Integración de Big Data e inteligencia artificial en la gestión de enfermería de trastornos inmunitarios: asociaciones con la toma de decisiones clínicas y el monitoreo de pacientes.
Resumen
Introducción. Los trastornos inmunitarios, como lupus eritematoso sistémico, artritis reumatoide y la enfermedad de Crohn, requieren cuidados de enfermería individualizados debido a la heterogeneidad de sus manifestaciones clínicas y complejos mecanismos inmunológicos. Los avances en Big Data e inteligencia artificial ofrecen oportunidades de mejora en el monitoreo de pacientes y la toma de decisiones clínicas basadas en la evidencia. Este estudio examina la asociación entre la integración de estas tecnologías en la gestión de enfermería y el monitoreo de pacientes, la toma de decisiones clínicas y la facilidad de uso para el personal de enfermería. Metodología. Se llevó a cabo un estudio de corte transversal multicéntrico en cinco hospitales de Sulawesi occidental, Indonesia, entre febrero y diciembre de 2024. Los participantes incluyeron adultos con trastornos inmunitarios confirmados por un médico y 55 profesionales de enfermería brindando atención directa. Una plataforma de apoyo a la toma de decisiones clínicas integró historias clínicas electrónicas, monitoreo mediante dispositivos portátiles y datos de laboratorio para producir predicciones de riesgo individualizadas. Los desenlaces incluyeron la detección de exacerbaciones, desempeño del monitoreo de síntomas, precisión predictiva y la usabilidad para el personal de enfermería. Se considero estadísticamente significativo un valor p < 0.05. Resultados. La gestión de enfermería asistida por inteligencia artificial se asoció con detección temprana de exacerbaciones (32.4%), alta precisión predictiva para el apoyo a la toma de decisiones relacionadas con el tratamiento (87.6%) y mejoras en el desempeño del monitoreo de síntomas ( diferencia de medias = 18.5%, p < 0.001). El 81.8% de los profesionales de enfermería reportó una alta usabilidad del sistema y el 78.2% consideró a la plataforma funcional para los flujos de trabajo clínicos rutinarios. Discusión. La integración de datos clínicos, moleculares y procedentes de dispositivos vestibles mediante la inteligencia artificial puede mejorar el seguimiento de los síntomas, la detección precoz y la toma de decisiones de enfermería basadas en la evidencia. El alto grado de aceptación por parte del personal de enfermería indica una usabilidad favorable. Sin embargo, la preparación de la organización, la alfabetización digital, la interoperabilidad y la gobernanza ética siguen siendo aspectos importantes. Conclusiones. La integración de Big Data e inteligencia artificial a la gestión de enfermería se asoció con mejoras en el monitoreo de pacientes, fortalecimiento del apoyo a la toma de decisiones clínicas y alta usabilidad para el personal de enfermería. Al ser un estudio de corte transversal, no se pueden inferir relaciones causales. Se requieren estudios multicéntricos longitudinales para confirmar estos hallazgos y evaluar la efectividad clínica a largo plazo.
Referencias bibliográficas
1. Tsokos GC. Systemic lupus erythematosus. N Engl J Med [Internet]. 2011;365(22):2110–2121. doi: https://doi.org/10.1056/nejmra1100359
2. Smolen JS, Aletaha D, McInnes IB. Rheumatoid arthritis. Lancet [Internet]. 2016;388(10055):2023–2038. doi: https://doi.org/10.1016/s0140-6736(16)30173-8
3. Rieke N, Hancox J, Li W, Milletari F, Roth HR, Albarqouni S, et al. The future of digital health with federated learning. NPJ Digit Med [Internet]. 2020;3:119. doi: https://doi.org/10.1038/s41746-020-00323-1
4. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med [Internet]. 2019;25(1):44-56. doi: https://doi.org/10.1038/s41591-018-0300-7
5. Kitano H. Systems biology: a brief overview. Science [Internet]. 2002;295(5560):1662-1664. doi: https://doi.org/10.1126/science.1069492
6. Zhernakova DV, Deelen P, Vermaat M, van Iterson M, van Galen M, Arindrarto W, et al. Identification of context-dependent expression quantitative trait loci in whole blood. Nat Genet 2017;49(1):139–145. doi: https://doi.org/10.1038/ng.3737
7. Esteva A, Robicquet A, Ramsundar B, Kuleshov V, DePristo M, Chou K, et al. A guide to deep learning in healthcare. Nat Med [Internet]. 2019;25(1):24-29. doi: https://doi.org/10.1038/s41591-018-0316-z
8. Rajkomar A, Dean J, Kohane I. Machine learning in medicine. N Engl J Med [Internet]. 2019;380(14):1347-1358. doi: https://doi.org/10.1056/nejmra1814259
9. Miotto R, Li L, Kidd BA, Dudley JT. Deep Patient: An unsupervised representation to predict the future of patients from electronic health records. Sci Rep [Internet]. 2016;6:26094. doi: https://doi.org/10.1038/srep26094
10. Ronquillo CE, Peltonen LM, Pruinelli L, Chu CH, Bakken S, Beduschi A, et al. Artificial intelligence in nursing: priorities and opportunities from an international invitational think-tank of the Nursing and Artificial Intelligence Leadership Collaborative. J Adv Nurs [Internet]. 2021;77(9):3707-3717. doi: https://doi.org/10.1111/jan.14855
11. Buchanan C, Howitt ML, Wilson R, Booth RG, Risling T, Bamford M. Predicted influences of artificial intelligence on nursing education: scoping review. JMIR Nurs [Internet]. 2021;4(1):e23933. doi: https://doi.org/10.2196/23933
12. Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, et al. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol [Internet]. 2017;2(4):230-243. doi: https://doi.org/10.1136/svn-2017-000101
13. Davenport T, Kalakota R. The potential for artificial intelligence in healthcare. Future Healthc J [Internet]. 2019;6(2):94-98. doi: https://doi.org/10.7861/futurehosp.6-2-94
14. Booth RG, Strudwick G, McBride S, O'Connor S, Solano-López AL. How the nursing profession should adapt for a digital future. BMJ [Internet]. 2021;373:n1190. doi: https://doi.org/10.1136/bmj.n1190
15. Paprica PA, Nunes-de Melo M, Schull MJ. Social license and the general public's attitudes toward research based on linked administrative health data: a qualitative study. CMAJ Open [Internet]. 2019;7(1):E40–E46. doi: https://doi.org/10.9778/cmajo.20180099
16. Topol, E.J. High-performance medicine: the convergence of human and artificial intelligence. Nat Med 25, 44–56 (2019). https://doi.org/10.1038/s41591-018-0300-7
17. Yu KH, Beam AL, Kohane IS. Artificial intelligence in healthcare. Nat Biomed Eng [Internet]. 2018;2(10):719-731. doi: https://doi.org/10.1038/s41551-018-0305-z
18. Meskó B, Drobni Z, Bényei É, Gergely B, Győrffy Z. Digital health is a cultural transformation of traditional healthcare. Mhealth [Internet]. 2017;3:38. doi: https://doi.org/10.21037/mhealth.2017.08.07
19. Pant Pai N, Abbasgholizadeh Rahimi S, Tulsi J, Bartlett S, Grover S, Sejdic E. Envisioning digital health ecosystem transformation in Canada «a conceptual foundation en Neuf Etapes.». FACETS. [Internet]. 2026;11:1-17. doi: https://doi.org/10.1139/facets-2025-0142
20. Dilsizian SE, Siegel EL. Artificial intelligence in medicine and cardiac imaging: harnessing big data and advanced computing to provide personalized medical diagnosis and treatment. Curr Cardiol Rep [Internet]. 2014;16(1):441. doi: https://doi.org/10.1007/s11886-013-0441-8
21. Kaplan B. How should health data be used? Camb Q Healthc Ethics [Internet]. 2016;25(2):312-329. doi: https://doi.org/10.1017/s0963180115000614
22. van der Schaar M, Alaa AM, Floto A, Gimson A, Scholtes S, Wood A, et al. How artificial intelligence and machine learning can help healthcare systems respond to COVID-19. Mach Learn [Internet]. 2021;110:1-14. doi: https://doi.org/10.1007/s10994-020-05928-x
23. Ibrahim S. The Digital Doctor: Hope, Hype and Harm at the Dawn of Medicine’s Computer Age [Book Review]. Malays Orthop J [Internet]. 2018 Jul;12(2):75. Available from: https://pmc.ncbi.nlm.nih.gov/articles/PMC6092535/.
24. Vayena E, Blasimme A, Cohen IG. Machine learning in medicine: addressing ethical challenges. PLOS Med 2018;15(11):e1002689. doi: https://doi.org/10.1371/journal.pmed.1002689
25. Bohr A, Memarzadeh K, editors. Artificial Intelligence in Healthcare [Internet]. London: Academic Press; 2020. doi:10.1016/C2018-0-04097-9. Available from: https://books.google.com.co/books?id=FDLXDwAAQBAJ
26. Morley J, Machado CCV, Burr C, Cowls J, Joshi I, Taddeo M, et al. The ethics of AI in health care: A mapping review. Soc Sci Med [Internet]. 2020;260:113172. doi: https://doi.org/10.1016/j.socscimed.2020.113172
27. Kaul V, Enslin S, Gross SA. History of artificial intelligence in medicine. Gastrointest Endosc [Internet]. 2020;92(4):807-812. doi: https://doi.org/10.1016/j.gie.2020.06.040
28. Shilo S, Rossman H, Segal E. Axes of a revolution: challenges and promises of big data in healthcare. Nat Med [Internet]. 2020;26(1):29-38. doi: https://doi.org/10.1038/s41591-019-0727-5
29. Murdoch TB, Detsky AS. The inevitable application of big data to health care. JAMA [Internet]. 2013;309(13):1351-1352. doi: https://doi.org/10.1001/jama.2013.393
30. Booth RG, Strudwick G, McBride S, O’Connor S, Solano-López AL. How the nursing profession should adapt for a digital future. BMJ [Internet]. 2021;373:n1190. doi: https://doi.org/10.1136/bmj.n1190
31. Sutton RT, Pincock D, Winterstein DA, et al. An overview of clinical decision support systems: benefits, risks, and strategies for success. NPJ Digit Med [Internet]. 2020;3:17. doi: https://doi.org/10.1038/s41746-020-0221-y
32. Christina J, Ford K, Menz B, Sorich M, Hopkins A, Ramsey I, et al. Integrating the Caring Life Course Theory and artificial intelligence applications to enhance cancer care across the continuum. Semin Oncol Nurs. [Internet]. 2025;41(6):152040. doi: https://doi.org/10.1016/j.soncn.2025.152040
33. Lee P, Bubeck S, Petro J. Benefits, limits, and risks of GPT-4 as an AI chatbot for medicine. N Engl J Med [Internet]. 2023;388(13):1233-1239. doi: https://doi.org/10.1056/nejmsr2214184
Descargas
Derechos de autor 2026 MedUNAB
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
