Inteligencia Artificial (IA) en el triaje de atención primaria: Una revisión sobre la precisión diagnóstica
Article Sidebar
Main Article Content
Abstract
La saturación estructural en la atención primaria y los servicios de urgencias incrementa la variabilidad clínica y los errores médicos, afectando de forma directa la oportunidad y la seguridad del paciente. Frente a esto, la Inteligencia Artificial (IA) clínica surge como un motor de transformación digital capaz de optimizar la gestión de la demanda asistencial. Este artículo de revisión evalúa la precisión diagnóstica y la efectividad de las herramientas de IA aplicadas al triaje y cribado clínico. Para ello, se realizó una revisión integrativa de la literatura donde se seleccionaron y analizaron sistemáticamente 14 documentos científicos indexados publicados entre 2020 y 2025.
Los resultados evidencian que los modelos de aprendizaje profundo (Deep Learning) alcanzan un rendimiento global elevado, con sensibilidades del 91% al 100% y áreas bajo la curva de hasta 0.99 en ecocardiografía y radiografías, logrando mitigar entre el 60% y 70% de los errores perceptivos humanos condicionados por la fatiga. Asimismo, las arquitecturas de aprendizaje automático y procesamiento de lenguaje natural agilizan los flujos prehospitalarios de triaje a tiempos inferiores a los 2 minutos. Se concluye que la IA es un potente filtro predictivo que reduce reingresos evitables y robustece la consistencia médica. Su adopción exitosa requiere validación clínica local, interoperabilidad de infraestructura, capacitación continua y una estricta gobernanza ética bajo supervisión humana definitiva.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
The journal provides immediate open access to all its content on the principle of making research freely available to the public to support a greater global exchange of knowledge.
In this way, the reader can access all the contents of the journal from the moment of publication without cost or subscription obligation.
The journal is licensed under the Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) license agreement. The authors retain the copyright and third parties are allowed to copy, distribute and use the works provided they comply with the terms and conditions set forth in the license
cite authorship and the original source of publication (journal, publisher and URL of the work).
Do not use them for commercial purposes.
If you remix, transform or create from the material, you must disseminate your contributions under the same license as the original.
More information can be found at https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es.
The Journal declines any responsibility for possible conflicts arising from the authorship of the works published.