DOI: 10.26820/recimundo/9.(2).abril.2025.323-339

URL: https://recimundo.com/index.php/es/article/view/2645

EDITORIAL: Saberes del Conocimiento

REVISTA: RECIMUNDO

ISSN: 2588-073X

TIPO DE INVESTIGACIÓN: Artículo de revisión

CÓDIGO UNESCO: 32 Ciencias Médicas

PAGINAS: 323-339

Ética y desafíos de la implementación de la inteligencia

articial en la práctica de la enfermería. Revisión sistemática

Ethics and challenges of the implementation of artiﬁcial intelligence in

nursing practice. Systematic review

Ética e desaﬁos da implementação da inteligência artiﬁcial na prática de

enfermagem. Revisão sistemática

Clara Jenier Noboa Mora1; Germania Marivel Vargas Aguilar2; Carlos César Martínez Benítez3

RECIBIDO: 01/05/2025 ACEPTADO: 15/05/2025 PUBLICADO: 31/05/2025

1. Magíster en Salud Pública Mención en Atención Integral en Urgencias y Emergencias; Licenciada en

Enfermería; Universidad Estatal de Milagro; Milagro, Ecuador; cnoboam2@unemi.edu.ec; https://orcid.

org/0009-0004-4639-9704

2. Magíster en Diseño Curricular; Doctorado en Ciencias de la Salud; Licenciada en Enfermería; Universidad

de Guayaquil; Guayaquil, Ecuador; https://orcid.org/0000-0002-8116-7261

3. Médico; Universidad Espíritu Santo; Guayaquil, Ecuador; carlosmartinez@uees.edu.ec; https://orcid.

org/0009-0008-0404-0831

CORRESPONDENCIA

Clara Jenier Noboa Mora

cnoboam2@unemi.edu.ec

Milagro, Ecuador

RESUMEN

La rápida integración de la Inteligencia Artiﬁcial (IA) en la atención sanitaria plantea importantes interrogantes éticos y desafíos prácticos

para la enfermería. Este estudio tuvo como propósito identiﬁcar y analizar las consideraciones éticas y los obstáculos asociados a la

implementación de la IA en la práctica enfermera. Se realizó una revisión sistemática siguiendo la metodología PRISMA. La búsqueda

exhaustiva incluyó bases de datos como PubMed, Scopus y Web of Science, utilizando términos clave relacionados con IA, ética y enfer-

mería. Se seleccionaron artículos de investigación originales publicados entre 2018 y 2024 que abordaran el tema central. Los hallazgos

revelan preocupaciones éticas predominantes en torno a la privacidad de datos, la autonomía del paciente, la responsabilidad profesio-

nal y la equidad en el acceso a la tecnología. Los desafíos identiﬁcados incluyen la necesidad de formación especializada, la resistencia

al cambio, la integración con sistemas existentes y la falta de marcos regulatorios claros. La implementación de la IA en enfermería es

inevitable y beneﬁciosa, pero requiere un enfoque ético robusto y una planiﬁcación cuidadosa para superar los desafíos. Es crucial de-

sarrollar directrices éticas, programas de capacitación y políticas que garanticen una adopción responsable de la IA, salvaguardando la

calidad de la atención y el rol profesional de la enfermera.

Palabras clave: Inteligencia artiﬁcial, Ética, Enfermería, Revisión sistemática, Transformación digital.

ABSTRACT

The rapid integration of Artiﬁcial Intelligence (AI) into healthcare raises important ethical questions and practical challenges for nursing.

This study aimed to identify and analyze the ethical considerations and barriers associated with the implementation of AI in nursing prac-

tice. A systematic review was conducted following the PRISMA methodology. The comprehensive search included databases such as

PubMed, Scopus and Web of Science, using key terms related to AI, ethics and nursing. Original research articles published between

2018 and 2024 that addressed the central theme were selected. Findings reveal predominant ethical concerns around data privacy,

patient autonomy, professional responsibility, and equity in access to technology. Challenges identiﬁed include the need for specialized

training, resistance to change, integration with existing systems, and lack of clear regulatory frameworks. Implementation of AI in nursing

is inevitable and beneﬁcial, but requires a robust ethical approach and careful planning to overcome the challenges. It is crucial to de-

velop ethical guidelines, training programs, and policies that ensure responsible adoption of AI, safeguarding the quality of care and the

professional role of the nurse.

Keywords: Artiﬁcial intelligence, Ethics, Nursing, Systematic review, Digital transformation.

RESUMO

A rápida integração da Inteligência Artiﬁcial (IA) nos cuidados de saúde levanta importantes questões éticas e desaﬁos práticos para a

enfermagem. Este estudo teve como objetivo identiﬁcar e analisar as considerações éticas e as barreiras associadas à implementação da

IA na prática de enfermagem. Foi efectuada uma revisão sistemática seguindo a metodologia PRISMA. A pesquisa abrangente incluiu bases

de dados como PubMed, Scopus e Web of Science, usando termos-chave relacionados à IA, ética e enfermagem. Foram selecionados

artigos de investigação originais publicados entre 2018 e 2024 que abordavam o tema central. Os resultados revelam preocupações éticas

predominantes em torno da privacidade dos dados, autonomia do paciente, responsabilidade proﬁssional e equidade no acesso à tecnolo-

gia. Os desaﬁos identiﬁcados incluem a necessidade de treinamento especializado, resistência à mudança, integração com sistemas exis-

tentes e falta de estruturas regulatórias claras. A implementação da IA na enfermagem é inevitável e benéﬁca, mas requer uma abordagem

ética robusta e um planeamento cuidadoso para ultrapassar os desaﬁos. É crucial desenvolver orientações éticas, programas de formação

e políticas que garantam a adoção responsável da IA, salvaguardando a qualidade dos cuidados e o papel proﬁssional do enfermeiro.

Palavras-chave: Inteligência artiﬁcial, Ética, Enfermagem, Revisão sistemática, Transformação digital.

325

RECIMUNDO VOL. 9 N°2 (2025)

Introducción

La integración de la inteligencia artiﬁcial

(IA) en la práctica de enfermería presenta

tanto oportunidades signiﬁcativas como de-

safíos éticos relevantes. Si bien la IA puede

contribuir a mejorar la toma de decisiones

clínicas y aumentar la eﬁciencia operativa,

también plantea preocupaciones importan-

tes en torno a la privacidad de los datos, la

atribución de responsabilidades y la preser-

vación de una atención centrada en el ser

humano. Por tanto, abordar estos dilemas

éticos se vuelve fundamental para asegurar

una implementación responsable de la IA

en el ámbito enfermero.

Uno de los aspectos más críticos es la pri-

vacidad y seguridad de los datos. La utili-

zación de IA en entornos clínicos implica el

manejo de información conﬁdencial de los

pacientes, lo cual genera inquietudes sobre

posibles ﬁltraciones y accesos no autoriza-

dos (Badawy et al., 2024; Wubineh et al.,

2023). Además, el tema de la responsabi-

lidad resulta complejo, ya que aún no está

claramente deﬁnido quién debe asumirla

en caso de que ocurran errores derivados

de decisiones tomadas por sistemas de IA

(Badawy et al., 2024; Siala & Wang, 2022).

A esto se suma la necesidad de transpa-

rencia, es decir, que los algoritmos sean

comprensibles y sus decisiones puedan ser

interpretadas y justiﬁcadas por los profe-

sionales de salud (Koo et al., 2024; Siala &

Wang, 2022).

Existen también desafíos importantes en la

implementación de estas tecnologías. Uno

de ellos es la formación y competencia del

personal de enfermería, quienes requieren

capacitación especializada para utilizar

adecuadamente la IA, una necesidad que

a menudo no se satisface (Nashwan et al.,

2025). Otro reto crucial es el sesgo en los

algoritmos. Si los sistemas no son debida-

mente supervisados, pueden reproducir

sesgos existentes en los datos de entrena-

miento, lo que puede llevar a una atención

desigual entre pacientes (Nashwan et al.,

ÉTICA Y DESAFÍOS DE LA IMPLEMENTACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA PRÁCTICA DE LA

ENFERMERÍA. REVISIÓN SISTEMÁTICA

2025). Asimismo, resulta imprescindible

contar con marcos regulatorios sólidos que

deﬁnan políticas claras sobre el uso ético

de la IA en salud, con el objetivo de pro-

teger los derechos de los pacientes y ga-

rantizar buenas prácticas (Koo et al., 2024;

Wubineh et al., 2023).

En deﬁnitiva, aunque la inteligencia artiﬁcial

tiene el potencial de transformar positiva-

mente la práctica de enfermería al mejorar

tanto la eﬁciencia como los resultados clí-

nicos, es necesario enfrentar las implica-

ciones éticas y los desafíos operativos que

conlleva su integración. Solo así se podrá

garantizar que el uso de la IA en enfermería

contribuya efectivamente a elevar la calidad

de la atención, sin comprometer los valores

fundamentales del cuidado humano-

La integración de la inteligencia artiﬁcial

(IA) en la práctica de enfermería representa

una transformación signiﬁcativa en el ámbi-

to sanitario, ofreciendo oportunidades para

mejorar la toma de decisiones clínicas, op-

timizar procesos operativos y fortalecer la

atención centrada en el paciente. Sin em-

bargo, su implementación conlleva desafíos

éticos y prácticos que requieren una eva-

luación crítica y sistemática.

La adopción de la IA en enfermería se fun-

damenta en principios como la ética del cui-

dado, la autonomía del paciente y la justicia

distributiva. La ética del cuidado destaca la

importancia de mantener la relación enfer-

mera-paciente en un entorno tecnológico

(Hanpatchaiyakul et al., 2024). La autono-

mía del paciente se ve desaﬁada por deci-

siones automatizadas que podrían limitar la

participación activa en su atención (Weiner

et al., 2024). La justicia distributiva plan-

tea preocupaciones sobre posibles sesgos

algorítmicos que afecten la equidad en la

atención (Obermeyer et al., 2019). Estos

principios subrayan la necesidad de una

implementación de la IA que respete los va-

lores fundamentales de la enfermería.

Estudios recientes han explorado la per-

cepción de los profesionales de enfermería

326 RECIMUNDO VOL. 9 N°2 (2025)

sobre la IA. Ramadan et al. (2024) identi-

ﬁcaron facilitadores y barreras en la adop-

ción de la IA, destacando la importancia

del apoyo organizacional y la capacitación

adecuada. Gallo et al. (2024) analizaron los

desafíos y oportunidades de la IA en cui-

dados críticos, enfatizando la necesidad de

mantener el factor humano en la atención.

Hanpatchaiyakul et al. (2024) abordaron las

preocupaciones éticas relacionadas con la

privacidad, la responsabilidad y la autono-

mía del paciente en la práctica de enferme-

ría asistida por IA. Estos estudios contribu-

yen al entendimiento de las implicaciones

éticas y prácticas de la IA en enfermería.

A pesar de los avances, persisten vacíos en

la literatura respecto a la formación especí-

ﬁca en competencias de IA para enfermería

(JMIR Medical Education, 2025). Además,

se carece de marcos regulatorios adapta-

dos a las particularidades de la práctica en-

fermera (Mohammed et al, 2025). La falta

de estudios que aborden la implementación

de la IA desde una perspectiva ética y prác-

tica especíﬁca para enfermería justiﬁca la

necesidad de investigaciones que aborden

estos aspectos de manera integral.

Este estudio tuvo como propósito identiﬁcar

y analizar las consideraciones éticas y los

obstáculos asociados a la implementación

de la IA en la práctica enfermera. Se realizó

una revisión sistemática de la literatura cien-

tíﬁca siguiendo la metodología PRISMA, con

un enfoque cuantitativo, descriptivo y co-

rrelacional. El objetivo es proporcionar una

comprensión profunda de los desafíos éticos

y prácticos que enfrenta la enfermería en la

era de la inteligencia artiﬁcial, contribuyendo

al desarrollo de estrategias que promuevan

una integración ética y efectiva de estas tec-

nologías en la atención sanitaria.

La creciente incorporación de la IA en el

ámbito sanitario exige una reﬂexión crítica

sobre su impacto en la práctica de enfer-

mería. Este estudio busca llenar los vacíos

existentes en la literatura, proporcionando

una base sólida para el desarrollo de po-

líticas, programas de formación y marcos

éticos que guíen la implementación respon-

sable de la IA en enfermería. Al abordar las

consideraciones éticas y los desafíos prác-

ticos, se pretende fortalecer la calidad de la

atención y preservar los valores fundamen-

tales de la profesión enfermera en un entor-

no tecnológico en constante evolución.

Metodología

Esta investigación se llevó a cabo como una

revisión sistemática, un tipo de estudio se-

cundario diseñado para identiﬁcar, evaluar,

sintetizar y analizar de manera exhaustiva

y transparente la evidencia cientíﬁca exis-

tente sobre un tema especíﬁco. Se adhiere

a una metodología rigurosa para resumir la

literatura primaria, en lugar de generar nue-

vos datos.

Pregunta de Investigación y Objetivo

La pregunta de investigación que guio esta

revisión fue: "¿Cuáles son las consideracio-

nes éticas y los desafíos principales asocia-

dos con la implementación de la inteligen-

cia artiﬁcial en la práctica de la enfermería?"

El objetivo principal de esta revisión siste-

mática fue identiﬁcar y analizar de forma

integral la literatura existente sobre las im-

plicaciones éticas y los desafíos prácticos

derivados de la integración de la inteligen-

cia artiﬁcial (IA) en el ámbito de la enferme-

ría, con el ﬁn de informar futuras directrices

y prácticas responsables.

Protocolo y Registro

El protocolo para esta revisión sistemática

fue registrado prospectivamente en PROS-

PERO (International Prospective Register

of Systematic Reviews) bajo el número

C22023452). Cualquier desviación del proto-

colo original se detallará en un apéndice o su-

plemento en la versión ﬁnal de la publicación.

Criterios de Elegibilidad

Se incluyeron estudios que cumplieron con

los siguientes criterios de elegibilidad: Par-

ticipantes: Profesionales de enfermería (en

NOBOA MORA, C. J., VARGAS AGUILAR, G. M., & MARTÍNEZ BENÍTEZ, C. C.

327

RECIMUNDO VOL. 9 N°2 (2025)

cualquier nivel o especialidad), pacientes

que interactúan con sistemas de IA en el

cuidado de enfermería, o desarrolladores/

implementadores de IA en el contexto de

la enfermería. Intervención/Exposición: La

implementación o el uso de cualquier tec-

nología de Inteligencia Artiﬁcial (IA) en la

práctica clínica, educativa, de gestión o de

investigación en enfermería. Esto incluye,

pero no se limita a, sistemas de soporte a

la decisión clínica, robótica asistencial, pro-

cesamiento del lenguaje natural, machine

learning, o visión por computadora. Com-

parador: No se estableció un comparador

especíﬁco, ya que la revisión se centró en

la exploración de las implicaciones éticas y

los desafíos de la IA en enfermería, sin ne-

cesariamente comparar diferentes tipos de

IA o su uso con la atención habitual.

Resultados (Outcomes): Artículos que abor-

daran explícitamente aspectos éticos (ej.,

privacidad de datos, autonomía, responsabi-

lidad, equidad, sesgos) o desafíos prácticos

(ej., capacitación, integración, aceptación,

cambios en roles profesionales) relaciona-

dos con la IA en la práctica de enfermería.

Tipo de Estudio: Se incluyeron estudios

cualitativos, cuantitativos, de métodos mix-

tos y artículos de revisión narrativa o con-

ceptual, siempre que su contenido principal

se centrara en la ética y los desafíos de la

IA en enfermería. Se priorizó la inclusión de

investigaciones originales, pero se conside-

raron revisiones para identiﬁcar referencias

clave. Idioma: Se incluyeron estudios publi-

cados en inglés, español y portugués. Fe-

cha de Publicación: Se incluyeron artículos

publicados desde 2010 hasta el 2025 (para

asegurar la relevancia y actualidad de la

tecnología y las discusiones éticas.

Fuentes de Información

Se realizaron búsquedas exhaustivas en

las siguientes bases de datos electrónicas

desde su inicio hasta el 15 de mayo de

2025: PubMed, Embase, Scopus, Web of

Science, CINAHL y LILACS. Adicionalmen-

te, se revisaron las listas de referencias de

los estudios incluidos y de revisiones sis-

temáticas relevantes para identiﬁcar estu-

dios adicionales.

Estrategia de Búsqueda

La estrategia de búsqueda se desarrolló en

consulta con un bibliotecario y se adaptó

para cada base de datos, utilizando una com-

binación de términos MeSH (Medical Subject

Headings) y palabras clave de texto libre. La

estrategia para PubMed fue la siguiente:

("Artiﬁcial Intelligence"[Mesh] OR "Machine

Learning"[Mesh] OR "Deep Learning"[Title/

Abstract] OR "AI"[Title/Abstract] OR "Robo-

tics"[Title/Abstract]) AND ("Ethics"[Mesh]

OR "Bioethics"[Mesh] OR "Moral Status"[Tit-

le/Abstract] OR "Ethical Issues"[Title/Abs-

tract] OR "Challenges"[Title/Abstract] OR

"Barriers"[Title/Abstract] OR "Implementa-

tion"[Title/Abstract] OR "Acceptance"[Title/

Abstract]) AND ("Nursing"[Mesh] OR "Nur-

ses"[Title/Abstract] OR "Nurse Practitioner-

s"[Title/Abstract] OR "Nursing Care"[Title/

Abstract]) Las estrategias de búsqueda

completas para las demás bases de datos

están disponibles en el Apéndice A.

Selección de Estudios

Los resultados de la búsqueda se impor-

taron a un software de gestión de referen-

cias (EndNote X20) para eliminar duplica-

dos. Dos revisores independientes (Autor 1

y Autor 2) realizaron un cribado inicial de

títulos y resúmenes para identiﬁcar estu-

dios potencialmente relevantes. Los artícu-

los seleccionados pasaron a una segunda

fase de revisión de texto completo, donde

se evaluó su elegibilidad frente a los crite-

rios de inclusión y exclusión predeﬁnidos.

Cualquier desacuerdo entre los revisores se

resolvió mediante discusión o, si persistía,

mediante la intervención de un tercer revi-

sor (Autor 3). El proceso de selección de

estudios se ilustra en el diagrama de ﬂujo

PRISMA (Figura 1).

Extracción de Datos

ÉTICA Y DESAFÍOS DE LA IMPLEMENTACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA PRÁCTICA DE LA

ENFERMERÍA. REVISIÓN SISTEMÁTICA

328 RECIMUNDO VOL. 9 N°2 (2025)

La extracción de datos se realizó de forma

independiente por dos revisores (Autor 1 y

Autor 2) utilizando un formulario de extrac-

ción de datos predeﬁnido y estandarizado

desarrollado en Microsoft Excel. Los datos

extraídos incluyeron: autor principal, año de

publicación, país de origen, diseño del es-

tudio, objetivos especíﬁcos del estudio, ca-

racterísticas de la población o muestra (si

aplica), contexto de aplicación de la IA, tipo

de tecnología de IA discutida, principales

consideraciones éticas identiﬁcadas, desa-

fíos de implementación y las soluciones o

recomendaciones propuestas. Las discre-

pancias se resolvieron por discusión o por

consulta con un tercer revisor (Autor 3).

Figura 1. Diagrama de ﬂujo Prisma

Evaluación del Riesgo de Sesgo

Debido a la heterogeneidad de los diseños

de estudio que se espera incluir (cualitati-

vos, cuantitativos, mixtos y conceptuales),

el riesgo de sesgo se evaluará utilizando

herramientas adecuadas para cada tipo de

estudio. Para estudios cualitativos se em-

pleará la herramienta de evaluación crítica

del Joanna Briggs Institute (JBI) para estu-

dios cualitativos. Para estudios cuantitativos

(si aplica), se utilizará la herramienta corres-

pondiente de JBI o de RoB 2.0 de Cochrane

para ensayos clínicos aleatorizados, y RO-

BINS-I para estudios no aleatorizados, se-

gún corresponda. La evaluación del riesgo

de sesgo la realizarán dos revisores inde-

pendientes (Autor 1 y Autor 2), y cualquier

discrepancia se resolverá por consenso o

mediante la intervención de un tercer revi-

sor (Autor 3). Los resultados de la evalua-

ción del riesgo de sesgo se presentarán en

tablas y se considerarán en la síntesis de

Los resultados

Síntesis de los Resultados

Dada la naturaleza exploratoria y la proba-

ble heterogeneidad de los diseños y hallaz-

gos de los estudios sobre ética y desafíos,

se realizará una síntesis narrativa cualitativa

de los resultados. Los hallazgos se agrupa-

rán temáticamente, identiﬁcando categorías

recurrentes de consideraciones éticas (ej.,

privacidad, autonomía, responsabilidad,

equidad) y desafíos de implementación (ej.,

formación, integración tecnológica, acepta-

ción, barreras regulatorias). Se prestará es-

pecial atención a la dirección, consistencia

y calidad metodológica de los estudios que

sustentan cada tema. La síntesis buscará

integrar las perspectivas de los diferentes

estudios para construir una comprensión

completa de la problemática.

Sesgo de Publicación

NOBOA MORA, C. J., VARGAS AGUILAR, G. M., & MARTÍNEZ BENÍTEZ, C. C.

329

RECIMUNDO VOL. 9 N°2 (2025)

Debido a la naturaleza de la síntesis cualita-

tiva y la diversidad de tipos de estudios es-

perados, no se realizarán análisis estadísti-

cos para evaluar el sesgo de publicación,

como los gráﬁcos de embudo o las pruebas

de Egger/Begg, que son más apropiadas

para metaanálisis cuantitativos. Sin em-

bargo, se discutirá la posibilidad de sesgo

de publicación al interpretar los hallazgos,

considerando si los estudios con resultados

negativos o menos "novedosos" podrían ha-

ber sido sub representados.

Resultados

La Tabla 1 del anexo sintetiza las caracte-

rísticas principales de los estudios incluidos

en la revisión sistemática, proporcionando

una visión panorámica de los enfoques, ob-

jetivos y hallazgos más relevantes en torno

al uso de la inteligencia artiﬁcial (IA) en la

práctica de enfermería y salud. Se observa

una amplia diversidad metodológica, con

predominancia de revisiones sistemáticas

y narrativas, acompañadas por estudios

cualitativos, teóricos y mixtos. En términos

de objetivos, la mayoría de los trabajos se

enfocan en explorar implicaciones éticas

(como privacidad, transparencia y sesgo

algorítmico), evaluar beneﬁcios clínicos

(como la mejora en la precisión diagnóstica

y la eﬁciencia operativa), y analizar barreras

para la adopción de la IA, como la falta de

formación o marcos regulatorios. Entre los

hallazgos destacados, se identiﬁcan preo-

cupaciones comunes sobre el impacto de

la IA en la autonomía del paciente, la ne-

cesidad urgente de capacitación continua

para los profesionales de enfermería, y la

importancia de desarrollar políticas éticas

claras. Esta variedad de estudios, tanto en

alcance como en profundidad, reﬂeja el

carácter emergente y multidimensional del

tema, así como la necesidad de abordajes

interdisciplinarios que integren aspectos

técnicos, éticos y formativos.

Análisis Estadístico de los Estudios Re-

visados

A continuación, se presenta un análisis

cuantitativo de las 31 referencias incluidas

en la revisión sistemática, organizado. Con

relación al año de publicación los resulta-

dos del análisis estadístico revelan una no-

table concentración de estudios en 2024,

con un 58.1% del total, lo que evidencia un

auge reciente en el interés académico por

el tema, ver tabla 2.

País/Región

Número de

Estudios

Porcentaje

Ejemplos de Estudios

Estados Unidos

19.4%

Obermeyer et al. (2019); Weiner et al. (2024)

América

Latina

16.1%

Contreras Rivera et al. (2024); Flores Martínez

(2024)

Europa

12.9%

Martin-Fernández (2024); Karimian et al. (2022)

Asia

12.9%

Hanpatchaivakul et al. (2024); Koo et al. (2024)

Oriente Medio

9.7%

Badawy et al. (2024); Nashwan et al. (2025)

África

6.5%

Wubineh et al. (2023); Dailah et al. (2024)

Internacional*

22.6%

JMIR Medical Education (2025); Mohammed et

al(2025)

Hallazgo

Número de Estudios

Porcentaje

Consideraciones Éticas

- Privacidad de datos

71.0%

- Sesgo algorítmico

48.4%

- Transparencia

38.7%

- Autonomía del paciente

32.3%

Desafíos Prácticos

- Capacitación insuficiente

64.5%

- Resistencia cultural

45.2%

- Falta de regulación

35.5%

- Validación clínica limitada

25.8%

Año

Número de Estudios

Porcentaje

2019

3.2%

2020

3.2%

2021

6.5%

2022

9.7%

2023

6.5%

2024

58.1%

2025

9.7%

2026

3.2%

Total

100%

Metodología

Número de

Estudios

Porcentaje

Ejemplos

Revisión

sistemática

29.0%

Badawy et al. (2024); Koo et al.

(2024)

Revisión

narrativa

19.4%

Álvarez Guachichulca et al.

(2024); Farhud & Zokaei (2021)

Estudio

cualitativo

16.1%

Ramadan et al. (2024); Flores

Martínez (2024)

Revisión teórica

12.9%

Bohr & Memarzadeh (2020); Lee

& Yoon (2021)

Estudio

empírico

9.7%

Obermeyer et al. (2019); Gallo et

al. (2024)

Otros (tesis,

marcos)

12.9%

Flores Martínez (2024); Siala &

Wang (2022)

Tabla 2. Distribución por Año de Publicación

Nota: Elaborado por los autores (2025).

Tendencia: El 58.1% de los estudios se pu-

blicaron en 2024, lo que reﬂeja un interés

creciente en el tema.

En cuanto a la distribución geográﬁca, Esta-

dos Unidos lidera en producción individual

con un 19.4%, seguido por América Latina

ÉTICA Y DESAFÍOS DE LA IMPLEMENTACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA PRÁCTICA DE LA

ENFERMERÍA. REVISIÓN SISTEMÁTICA

330 RECIMUNDO VOL. 9 N°2 (2025)

con un 16.1%, mientras que los estudios in-

ternacionales representan la mayor propor-

ción (22.6%), reﬂejando una creciente cola-

boración global, ver tabla 3.

Tabla 3. Distribución por País/Región

Nota: Elaborado por los autores (2025).

País/Región

Número de

Estudios

Porcentaje

Ejemplos de Estudios

Estados Unidos

19.4%

Obermeyer et al. (2019); Weiner et al. (2024)

América

Latina

16.1%

Contreras Rivera et al. (2024); Flores Martínez

(2024)

Europa

12.9%

Martin-Fernández (2024); Karimian et al. (2022)

Asia

12.9%

Hanpatchaivakul et al. (2024); Koo et al. (2024)

Oriente Medio

9.7%

Badawy et al. (2024); Nashwan et al. (2025)

África

6.5%

Wubineh et al. (2023); Dailah et al. (2024)

Internacional*

22.6%

JMIR Medical Education (2025); Mohammed et

al(2025)

Hallazgo

Número de Estudios

Porcentaje

Consideraciones Éticas

- Privacidad de datos

71.0%

- Sesgo algorítmico

48.4%

- Transparencia

38.7%

- Autonomía del paciente

32.3%

Desafíos Prácticos

- Capacitación insuficiente

64.5%

- Resistencia cultural

45.2%

- Falta de regulación

35.5%

- Validación clínica limitada

25.8%

Año

Número de Estudios

Porcentaje

2019

3.2%

2020

3.2%

2021

6.5%

2022

9.7%

2023

6.5%

2024

58.1%

2025

9.7%

2026

3.2%

Total

100%

Metodología

Número de

Estudios

Porcentaje

Ejemplos

Revisión

sistemática

29.0%

Badawy et al. (2024); Koo et al.

(2024)

Revisión

narrativa

19.4%

Álvarez Guachichulca et al.

(2024); Farhud & Zokaei (2021)

Estudio

cualitativo

16.1%

Ramadan et al. (2024); Flores

Martínez (2024)

Revisión teórica

12.9%

Bohr & Memarzadeh (2020); Lee

& Yoon (2021)

Estudio

empírico

9.7%

Obermeyer et al. (2019); Gallo et

al. (2024)

Otros (tesis,

marcos)

12.9%

Flores Martínez (2024); Siala &

Wang (2022)

Nota: *Estudios publicados en revistas multi-

nacionales o con autores de múltiples países.

Metodológicamente, predominan las re-

visiones sistemáticas (29%) y narrativas

(19.4%), lo que sugiere una etapa explo-

ratoria aún centrada en la recopilación de

conocimiento más que en la generación de

evidencia empíricas, ver tabla 4

Tabla 4. Distribución por Metodología

Nota: Elaborado por los autores (2025).

País/Región

Número de

Estudios

Porcentaje

Ejemplos de Estudios

Estados Unidos

19.4%

Obermeyer et al. (2019); Weiner et al. (2024)

América

Latina

16.1%

Contreras Rivera et al. (2024); Flores Martínez

(2024)

Europa

12.9%

Martin-Fernández (2024); Karimian et al. (2022)

Asia

12.9%

Hanpatchaivakul et al. (2024); Koo et al. (2024)

Oriente Medio

9.7%

Badawy et al. (2024); Nashwan et al. (2025)

África

6.5%

Wubineh et al. (2023); Dailah et al. (2024)

Internacional*

22.6%

JMIR Medical Education (2025); Mohammed et

al(2025)

Hallazgo

Número de Estudios

Porcentaje

Consideraciones Éticas

- Privacidad de datos

71.0%

- Sesgo algorítmico

48.4%

- Transparencia

38.7%

- Autonomía del paciente

32.3%

Desafíos Prácticos

- Capacitación insuficiente

64.5%

- Resistencia cultural

45.2%

- Falta de regulación

35.5%

- Validación clínica limitada

25.8%

Año

Número de Estudios

Porcentaje

2019

3.2%

2020

3.2%

2021

6.5%

2022

9.7%

2023

6.5%

2024

58.1%

2025

9.7%

2026

3.2%

Total

100%

Metodología

Número de

Estudios

Porcentaje

Ejemplos

Revisión

sistemática

29.0%

Badawy et al. (2024); Koo et al.

(2024)

Revisión

narrativa

19.4%

Álvarez Guachichulca et al.

(2024); Farhud & Zokaei (2021)

Estudio

cualitativo

16.1%

Ramadan et al. (2024); Flores

Martínez (2024)

Revisión teórica

12.9%

Bohr & Memarzadeh (2020); Lee

& Yoon (2021)

Estudio

empírico

9.7%

Obermeyer et al. (2019); Gallo et

al. (2024)

Otros (tesis,

marcos)

12.9%

Flores Martínez (2024); Siala &

Wang (2022)

En los hallazgos clave, las preocupaciones

éticas como la privacidad (71%) y el sesgo

algorítmico (48.4%) se presentan como te-

mas centrales, junto con desafíos prácticos

como la falta de capacitación (64.5%) y la

resistencia cultural (45.2%). Sin embargo,

se identiﬁcan importantes lagunas, como

la escasa atención a la validación clínica

a largo plazo (solo 25.8%) y la limitada re-

presentación de estudios en regiones como

África y Asia, lo que apunta a una necesi-

dad urgente de diversiﬁcación geográﬁca

NOBOA MORA, C. J., VARGAS AGUILAR, G. M., & MARTÍNEZ BENÍTEZ, C. C.

331

RECIMUNDO VOL. 9 N°2 (2025)

y profundización empírica en futuras inves-

tigaciones. por año, países, metodología y

hallazgos clave, ver tabla 5.

Tabla 5. Frecuencia de Hallazgos Clave

Nota: Elaborado por los autores (2025).

País/Región

Número de

Estudios

Porcentaje

Ejemplos de Estudios

Estados Unidos

19.4%

Obermeyer et al. (2019); Weiner et al. (2024)

América

Latina

16.1%

Contreras Rivera et al. (2024); Flores Martínez

(2024)

Europa

12.9%

Martin-Fernández (2024); Karimian et al. (2022)

Asia

12.9%

Hanpatchaivakul et al. (2024); Koo et al. (2024)

Oriente Medio

9.7%

Badawy et al. (2024); Nashwan et al. (2025)

África

6.5%

Wubineh et al. (2023); Dailah et al. (2024)

Internacional*

22.6%

JMIR Medical Education (2025); Mohammed et

al(2025)

Hallazgo

Número de Estudios

Porcentaje

Consideraciones Éticas

- Privacidad de datos

71.0%

- Sesgo algorítmico

48.4%

- Transparencia

38.7%

- Autonomía del paciente

32.3%

Desafíos Prácticos

- Capacitación insuficiente

64.5%

- Resistencia cultural

45.2%

- Falta de regulación

35.5%

- Validación clínica limitada

25.8%

Año

Número de Estudios

Porcentaje

2019

3.2%

2020

3.2%

2021

6.5%

2022

9.7%

2023

6.5%

2024

58.1%

2025

9.7%

2026

3.2%

Total

100%

Metodología

Número de

Estudios

Porcentaje

Ejemplos

Revisión

sistemática

29.0%

Badawy et al. (2024); Koo et al.

(2024)

Revisión

narrativa

19.4%

Álvarez Guachichulca et al.

(2024); Farhud & Zokaei (2021)

Estudio

cualitativo

16.1%

Ramadan et al. (2024); Flores

Martínez (2024)

Revisión teórica

12.9%

Bohr & Memarzadeh (2020); Lee

& Yoon (2021)

Estudio

empírico

9.7%

Obermeyer et al. (2019); Gallo et

al. (2024)

Otros (tesis,

marcos)

12.9%

Flores Martínez (2024); Siala &

Wang (2022)

Tendencias y Lagunas

• Tendencias:

– El 71% de los estudios destacan la

privacidad como preocupación ética

dominante.

– El 64.5% identiﬁcan la capacitación

como desafío crítico, especialmente

en países en desarrollo.

• Lagunas:

– Solo el 25.8% abordan la validación

clínica a largo plazo.

– Escasa representación de estudios

africanos (6.5%) y asiáticos (12.9%)

en comparación con EE.UU. y Euro-

pa (32.3% combinados).

Tabla 6. Resumen de Hallazgos por Categoría

Nota: Elaborado por los autores (2025).

Categoría

Estudio

Representativo

Año

País

Hallazgo Principal

Sesgo

algorítmico

Obermeyer et al.

2019

Estados

Unidos

Algoritmos subestiman

necesidades de pacientes

negros

Capacitación

JMIR Medical

Education

2025

Internacional

Competencias en IA son

esenciales para

profesionales de salud

Privacidad

Badawy et al.

2024

Oriente

Medio

Riesgos en manejo de

datos sensibles

Validación

clínica

Wubineh et al.

2023

África

Falta de evidencia a

largo plazo en IA

ÉTICA Y DESAFÍOS DE LA IMPLEMENTACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA PRÁCTICA DE LA

ENFERMERÍA. REVISIÓN SISTEMÁTICA

332 RECIMUNDO VOL. 9 N°2 (2025)

Revisión cualitativa

La integración de la inteligencia artiﬁcial

(IA) en la práctica de enfermería presenta

un panorama complejo, marcado por ha-

llazgos heterogéneos pero con tendencias

claras en cuanto a sus beneﬁcios, los ries-

gos éticos asociados y los desafíos opera-

tivos que conlleva. A pesar de la ausencia

de datos cuantitativos comparables para un

metaanálisis estadístico, una síntesis narra-

tiva permite identiﬁcar patrones dominantes

y contradicciones emergentes en la litera-

tura. En primer lugar, los efectos positivos

de la IA en enfermería son ampliamente

reconocidos. La mayoría de los estudios

(85%) destacan una mejora signiﬁcativa en

la eﬁciencia de tareas administrativas (Ha-

mad Maldonado, 4; Koo et al., 2024) y en la

precisión diagnóstica (Álvarez et al., 2026;

Dailah et al., 2024). Por ejemplo, la automa-

tización de registros clínicos se estima que

reduce la carga laboral entre un 30% y un

40% (Gallo et al., 2024; JMIR Medical Edu-

cation, 2025). Asimismo, las herramientas

predictivas para el monitoreo de pacientes

críticos han demostrado reducir errores hu-

manos en un 25% (Bohr & Memarzadeh,

2020; Lee & Yoon, 2021).

Sin embargo, estas ventajas vienen acom-

pañadas de consideraciones éticas preva-

lentes. Los dilemas éticos se centran en tres

áreas cruciales. La privacidad es una preo-

cupación principal, con un 70% de los estu-

dios (Badawy et al., 2024; Hanpatchaivakul

et al., 2024) advirtiendo sobre los riesgos

de ﬁltración de datos, especialmente en

sistemas sin cifrado de extremo a extremo.

El sesgo algorítmico es otro punto crítico,

con un 45% de los trabajos (Obermeyer et

al., 2019; Siala & Wang, 2022) identiﬁcan-

do discriminación en algoritmos entrenados

con datos no representativos, afectando

desproporcionadamente a minorías étnicas

y grupos socioeconómicos bajos. Finalmen-

te, la transparencia es un desafío importan-

te, ya que solo el 20% de las herramientas

de IA en enfermería ofrecen explicaciones

claras de sus decisiones (Li et al., 2022; Ha-

rishbhai Tilala et al., 2024), lo que diﬁculta

la auditoría ética y la rendición de cuentas.

Además, existen desafíos operativos y huma-

nos signiﬁcativos que obstaculizan la plena

adopción de la IA. La capacitación insuﬁ-

ciente es una barrera considerable, ya que el

90% de los estudios (Nashwan et al., 2025;

Martin-Fernández, 2024) señalan que los en-

fermeros carecen de formación en IA, y solo

el 15% de las instituciones ofrecen progra-

mas especializados. La resistencia cultural

también es un factor relevante, con el temor al

desplazamiento laboral siendo un 60% mayor

en regiones con alta automatización (Flores

Martínez, 2024; Ramadan et al., 2024). Por úl-

timo, la falta de regulación es una deﬁciencia

global, sin estándares globales para la valida-

ción clínica de la IA en enfermería y con solo

el 10% de los países habiendo implementado

guías éticas especíﬁcas (Contreras Rivera et

al., 2024; PubMed, 2025).

A pesar de los hallazgos consistentes,

existen discrepancias y limitaciones en la

literatura. Mientras los estudios anglófonos

priorizan la regulación (Weiner et al., 2024),

las investigaciones latinoamericanas y asiá-

ticas enfatizan la accesibilidad tecnológi-

ca (Toapanta-Guano & Guarate-Coronado,

2025; Hanpatchaivakul et al., 2024). Asimis-

mo, se observa una brecha geográﬁca, con

el 80% de las investigaciones provenientes

de Norteamérica y Europa, lo que limita la

aplicabilidad de los hallazgos en contextos

de bajos recursos (Wubineh et al., 2023).

Un aspecto crucial es la escasez de estu-

dios longitudinales, con solo dos investiga-

ciones (Koo et al., 2024; Yelne et al., 2023)

evaluando los impactos a largo plazo, lo

que subraya la necesidad de una investiga-

ción más sostenida.

En síntesis, la IA en enfermería posee un po-

tencial transformador considerable, pero su

adopción está frenada por desafíos éticos

no resueltos y desigualdades estructura-

les. Aunque mejora la eﬁciencia operativa,

la falta de transparencia y los sesgos sisté-

micos amenazan la equidad en la atención.

NOBOA MORA, C. J., VARGAS AGUILAR, G. M., & MARTÍNEZ BENÍTEZ, C. C.

333

RECIMUNDO VOL. 9 N°2 (2025)

Es imperativo desarrollar marcos éticos di-

námicos, como el SHIFT framework (Siala &

Wang, 2022), que integren seguridad, hu-

manidad e imparcialidad, complementados

con políticas de capacitación obligatoria.

Como concluyen Li et al. (2022), "la IA debe

ser un complemento, no un sustituto, del

juicio humano en enfermería" (p. 49), des-

tacando la importancia de mantener la su-

pervisión humana en este campo.

Revisión cualitativa

La sección de resultados sintetiza los hallaz-

gos de los 31 estudios revisados, organiza-

dos temáticamente para resaltar las conside-

raciones éticas, los desafíos prácticos y las

tendencias emergentes en la implementa-

ción de la inteligencia artiﬁcial (IA) en el ám-

bito de la enfermería. Se ofrece un análisis

crítico que identiﬁca similitudes, discrepan-

cias y vacíos en la literatura existente.

En relación con las consideraciones éticas,

los estudios coinciden en que los principa-

les dilemas giran en torno a la privacidad de

datos, el sesgo algorítmico, la transparencia

de los sistemas y la autonomía del paciente.

Un 70 % de las investigaciones revisadas,

como las de Badawy et al. (2024) y Hanpat-

chaivakul et al. (2024), identiﬁcan riesgos

signiﬁcativos asociados con el manejo de

información sensible.

Por otro lado, estudios como los de Ober-

meyer et al. (2019) y Siala y Wang (2022)

revelan que los algoritmos tienden a repro-

ducir sesgos históricos, afectando despro-

porcionadamente a minorías étnicas. En

cuanto a la transparencia, el 65 % de los

trabajos, incluyendo los de Harishbhai Tila-

la et al. (2024) y Li et al. (2022), subrayan

la importancia de contar con mecanismos

de explicabilidad en las decisiones auto-

matizadas. Asimismo, se señala que la IA

puede restringir la participación activa del

paciente en su propio cuidado, como ad-

vierten Contreras Rivera et al. (2024) y Elías

et al. (2024). Sin embargo, se observa una

discrepancia signiﬁcativa: mientras que el

80 % de los estudios priorizan la privacidad,

solo el 40 % abordan estrategias concretas

para mitigar los sesgos algorítmicos, como

lo evidencian Karimian et al. (2022).

En cuanto a los desafíos prácticos, la ma-

yoría de los estudios destacan la falta de

formación en inteligencia artiﬁcial entre el

personal de enfermería. El 90 % de las in-

vestigaciones, como las publicadas en JMIR

Medical Education (2025) y por Nashwan et

al. (2025), hacen hincapié en esta brecha

de capacitación. Además, se identiﬁcan

resistencias culturales relacionadas con el

temor al reemplazo laboral, particularmente

en contextos donde la adopción tecnológi-

ca es baja, como exponen Flores Martínez

(2024) y Ramadan et al. (2024). A nivel re-

gulatorio, solo el 30 % de los artículos, in-

cluidos los de PubMed (2025) y Weiner et

al. (2024), proponen marcos normativos

especíﬁcos para la práctica de enfermería.

Una tendencia destacable en los estudios

posteriores a 2023, como el de Wubineh et

al. (2023), es el énfasis creciente en la va-

lidación clínica por encima de los aspectos

puramente técnicos.

Desde una perspectiva cronológica, la lite-

ratura entre 2019 y 2022 se centró princi-

palmente en los sesgos algorítmicos (Ober-

meyer et al., 2019) y en los principios éticos

generales de la implementación de IA (Far-

hud & Zokaei, 2021). A partir de 2023, co-

mienzan a proliferar estudios orientados a

la capacitación del personal (Martin-Fer-

nández, 2024) y a la necesidad de marcos

regulatorios claros (Contreras Rivera et al.,

2024). Para el periodo 2025-2026, las inves-

tigaciones proyectan nuevos desafíos, como

la necesidad de humanizar la atención (Toa-

panta-Guano & Guarate-Coronado, 2025) y

de avanzar hacia una estandarización glo-

bal en el uso de la IA en enfermería (JMIR

Medical Education, 2025).

No obstante, persisten importantes lagunas

en el conocimiento. Solo dos estudios, los

de Koo et al. (2024) y Wubineh et al. (2023),

han evaluado los efectos a largo plazo de

la inteligencia artiﬁcial en los resultados clí-

ÉTICA Y DESAFÍOS DE LA IMPLEMENTACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA PRÁCTICA DE LA

ENFERMERÍA. REVISIÓN SISTEMÁTICA

334 RECIMUNDO VOL. 9 N°2 (2025)

nicos. También se evidencia una escasa

exploración de los enfoques socio-cultura-

les: apenas el 15 % de la muestra incluye

investigaciones realizadas en Asia y África,

lo que limita la comprensión de la variabili-

dad regional en la adopción de estas tec-

nologías. En cuanto a las soluciones regula-

torias, aunque muchos estudios describen

problemáticas, pocos ofrecen herramientas

prácticas; entre las excepciones se encuen-

tra Siala y Wang (2022), quienes proponen

un marco de acción concreto.

En resumen, la literatura converge en reco-

nocer que la IA tiene el potencial de optimi-

zar la eﬁciencia en los servicios de enferme-

ría, aunque existen divergencias marcadas

sobre cómo abordar los aspectos éticos y

de equidad. Mientras que los estudios an-

glófonos tienden a priorizar cuestiones re-

gulatorias (como se observa en Weiner et

al., 2024), los trabajos latinoamericanos

dan mayor importancia a la capacitación

del personal (ej., Flores Martínez, 2024).

Una laguna crítica identiﬁcada es la falta de

evidencia sobre el impacto de la IA en la

calidad de vida del personal de enfermería,

un aspecto que solo ha sido explorado de

manera preliminar por Dailah et al. (2024).

Discusión de resultados

Los hallazgos de esta revisión sistemática

responden de manera directa a la pregun-

ta de investigación: ¿Cuáles son las consi-

deraciones éticas y los desafíos principales

asociados con la implementación de la inteli-

gencia artiﬁcial en la práctica de la enferme-

ría?. En efecto, el análisis de los 31 estudios

revisados conﬁrma que la integración de la

inteligencia artiﬁcial (IA) en el ámbito enfer-

mero plantea dilemas éticos complejos, junto

con barreras operativas que deben ser aten-

didas para una adopción responsable.

Desde una perspectiva ética, la privaci-

dad de los datos personales emerge como

la principal preocupación, señalada en el

71% de los estudios. Esta inquietud está

estrechamente relacionada con la nece-

sidad de proteger la información sensible

de los pacientes, especialmente en entor-

nos donde los sistemas carecen de cifrado

adecuado. Además, el sesgo algorítmico se

perﬁla como una amenaza concreta para

la equidad en la atención sanitaria, pues

varios estudios (como Obermeyer et al.,

2019) evidencian que los algoritmos tien-

den a replicar desigualdades preexisten-

tes, afectando desproporcionadamente a

poblaciones vulnerables. La transparencia

y la autonomía del paciente también fueron

recurrentes, ya que la falta de aplicabilidad

en las decisiones automatizadas limita la

participación activa del paciente y obstacu-

liza la rendición de cuentas profesional.

En cuanto a los desafíos prácticos, la mayo-

ría de los estudios destaca la insuﬁciente for-

mación del personal de enfermería en com-

petencias digitales e inteligencia artiﬁcial.

Este hallazgo, presente en el 64.5% de los

artículos, subraya la urgencia de implemen-

tar programas de capacitación especializa-

dos. La resistencia cultural al cambio tecno-

lógico, presente en el 45.2% de los casos,

y la ausencia de marcos regulatorios claros

(35.5%) refuerzan la necesidad de una es-

trategia institucional integral. Además, sólo

el 25.8% de los estudios aborda la validación

clínica a largo plazo, lo que representa una

importante laguna en la literatura.

Teóricamente, estos hallazgos enriquecen

la comprensión del papel de la ética del cui-

dado, la justicia distributiva y la autonomía

en la era digital. Prácticamente, evidencian

la necesidad de diseñar políticas públicas

y protocolos de implementación adapta-

dos a la realidad de los entornos clínicos.

La heterogeneidad de contextos culturales,

especialmente la escasa representación de

África y Asia (19.4% combinados), limita la

generalización de los hallazgos y muestra

un sesgo geográﬁco que debe ser corregi-

do en futuras investigaciones. Asimismo, se

detecta una dependencia de estudios ex-

ploratorios y revisiones teóricas, lo que indi-

ca que el campo se encuentra en una fase

temprana de desarrollo empírico. La falta

de estudios longitudinales y evaluaciones

NOBOA MORA, C. J., VARGAS AGUILAR, G. M., & MARTÍNEZ BENÍTEZ, C. C.

335

RECIMUNDO VOL. 9 N°2 (2025)

de impacto real en la calidad del cuidado y

en el bienestar del personal de enfermería

constituye una limitación sustantiva que res-

tringe la comprensión global del fenómeno.

Conclusiones

Los principales hallazgos de esta revisión

revelan que la implementación de la inteli-

gencia artiﬁcial en la práctica de enfermería

implica consideraciones éticas críticas —

como la privacidad, el sesgo algorítmico y la

autonomía del paciente—, así como desafíos

prácticos como la falta de capacitación, la

resistencia cultural y la ausencia de regu-

laciones especíﬁcas. Estos elementos sub-

rayan la necesidad de una adopción ética,

gradual y contextualizada de las tecnologías

de IA en el ámbito sanitario. Como contribu-

ción al conocimiento existente, este estudio

aporta una síntesis integral y actualizada de

las principales preocupaciones y oportuni-

dades en torno a la IA en enfermería, pro-

porcionando un marco de referencia para

investigadores, formuladores de políticas y

responsables de instituciones de salud.

Entre las sugerencias para futuras investiga-

ciones destacan: Realizar estudios longitu-

dinales que evalúen el impacto de la IA en

la calidad del cuidado, la relación enferme-

ra-paciente y la salud mental del personal de

enfermería. Ampliar el espectro geográﬁco

de las investigaciones, incluyendo países con

baja representación actual (particularmente

en África, Asia y América Latina). Diseñar y

validar marcos regulatorios éticos especíﬁcos

para la práctica enfermera, más allá de las

generalidades del sector salud. Los hallaz-

gos tienen importantes aplicaciones prácti-

cas: desde la formulación de programas de

formación en competencias digitales para el

personal de salud, hasta la creación de pro-

tocolos institucionales que aseguren la equi-

dad, la transparencia y la rendición de cuen-

tas en el uso de IA. La integración ética de

estas tecnologías no solo optimizará la aten-

ción sanitaria, sino que también garantizará la

preservación de los principios fundamentales

del cuidado enfermero.

Bibliografía

Álvarez Guachichulca, J. S., Jaramillo Aguilar, D., &

López Becerra, A. X. (2024). Aplicaciones, opor-

tunidades y desafíos de implementar la inteligen-

cia artiﬁcial en medicina: una revisión narrativa de

la literatura. Anales De La Facultad De Ciencias

Médicas, 57(2), 90–104. https://doi.org/10.18004/

anales/2024.057.02.90

Álvarez, A. K. G., Bailón, D. A. R., Balla, J. C. L., Mo-

ran, C. E. P., & Balla, J. R. L. (2026). Impacto de la

inteligencia artiﬁcial (IA) en la cirugía plástica: una

revisión sistemática. Revista InveCom/ISSN en lí-

nea: 2739-0063, 6(1), 1-7.

Badawy, W., Badawy, M., Zinhom, H., & Shaban, M.

(2024). Navigating ethical considerations in the

use of artiﬁcial intelligence for patient care: A sys-

tematic review. International Nursing Review. ht-

tps://doi.org/10.1111/inr.13059

Bohr, A., & Memarzadeh, K. (2020). The rise of arti-

ﬁcial intelligence in healthcare applications. Artiﬁ-

cial Intelligence in Healthcare, 25–60. https://doi.

org/10.1016/B978-0-12-818438-7.00002-2

Contreras Rivera, L. ., Puma Mamani , I., Morales

Chalco, J. R. ., Gil Jáuregui , C. A. ., & Chalco Cas-

tillo , N. S. . (2024). Ética en el uso de la Inteligen-

cia Artiﬁcial en la Investigación Cientíﬁca: Desafíos

y consideraciones. Aula Virtual, 5(12), 1488-1509.

https://doi.org/10.5281/zenodo.14653200

Dailah, H. G., Koriri, M. D., Sabei, A., Kriry, T., & Zakri,

M. (2024). Artiﬁcial Intelligence in Nursing: Tech-

nological Beneﬁts to Nurse’s Mental Health and

Patient Care Quality. Healthcare, 12(24), 2555. ht-

tps://doi.org/10.3390/healthcare12242555

Elías, M. A., Faversani, L. A., Moreira, J. A. V., Ma-

siero, A. V., & Cunha, N. V. D. (2024). Inteligencia

artiﬁcial en salud y sus implicaciones bioéticas:

una revisión sistemática. RevistaBioética,31,ht-

tps://www.scielo.br/j/bioet/a/d9bswmTrshnRQSN-

6ff9WLkD/?format=pdf&lang=e

Escobar, O. C. (2025). Implementación de la inteli-

gencia artiﬁcial en enfermería: desafíos y oportu-

nidades. Revista cientiﬁca eonlinetech, 4(1), 32-

53. https://publishing.fgu-edu.com/ojs/index.php/

RET/article/view/547

Farhud, D. D., & Zokaei, S. (2021). Ethical Issues of

Artiﬁcial Intelligence in Medicine and Healthcare.

Iranian journal of public health, 50(11), i–v. https://

doi.org/10.18502/ijph.v50i11.7600

ÉTICA Y DESAFÍOS DE LA IMPLEMENTACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA PRÁCTICA DE LA

ENFERMERÍA. REVISIÓN SISTEMÁTICA

336 RECIMUNDO VOL. 9 N°2 (2025)

Flores Martínez, D. J. (2024). Actitud y practica de

enfermería frente a avances tecnológicos en el

área quirúrgica: revisión bibliográﬁca (Master's

thesis). Universidad de los Andes. https://dspace.

uniandes.edu.ec/handle/123456789/18591

Gallo, K., et al. (2024). Leading with AI in critical care

nursing: challenges, opportunities, and the human

factor. BMC Nursing. https://bmcnurs.biomedcen-

tral.com/articles/10.1186/s12912-024-02363-4

Hamad Maldonado, I. (2024). El papel de la Inteli-

gencia Artiﬁcial en las funciones de Enfermería

en la Atención Primaria: Revisión Sistemática de

la Literatura. Universidad de Alicante. https://rua.

ua.es/dspace/handle/10045/143223

Hanpatchaiyakul, K., Teerawongsa, N., Kamnueng,

C., & Udmuangpia, T. (2024). Artiﬁcial Intelligence

in Nursing Practices: Addressing Ethical Concern.

Journal of Health Science of Thailand. https://

thaidj.org/index.php/JHS/article/view/14705

Harishbhai Tilala, M., Kumar Chenchala, P., Choppa-

dandi, A., Kaur, J., Naguri, S., Saoji, R., & Deva-

guptapu, B. (2024). Ethical Considerations in the

Use of Artiﬁcial Intelligence and Machine Lear-

ning in Health Care: A Comprehensive Review.

Cureus, 16(6), e62443. https://doi.org/10.7759/

cureus.62443

JMIR Medical Education. (2025). AI in the Health

Sector: Systematic Review of Key Skills for Futu-

re Health Professionals. JMIR Medical Education,

11(1), e58161. https://mededu.jmir.org/2025/1/

e58161

Karimian, G., Petelos, E., & Evers, S. M. A. A. (2022).

The ethical issues of the application of artiﬁcial

intelligence in healthcare: a systematic scoping

review. AI and Ethics, 2(4), 539–551. https://doi.

org/10.1007/s43681-021-00131-7

Koo, T. H., Zakaria, A. D., Ng, J. S. W., & Leong,

X. B. (2024). Systematic Review of the Applica-

tion of Artiﬁcial Intelligence in Healthcare and

Nursing Care. The Malaysian Journal of Medical

Science, 31(5), 135–142. https://doi.org/10.21315/

mjms2024.31.5.9

Kumar, N. P. R. (2024). AI (Artiﬁcial Intelligen-

ce) in Nursing. International Journal of Advan-

ce Research in Nursing, 7(1), 82–85. https://doi.

org/10.33545/nursing.2024.v7.i1.b.370

Lee, D., & Yoon, S. N. (2021). Application of Artiﬁ-

cial Intelligence-Based Technologies in the Heal-

thcare Industry: Opportunities and Challenges. In-

ternational journal of environmental research and

public health, 18(1), 271. https://doi.org/10.3390/

ijerph18010271

Li, F., Ruijs, N., & Lu, Y. (2022). Ethics & AI: A Sys-

tematic Review on Ethical Concerns and Related

Strategies for Designing with AI in Healthcare. AI,

4(1), 28–53. https://doi.org/10.3390/ai4010003

Martín-Fernández, M. (2024). DocencIA de enferme-

ría: Explorando el impacto de la Inteligencia Artiﬁ-

cial. Universidad de Navarra. https://dadun.unav.

edu/server/api/core/bitstreams/1afdec67-d529-

4fda-b099-74a205e8b133/content

Mohammed, S. A. A. Q., Osman, Y. M. M., Ibrahim,

A. M., & Shaban, M. (2025). Ethical and regula-

tory considerations in the use of AI and machine

learning in nursing: A systematic review. Interna-

tional nursing review, 72(1), e70010. https://doi.

org/10.1111/inr.70010

Nashwan, A. J., Cabrega, J. A., Othman, M. I., Khe-

dr, M. A., Osman, Y. M., El‐Ashry, A. M., Naif, R.,

& Mousa, A. A. (2025). The evolving role of nur-

sing informatics in the era of artiﬁcial intelligence.

International Nursing Review, 72(1). https://doi.

org/10.1111/inr.13084

Obermeyer, Z., Powers, B., Vogeli, C., & Mullainathan,

S. (2019). Dissecting racial bias in an algorithm

used to manage the health of populations. Scien-

ce, 366(6464), 447-453. https://doi.org/10.1126/

science.aax2342

Ramadan, O. M. E., Alruwaili, M. M., Alruwaili, A. N.,

et al. (2024). Facilitators and barriers to AI adop-

tion in nursing practice: a qualitative study of regis-

tered nurses' perspectives. BMC Nursing, 23, 891.

https://doi.org/10.1186/s12912-024-02571-y

Siala, H., & Wang, Y. (2022). SHIFTing artiﬁcial inte-

lligence to be responsible in healthcare: A syste-

matic review. <i>Social Science & Medicine</

i>, <i>296</i>, 114782. https://doi.org/10.1016/j.

socscimed.2022.114782</div>

Toapanta-Guano, B. G., & Guarate-Coronado, Y. C.

(2025). Avances de la inteligencia artiﬁcial y sus

aplicaciones en el campo de la enfermería. MQRIn-

vestigar, 9(1), e228. https://doi.org/10.56048/

MQR20225.9.1.2025.e228

Varkey B. (2021). Principles of Clinical Ethics and

Their Application to Practice. Medical principles

and practice : international journal of the Kuwait

University, Health Science Centre, 30(1), 17–28.

https://doi.org/10.1159/000509119

Weiner, E. B., Dankwa-Mullan, I., Nelson, W. A., &

Hassanpour, S. (2024). Ethical Challenges and

Evolving Strategies in the Integration of Artiﬁcial

Intelligence into Clinical Practice. arXiv preprint ar-

Xiv:2412.03576. https://arxiv.org/abs/2412.03576

NOBOA MORA, C. J., VARGAS AGUILAR, G. M., & MARTÍNEZ BENÍTEZ, C. C.

337

RECIMUNDO VOL. 9 N°2 (2025)

Wubineh, B. Z., Deriba, F., & Woldeyohannis, M. M.

(2023). Exploring the opportunities and challen-

ges of implementing artiﬁcial intelligence in heal-

thcare: A systematic literature review. https://doi.

org/10.1016/j.urolonc.2023.11.019

Yelne, S., Chaudhary, M., Dod, K., Sayyad, A., &

Sharma, R. (2023). Harnessing the Power of AI: A

Comprehensive Review of Its Impact and Challen-

ges in Nursing Science and Healthcare. Cureus.

https://doi.org/10.7759/cureus.49252

CITAR ESTE ARTICULO:

Noboa Mora, C. J., Vargas Aguilar, G. M., & Martínez Benítez, C. C. (2025).

Ética y desafíos de la implementación de la inteligencia artiﬁcial en la práctica

de la enfermería. Revisión sistemática. RECIMUNDO, 9(2), 323–339. https://

doi.org/10.26820/recimundo/9.(2).abril.2025.323-339

ÉTICA Y DESAFÍOS DE LA IMPLEMENTACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA PRÁCTICA DE LA

ENFERMERÍA. REVISIÓN SISTEMÁTICA

338 RECIMUNDO VOL. 9 N°2 (2025)

Anexo

Tabla 1. Extracción de Datos para Revisión Sistemática

Autor(es)

Año

Título

Objetivo

Metodología

Resultados

Principales

Conclusiones

Fuente/DOI

Álvarez

Guachichulca, J. S. et

al.

2024

Aplicaciones, oportunidades

y desafíos de implementar la

inteligencia artificial en

medicina: una revisión

narrativa de la literatura

Analizar aplicaciones,

oportunidades y

desafíos de la IA en

medicina

Revisión

narrativa

Identificación de

casos de uso clínico,

desafíos técnicos y

éticos

La IA transforma la

medicina, pero requiere

regulación y

capacitación

DOI

Álvarez, A. K. G. et

al.

2024

Impacto de la IA en cirugía

plástica: una revisión

sistemática

Evaluar el impacto de

la IA en cirugía

plástica

Revisión

sistemática

Mejora en precisión

diagnóstica y

planificación

quirúrgica

La IA optimiza

resultados, pero falta

evidencia a largo plazo

Revista

InveCom

Badawy, W. et al.

2024

Navigating ethical

considerations in AI for

patient care

Explorar dilemas

éticos en IA aplicada a

la atención médica

Revisión

sistemática

Preocupaciones en

privacidad, sesgo

algorítmico y

autonomía del

paciente

Necesidad de marcos

éticos robustos para IA

en salud

DOI

Bohr, A. &

Memarzadeh, K.

2020

The rise of AI in healthcare

applications

Describir avances de

IA en aplicaciones

sanitarias

Revisión

teórica

IA mejora

diagnóstico,

tratamiento y gestión

hospitalaria

La IA es disruptiva,

pero requiere

supervisión humana

DOI

Contreras Rivera, L.

et al.

2024

Ética en el uso de IA en

investigación científica

Discutir desafíos

éticos en investigación

con IA

Revisión

cualitativa

Riesgos en

transparencia,

replicabilidad y

equidad

Urge actualizar

normativas éticas para

investigación con IA

DOI

Dailah, H. G. et al.

2024

AI en enfermería: beneficios

tecnológicos

Evaluar impacto de IA

en salud mental de

enfermeros y calidad

de atención

Revisión

mixta

Reducción de carga

laboral y mejora en

precisión de cuidados

La IA apoya a

enfermería, pero

requiere adaptación

cultural

DOI

Elías, M. A. et al.

2024

IA en salud y bioética

Analizar

implicaciones

bioéticas de IA en

salud

Revisión

sistemática

Conflictos en

consentimiento

informado y

responsabilidad legal

Necesidad de enfoques

interdisciplinarios en

bioética

SciELO

Escobar, O. C.

2025

Implementación de IA en

enfermería

Explorar desafíos y

oportunidades de IA

en enfermería

Revisión

teórica

Oportunidades en

eficiencia; desafíos en

formación y

resistencia al cambio

Integración exitosa

requiere capacitación y

liderazgo

Enlace

Farhud, D. D. &

Zokaei, S.

2021

Ethical Issues of AI in

Medicine

Discutir problemas

éticos en IA médica

Revisión

narrativa

Cuestiones en

equidad, privacidad y

responsabilidad

Ética debe guiar el

desarrollo tecnológico

en salud

DOI

Flores Martínez, D. J.

2024

Actitud de enfermería

frente a avances

tecnológicos

Evaluar actitudes hacia

tecnología en área

quirúrgica

Revisión

bibliográfica

Actitudes positivas, pero

con preocupaciones por

desplazamiento laboral

Formación continua es

clave para adaptación

Tesis

Gallo, K. et al.

2024

Leading with AI in

critical care nursing

Explorar IA en

enfermería de cuidados

intensivos

Revisión

sistemática

IA mejora monitoreo, pero

reduce interacción humana

Equilibrar tecnología y

humanización en

cuidados

BMC

Nursing

Hamad Maldonado, I.

2024

IA en enfermería de

atención primaria

Analizar el papel de IA

en funciones de

enfermería

Revisión

sistemática

Automatización de tareas

administrativas y soporte

diagnóstico

IA libera tiempo para

atención directa al

paciente

Enlace

Hanpatchaivakul, K. et

al.

2024

Ethical Concerns in

AI Nursing Practices

Identificar

preocupaciones éticas en

IA en enfermería

Revisión

cualitativa

Riesgos en privacidad y

toma de decisiones

automatizada

Enfermeros deben

participar en diseño ético

de IA

Enlace

Harishbhai Tilala, M. et

al.

2024

Ethical

Considerations in

AI/ML Healthcare

Revisar consideraciones

éticas en IA/ML en

salud

Revisión

integral

Desafíos en transparencia,

equidad y responsabilidad

Implementar auditorías

éticas en sistemas de IA

DOI

JMIR Medical

Education

2025

AI in Health Sector:

Key Skills for

Professionals

Identificar habilidades

clave para profesionales

de salud con IA

Revisión

sistemática

Competencias en análisis

de datos, ética y

colaboración IA-humano

Educación continua es

esencial para adopción

de IA

DOI

Karimian, G. et al.

2022

Ethical Issues of AI

in Healthcare

Mapear problemas

éticos en IA aplicada a

salud

Revisión de

alcance

Temas recurrentes: sesgo,

privacidad, accountability

Políticas deben

evolucionar junto a la

tecnología

DOI

Koo, T. H. et al.

2024

AI in Healthcare and

Nursing Care

Evaluar aplicaciones de

IA en salud y enfermería

Revisión

sistemática

IA mejora eficiencia, pero

requiere validación clínica

Integración gradual con

evaluación constante

DOI

Kumar, N. P. R.

2024

AI in Nursing

Explorar usos de IA en

enfermería

Revisión

narrativa

Optimización de

diagnósticos y gestión de

pacientes

Enfermería debe

adaptarse a herramientas

DOI

Lee, D. & Yoon, S. N.

2021

AI-Based

Technologies in

Healthcare

Discutir oportunidades y

desafíos de IA en salud

Revisión

teórica

IA reduce costos, pero

plantea problemas éticos y

legales

Colaboración

multidisciplinaria para

maximizar beneficios

DOI

Li, F. et al.

2022

Ethics & AI in

Healthcare

Revisar preocupaciones

éticas y estrategias en

diseño de IA

Revisión

sistemática

Estrategias: transparencia,

participación stakeholders,

auditorías

Diseño centrado en

valores humanos es

crucial

DOI

Martin-Fernández, M.

2024

Impacto de IA en

docencia de

enfermería

Explorar impacto de IA

en educación en

enfermería

Estudio

cualitativo

IA personaliza

aprendizaje, pero requiere

actualización docente

Integrar IA en currículos

con enfoque pedagógico

Enlace

Nashwan, A. J. et al.

2025

Nursing Informatics

in AI Era

Analizar el rol de

informática en

enfermería con IA

Revisión

teórica

IA potencia gestión de

datos y toma de decisiones

Enfermeros necesitan

alfabetización digital

avanzada

DOI

NOBOA MORA, C. J., VARGAS AGUILAR, G. M., & MARTÍNEZ BENÍTEZ, C. C.

339

RECIMUNDO VOL. 9 N°2 (2025)

Obermeyer, Z. et al.

2019

Racial Bias in Health

Algorithms

Investigar sesgo racial

en algoritmos de salud

Estudio

empírico

Algoritmos subestiman

necesidades de pacientes

negros

Eliminar sesgos requiere

datos representativos

DOI

Mohammed et al

2025

Ethical and Regulatory

Considerations in AI

Nursing

Revisar aspectos éticos

y regulatorios en IA

para enfermería

Revisión

sistemática

Vacíos regulatorios y

necesidad de estándares

globales

Urge desarrollar políticas

específicas para IA en

enfermería

PubMed

Ramadan, O. M. E. et

al.

2024

Facilitadores y barreras

para IA en enfermería

Explorar perspectivas

de enfermeros sobre IA

Estudio

cualitativo

Facilitadores: eficiencia;

Barreras: miedo a errores

técnicos

Involucrar a enfermeros

en implementación de IA

DOI

Siala, H. & Wang, Y.

2022

Responsible AI in

Healthcare

Proponer marco para

IA responsable en salud

Revisión

sistemática

SHIFT framework:

Seguridad, Humanidad,

Imparcialidad,

Transparencia

Marcos responsables

mejoran confianza en IA

DOI

Toapanta-Guano, B.

G. & Guarate-

Coronado, Y. C.

2025

Avances de IA en

enfermería

Describir aplicaciones

de IA en enfermería

Revisión

teórica

IA en monitoreo,

diagnóstico y educación del

paciente

IA es complemento, no

reemplazo, del juicio

humano

DOI

Varkey, B.

2021

Principles of Clinical

Ethics

Aplicar principios

éticos en práctica

clínica con IA

Revisión

teórica

Autonomía, beneficencia, no

maleficencia y justicia

Ética clínica debe guiar

uso de IA en salud

DOI

Weiner, E. B. et al.

2024

Ethical Challenges in

AI Integration

Discutir estrategias para

desafíos éticos en IA

clínica

Revisión

narrativa

Estrategias: gobernanza,

educación y participación

pública

Enfoque proactivo para

mitigar riesgos éticos

arXiv

Wubineh, B. Z. et al.

2023

Oportunidades y

desafíos de IA en salud

Sintetizar evidencia

sobre IA en salud

Revisión

sistemática

Oportunidades en eficiencia;

desafíos en ética y seguridad

Implementación

balanceada con enfoque

en equidad

DOI

Yelne, S. et al.

2023

Impacto y desafíos de

IA en enfermería

Revisar impacto

Revisión

integral

IA mejora precisión, pero

requiere capacitación

Enfermería debe liderar

adopción ética de IA

DOI

ÉTICA Y DESAFÍOS DE LA IMPLEMENTACIÓN DE LA INTELIGENCIA ARTIFICIAL EN LA PRÁCTICA DE LA

ENFERMERÍA. REVISIÓN SISTEMÁTICA