también desempeña un papel crucial en la

interpretación de imágenes médicas, como

resonancias magnéticas y tomografías

computarizadas, facilitando el diagnóstico

y la planiﬁcación de procedimientos.

Adicionalmente, la IA facilita la recopilación

y análisis de grandes volúmenes de datos

se revelan como herramientas fundamen-

tales en el campo de la anestesiología.(4)

Este enfoque permite identiﬁcar patrones,

reconocer tendencias y establecer mejores

prácticas a partir de la vasta cantidad de

información recopilada.(4) En consecuen-

cia, la toma de decisiones se vuelve más

informada y eﬁciente, contribuyendo a ele-

var los estándares de atención médica en el

ámbito quirúrgico.

La integración de sistemas de inteligencia

artiﬁcial (IA) en anestesiología promete im-

pulsar la seguridad y eﬁciencia de los pro-

cedimientos anestésicos, mejorando así la

atención médica para pacientes y profesio-

nales de la salud.(3,4) Estos sistemas aler-

tan sobre posibles complicaciones durante

la anestesia, permitiendo intervenciones

tempranas y elevando los estándares de

seguridad. A pesar de los beneﬁcios poten-

ciales, es crucial reconocer que la super-

visión humana sigue siendo indispensable,

con la IA desempeñando un papel de apoyo

para optimizar la atención médica. Aunque

la IA promete mejorar la práctica de la anes-

tesiología, también plantea desafíos éticos,

prácticos, legales y de seguridad que re-

quieren una cuidadosa consideración para

garantizar beneﬁcios genuinos para los pa-

cientes.(4) La privacidad de los datos, la

interpretación de algoritmos y la toma de

decisiones autónoma son temas que deben

abordarse de manera cuidadosa.(4)

A pesar de los avances, la implementación

efectiva de la IA en anestesiología requiere

esfuerzos colaborativos. La transparencia

en el diseño de algoritmos, la eliminación

del sesgo y la atención a los aspectos éti-

cos son consideraciones críticas.(44) La

aceptación y comprensión de esta tecno-

logía son fundamentales para aprovechar

su potencial sin comprometer la seguridad

y la ética en la práctica clínica. Es esencial

no temer a la obsolescencia profesional, ya

que la IA busca complementar las habilida-

des de los profesionales de la salud.(45) La

CÁRDENAS ALVEAR, M. E., GUTIÉRREZ ROMERO, L. ÁNGEL, FLOREZ ZULBARAN, L. C., & PILLAJO BALLADA-

RES, D. C.

319

RECIMUNDO VOL. 7 N°4 (2023)

AVANCES Y PERSPECTIVAS DE LA INTELIGENCIA ARTIFICIAL (IA) EN ANESTESIOLOGÍA: UN ANÁLISIS IN-

TEGRAL EN MEDICINA PERIOPERATORIA

colaboración multidisciplinaria entre profe-

sionales de la anestesia, cientíﬁcos, infor-

máticos y expertos en IA es perentoria.

En resumen, la integración de la Inteligen-

cia Artiﬁcial en la anestesiología tiene el po-

tencial de mejorar la seguridad, eﬁciencia y

personalización de la atención al paciente

durante los procedimientos quirúrgicos. Sin

embargo, es esencial abordar los desafíos

éticos y garantizar que la tecnología se utilice

de manera responsable y beneﬁciosa para

los pacientes y los profesionales de la salud.

Conclusiones

• La Inteligencia Artiﬁcial (IA) ha expe-

rimentado una evolución signiﬁcativa,

encontrando aplicaciones diversas en

la medicina, particularmente en la anes-

tesiología, donde ha transformado tanto

la administración de anestesias como la

realización de procedimientos quirúrgi-

cos. Desde la aprobación de software de

IA para diagnóstico hasta la automatiza-

ción de la administración de anestesia, la

IA ha demostrado de manera concluyen-

te su relevancia y eﬁcacia en este ámbito.

• El desarrollo histórico de la IA se re-

monta a ﬁguras destacadas en diversos

campos, y su progresión ha sido impul-

sada por avances notables en ciencias

de la computación, especialmente en el

ámbito del hardware. Aunque las leyes

de la robótica propuestas por Isaac Asi-

mov han inﬂuido en la ética de la IA, es

importante destacar que estas leyes, a

pesar de su impacto literario, carecen

de aplicación práctica en la programa-

ción real de robots.

• El aprendizaje automático emerge como

un componente esencial en la imple-

mentación práctica de la IA, presen-

tando una diversidad de enfoques, que

incluyen aprendizaje supervisado, no

supervisado y por refuerzo, cada uno

con aplicaciones especíﬁcas en el ám-

bito médico y, más concretamente, en la

anestesiología.

• La IA despliega aplicaciones fundamen-

tales en la monitorización de la profundi-

dad de la anestesia, el control anestésico,

la predicción de eventos perioperatorios,

la orientación ecográﬁca, el manejo del

dolor y la logística quirúrgica. Además,

su inﬂuencia se extiende a la formación y

capacitación de profesionales de la anes-

tesiología, mejorando la educación me-

diante la implementación de simuladores

y sistemas de tutoría personalizados.

• A pesar de los beneﬁcios innegables,

la implementación de la IA en aneste-

siología plantea desafíos éticos, prácti-

cos, legales y de seguridad, abordando

cuestiones como la privacidad de los

datos y la toma de decisiones autónoma.

En este contexto, la supervisión humana

continúa siendo esencial, y la colabora-

ción multidisciplinaria se presenta como

un elemento capital para abordar los as-

pectos éticos y asegurar un uso respon-

sable de esta tecnología vanguardista.

Recomendaciones

• Es necesario mantener la transparencia

en el diseño de algoritmos de IA y fo-

mentar la colaboración multidisciplinaria

entre profesionales de la salud, cientíﬁ-

cos, informáticos y expertos en IA.

• Los desafíos éticos, la interpretación de

algoritmos y la seguridad deben abor-

darse cuidadosamente para garantizar

que la IA beneﬁcie genuinamente a pa-

cientes y profesionales de la salud. La

IA ofrece oportunidades emocionantes

para mejorar la seguridad, eﬁciencia y

personalización de la atención al pa-

ciente en anestesiología. Se recomienda

aprovechar estas oportunidades para

avanzar en la práctica médica.

• Se recomienda un énfasis en la forma-

ción y comprensión de la tecnología por

parte de los profesionales de la salud

para aprovechar el potencial de la IA sin

comprometer la seguridad y la ética en

la práctica clínica.

320

RECIMUNDO VOL. 7 N°4 (2023)

Bibliografía

Abeliuk A, Gutiérrez C. Historia y evoluación de la inte-

ligencia artiﬁcial. Rev Bits Cienc. 2021;(21):14–21.

Avila-Tomás JF, Mayer-Pujadas MA, Quesada-Va-

rela VJ. La inteligencia artiﬁcial y sus aplicacio-

nes en medicina I: introducción antecedentes

a la IA y robótica. Atención Primaria [Internet].

2020;52(10):778–84. Available from: https://www.

elsevier.es/es-revista-atencion-primaria-27-ar-

ticulo-la-inteligencia- artiﬁcial-sus-aplicacio-

nes-S0212656720301451

Lacassie HJ. Artiﬁcial inteligence for the 21 century

anesthesiologist. Rev Chil Anest. 2022;51(5):505–7.

Benavent D, Colomer J, Quecedo L, Gol-Moncerrat

J, E. del Llano J. Inteligencia artiﬁcial y decisiones

clínicas: Cómo está cambiando el comportamien-

to del médico [Internet]. 2020. 226 p. Available

from: https://fundaciongasparcasal.org/wp-con-

tent/uploads/2020/12/Decisiones- clinicas-e-inteli-

gencia-artiﬁcial.pdf

Hashimoto DA, Witkowski E, Gao L, Meireles O, Ros-

man G. Artiﬁcial intelligence in anesthesiology:

Current techniques, clinical applications, and limi-

tations. Anesthesiology. 2020;(2):379–94.

Tan JM, Cannesson MP. Newsletter Links. BOLETÍN

Inf. 6(1).

Rivas Ruiz F. Taller Cómo publicar un artículo origi-

nal en revistas cientíﬁcas con factor de impacto.

2017;(26):101–9.

Córdoba Pachón JR. Perspectivas para la socie-

dad de la información. Pensam Gestión [Internet].

2005;19:78–100. Available from: http://www.re-

dalyc.org/articulo.oa?id=64601904

Camilo Fuentes J, Andrea Cañón L, Viviana Pérez Á,

E Pinzón C, María Pérez A, Avellaneda PA, et al.

Metodologías para la priorización en investigación

en salud: una revisión sistemática de la literatura.

Rev Panam Salud Publica. 2017;41:e122.

Porcelli Adriana Margarita. La inteligencia artiﬁcial

y la robótica: sus dilemas sociales, éticos y jurí-

dicos. Derecho Glob Estud sobre derecho y justi-

cia [Internet]. 2020;6(16):49–105. Available from:

http://www.scielo.org.mx/scielo.php?pid=S2448-

51362020000300049&script=sci_arttext

Gómez-Rojas JP. Historia de la anestesiología. Rev

Mex Anestesiol. 2021;44(4):288–99.

Garzona Navas A. Inteligencia Artiﬁcial en Cardiolo-

gía. Rev Costarric Cardiol. 2022;24(2):3–5.

Barrera L. Fundamentos Históricos Y Filosóﬁcos De

La Inteligencia Artiﬁcial. UCV-HACER Rev Investig y

Cult [Internet]. 2012;1(1):87–92. Available from: ht-

tps://www.redalyc.org/pdf/5217/521752338014.pdf

Caparrini FS. Breve historia de la inteligencia artiﬁcial.

Rev Occident. 2018;2018-July(446–447):19–33.

Etemadi M, Hogue CW. Preventing Intraoperative

Hypotension: Artiﬁcial Intelligence versus Aug-

mented Intelligence? Anesthesiology [Internet].

2020 Dec 1;133(6):1170–2. Available from: https://

doi.org/10.1097/ALN.0000000000003561

Brauner A-S, Gymnasium MG. Runaround by Isaac

Asimov and the signiﬁcance of the Three Laws of

Robotics in today’s world.

Isaac Asimov. El círculo vicioso. Vol. 42, Books

Abroad. 1942. 20 p.

Asimov I. LOS ROBOTS Y EL IMPERIO Librodot.

Vega MÁ, Mora LMQ, Badilla MVC. Inteligencia arti-

ﬁcial y aprendizaje automático en medicina. Rev

médica Sinerg. 2020;5(8):e557–e557.

Kendale S, Kulkarni P, Rosenberg AD, Wang J. Su-

pervised Machine-learning Predictive Analytics for

Prediction of Postinduction Hypotension. Anesthe-

siology. 2018 Oct;129(4):675–88.

Bisgin H, Liu Z, Fang H, Xu X, Tong W. Mining FDA

drug labels using an unsupervised learning tech-

nique--topic modeling. BMC Bioinformatics. 2011

Oct;12 Suppl 1(Suppl 10):S11.

Solórzano J. Historia del condicionamiento operante.

2020;

Padmanabhan R, Meskin N, Haddad WM. Clo-

sed-loop control of anesthesia and mean arterial

pressure using reinforcement learning. Biomed

Signal Process

Control [Internet]. 2015;22:54–64. Available from:

http://dx.doi.org/10.1016/j.bspc.2015.05.013

Shinde PP, Shah S. A review of machine learning and

deep learning applications. In: 2018 Fourth inter-

national conference on computing communication

control and automation (ICCUBEA). IEEE; 2018. p.

1–6.

Macias Vera GG. Estudio relacionado con nuevas

tecnologías de machine Learning para determi-

nar cuadros clínicos. Babahoyo: UTB-FAFI. 2023;

2023.

Nundy S, Cooper LA, Mate KS. The Quintuple Aim for

Health Care Improvement: A New Imperative to Ad-

vance Health Equity. JAMA. 2022 Feb;327(6):521–2.

CÁRDENAS ALVEAR, M. E., GUTIÉRREZ ROMERO, L. ÁNGEL, FLOREZ ZULBARAN, L. C., & PILLAJO BALLADA-

RES, D. C.

321

RECIMUNDO VOL. 7 N°4 (2023)

AVANCES Y PERSPECTIVAS DE LA INTELIGENCIA ARTIFICIAL (IA) EN ANESTESIOLOGÍA: UN ANÁLISIS IN-

TEGRAL EN MEDICINA PERIOPERATORIA

Resalt-Pereira M, Muñoz JL, Miranda E, Cuquerella

V, Pérez A. Efecto de la ﬂuidoterapia guiada por

objetivos en cirugía colorrectal laparoscópica den-

tro de un protocolo de rehabilitación multimodal.

Rev Esp Anestesiol Reanim. 2019;66(5):259–66.

Cortés Barenque MF, Athié García JM, Morales Gá-

mez JL, Alva Arroyo NV, Saucedo Moreno EM. Uso

de la monitorización de profundidad anestésica.

Acta médica Grup Ángeles. 2021;19(2):190–4.

Fuica R, Krochek C, Weissbrod R, Greenman D, Fre-

undlich A, Gozal Y. Reduced postoperative pain

in patients receiving nociception monitor guided

analgesia during elective major abdominal sur-

gery: a randomized, controlled trial. J Clin Monit

Comput. 2023 Apr;37(2):481–91.

Marrero A, Méndez J, González G, Reboso J, León

A, Martín M. Sistema De Control Adaptativo De

Anestesia Basado En Lógica Difusa. Actas las

XXXVI Jornadas Automática [Internet]. 2015;2–

4. Available from: http://www.ehu.eus/docu-

ments/3444171/4484746/15.pdf

Gallifant J, Zhang J, del Pilar Arias Lopez M, Zhu T,

Camporota L, Celi LA, et al. Artiﬁcial intelligence

for mechanical ventilation: systematic review of

design, reporting standards, and bias. Br J Anaes-

th [Internet]. 2022;128(2):343–51. Available from:

https://doi.org/10.1016/j.bja.2021.09.025

Gram M, Erlenwein J, Petzke F, Falla D, Przemeck M,

Emons MI, et al.

Prediction of postoperative opioid analgesia using

clinical-experimental parameters and electroen-

cephalography. Eur J Pain. 2017 Feb;21(2):264–77.

Ben-Israel N, Kliger M, Zuckerman G, Katz Y, Edry

R. Monitoring the nociception level: a multi-pa-

rameter approach. J Clin Monit Comput. 2013

Dec;27(6):659–68.

Combes C, Meskens N, Rivat C, Vandamme J-P.

Using a KDD process to forecast the duration of sur-

gery. Int J Prod Econ [Internet]. 2008;112(1):279–

93. Available from: https://www.sciencedirect.com/

science/article/pii/S0925527307001466

Houliston BR, Parry DT, Merry AF. TADAA: Towards

Automated Detection of Anaesthetic Activity. Me-

thods Inf Med. 2011;50(5):464–71.

Ferreira RS, Xavier RAC, Ancioto ASR. Virtual reality as

a tool for basic and vocational education. Rev Cient

Gen Jose Maria Cordova. 2021;19(33):223–41.

Ramírez JJO, Figueroa LM, Diego AMS, Valencia G.

Telementoring como parte de la comunicación en

la educación medica, a partir de la realidad virtual

y realidad aumentada. ARTÍCULO DE REFLEXIÓN.

Rodríguez Chávez MH. Sistemas de tutoría inteli-

gente y su aplicación en la educación superior.

RIDE Rev Iberoam para la Investig y el Desarro

Educ. 2021;11(22).

Esther Melo Hanna GI, Girasol Acosta Mora III M,

Fernanda Coto Goyón MI, Esther Melo Hanna G,

Fernanda Coto Goyón M, Girasol Acosta Mora M.

Educación y la Inteligencia Artiﬁcial (IA) Educa-

ción y la Inteligencia Artiﬁcial (IA) Education and

Artiﬁcial Intelligence (AI) Educação e Inteligência

Artiﬁcial (IA) Educación y la Inteligencia Artiﬁcial

(IA). 2023;9:242–55. Available from: http://domi-

niodelasciencias.com/ojs/index.php/es/index

Barrera Rea VF, Guapi Mullo A. La importancia del

uso de las plataformas virtuales en la educación

superior. Atlante Cuad Educ y Desarro. 2018;(ju-

lio).

Hernandez PR, Cruz DV. Los Asistentes virtuales ba-

sados en Inteligencia Artiﬁcial. ReCIBE, Rev elec-

trónica Comput Informática, Biomédica y Electró-

nica. 2022;11(2):C1-11.

Vidal Ledo MJ, Madruga González A, Valdés Santia-

go D. Inteligencia artiﬁcial en la docencia médica.

Educ Médica Super. 2019;33(3).

Barzallo S, Barzallo P. La Inteligencia Artiﬁcial en Me-

dicina. Ateneo. 2019;21(2):81–94.

Cotino Hueso L. Qué concreta transparencia e in-

formación de algoritmos e inteligencia artiﬁcial es

la debida. Revista Española de la Transparencia.

2023. 17–63 p.

Pinto Dos Santos D, Giese D, Brodehl S, Chon SH,

Staab W, Kleinert R, et al. Medical students’ attitu-

de towards artiﬁcial intelligence: a multicentre sur-

vey. Eur Radiol. 2019 Apr;29(4):1640–6.

CITAR ESTE ARTICULO:

Cárdenas Alvear, M. E., Gutiérrez Romero, L. Ángel, Florez Zulbaran, L. C.,

& Pillajo Balladares, D. C. (2023). Avances y perspectivas de la inteligencia

artiﬁcial (IA) en anestesiología: un análisis integral en medicina perioperato-

ria. RECIMUNDO, 7(4), 308-321. https://doi.org/10.26820/recimundo/7.(4).

oct.2023.308-321