����������������������������������������������������������������������������������

 

 

Inteligencia artificial responsable en enfermer�a: optimizaci�n del cuidado cl�nico y decisiones �ticas

 

Responsible artificial intelligence in nursing: optimizing clinical care and ethical decisions

 

Intelig�ncia artificial respons�vel em enfermagem: otimizar os cuidados cl�nicos e as decis�es �ticas

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: tcarrion@umet.edu.ec

 

Ciencias de la Salud

Art�culo de Investigaci�n

 

 

* Recibido: 20 de julio de 2025 *Aceptado: 15 de agosto de 2025 * Publicado: �12 de septiembre de 2025

 

        I.            Universidad Metropolitana, Ecuador.

      II.            Universidad Metropolitana, Ecuador.

   III.            Universidad Metropolitana, Ecuador.

 

 

Resumen

La inteligencia artificial (IA) ha emergido como una herramienta clave en el �mbito de la enfermer�a, permitiendo optimizar el cuidado cl�nico, aumentar la seguridad del paciente y mejorar la eficiencia asistencial. Este art�culo presenta una revisi�n bibliogr�fica de investigaciones, con un enfoque en el impacto �tico y profesional de la IA. Los resultados evidencian beneficios como la reducci�n de errores, el soporte en la toma de decisiones cl�nicas y la personalizaci�n del tratamiento. No obstante, tambi�n se identifican riesgos relacionados con la deshumanizaci�n del cuidado, sesgos algor�tmicos y vulneraciones a la privacidad. Se concluye que una integraci�n �tica, regulada y complementada por el juicio cl�nico humano es esencial para garantizar una pr�ctica enfermera centrada en el paciente.

Palabras clave: inteligencia artificial responsable; �tica profesional; enfermer�a; decisiones cl�nicas; cuidado humanizado.

 

Abstract

Artificial intelligence (AI) has emerged as a key tool in nursing, enabling the optimization of clinical care, increasing patient safety, and improving care efficiency. This article presents a literature review of research, focusing on the ethical and professional impact of AI. The results demonstrate benefits such as error reduction, support in clinical decision-making, and personalized treatment. However, risks related to the dehumanization of care, algorithmic biases, and privacy violations are also identified. It is concluded that an ethical integration, regulated and complemented by human clinical judgment, is essential to ensure patient-centered nursing practice.

Keywords: responsible artificial intelligence; professional ethics; nursing; clinical decisions; humanized care.

 

Resumo

A intelig�ncia artificial (IA) emergiu como uma ferramenta fundamental na enfermagem, permitindo a otimiza��o dos cuidados cl�nicos, aumentando a seguran�a do doente e melhorando a efici�ncia dos cuidados. Este artigo apresenta uma revis�o bibliogr�fica de investiga��o, com foco no impacto �tico e profissional da IA. Os resultados demonstram benef�cios como a redu��o de erros, o apoio � tomada de decis�o cl�nica e o tratamento personalizado. No entanto, s�o tamb�m identificados riscos relacionados com a desumaniza��o dos cuidados, enviesamentos algor�tmicos e viola��es de privacidade. Conclui-se que uma integra��o �tica, regulada e complementada pelo ju�zo cl�nico humano, � essencial para garantir a pr�tica de enfermagem centrada no doente.

Palavras-chave: intelig�ncia artificial respons�vel; �tica profissional; enfermagem; decis�es cl�nicas; cuidado humanizado.

 

Introducci�n

La inteligencia artificial (IA) est� transformando la atenci�n sanitaria mediante herramientas avanzadas que incrementan la eficiencia cl�nica, optimizan los procesos asistenciales y fortalecen la toma de decisiones informadas (Khan et al., 2024). En el campo de la enfermer�a, la IA representa una oportunidad estrat�gica para mejorar la pr�ctica profesional, no solo a trav�s de la automatizaci�n de tareas rutinarias, sino tambi�n mediante el apoyo a decisiones cl�nicas complejas, lo que contribuye a la seguridad del paciente y a la mejora continua de la calidad del cuidado (Campos et al., 2024).

La implementaci�n de sistemas basados en IA permite una mejor organizaci�n del trabajo del personal de enfermer�a y un seguimiento m�s preciso del estado de salud de los pacientes (Benfatah, 2025). Este monitoreo en tiempo real facilita intervenciones tempranas y personalizadas, fundamentales para una atenci�n enfermera eficaz (Van der Gaag et al., 2023). Sin embargo, estos beneficios requieren una evaluaci�n �tica rigurosa, ya que la incorporaci�n de tecnolog�as inteligentes debe respetar principios como la autonom�a del paciente, la confidencialidad de la informaci�n y la equidad en el acceso a los servicios (Robles-Calle et al., 2022).

Adem�s de sus aplicaciones cl�nicas, la IA desempe�a un papel creciente en la investigaci�n y evaluaci�n de la calidad del cuidado. Su capacidad para procesar grandes vol�menes de datos permite identificar patrones que pasar�an desapercibidos con m�todos tradicionales (Lifshits & Rosenberg, 2024). Amed-Salazar et al. (2019) subrayan que la percepci�n de los pacientes sobre la calidad de la atenci�n puede evaluarse mediante algoritmos inteligentes que interpretan registros cl�nicos y encuestas.

Estos an�lisis permiten personalizar el cuidado seg�n las necesidades individuales de los pacientes, aline�ndose con el modelo de atenci�n centrada en la persona, y promoviendo una pr�ctica enfermera emp�tica, sensible y adaptativa (De Arco-Canoles & Su�rez-Calle, 2018). As�, la IA no solo mejora la eficiencia operativa, sino que tambi�n fortalece el v�nculo terap�utico entre el profesional de enfermer�a y el paciente.

Desde una perspectiva �tica, la r�pida incorporaci�n de tecnolog�as inteligentes genera nuevos desaf�os. Diversos estudios se�alan que los profesionales de enfermer�a se enfrentan a dilemas �ticos asociados al uso de estas tecnolog�as. La IA puede facilitar la toma de decisiones informadas mediante el an�lisis de datos cl�nicos relevantes y patrones contextuales que ayudan a evaluar las implicaciones �ticas de las acciones cl�nicas (Escobar-Castellanos & Henr�quez, 2018; Quishpe & Chipantiza, 2023).

En este escenario, el liderazgo enfermero adquiere una importancia estrat�gica. M�s all� de las competencias t�cnicas, los profesionales deben desarrollar habilidades �ticas, comunicativas y de gesti�n para liderar procesos de cambio orientados a una atenci�n segura y humanizada (D�az et al., 2011; De Arco-Canoles & Su�rez-Calle, 2018). Este liderazgo resulta clave para consolidar una cultura institucional en la que el uso de IA respete la centralidad de la relaci�n enfermera-paciente (Ram�rez & M�ggenburg, 2015; Torres, 2021).

Frente al auge de sistemas predictivos y plataformas automatizadas, este estudio tiene como objetivo analizar c�mo una adopci�n �tica y regulada de la inteligencia artificial puede optimizar el cuidado cl�nico en enfermer�a sin comprometer los valores profesionales ni la humanizaci�n del trato. Se presenta una revisi�n cr�tica de investigaciones recientes que exploran la intersecci�n entre tecnolog�a, �tica y cuidado de la salud, con el prop�sito de identificar oportunidades, riesgos y lineamientos para una integraci�n responsable.

Fundamentos de la inteligencia artificial en salud

La inteligencia artificial (IA) se refiere a la capacidad de los sistemas computacionales para realizar tareas que tradicionalmente requieren inteligencia humana, como el aprendizaje, el razonamiento, la percepci�n y la toma de decisiones (Lippi & Plebani, 2025). En el contexto de la salud, la IA se aplica mediante algoritmos que procesan grandes vol�menes de datos cl�nicos con el fin de identificar patrones, predecir resultados y apoyar a los profesionales sanitarios en la atenci�n al paciente (Mart�nez-Castillo et al., 2021).

El desarrollo de la IA en medicina ha sido posible gracias al avance de subcampos como el aprendizaje autom�tico (machine learning), el procesamiento del lenguaje natural (NLP) y las redes neuronales profundas (deep learning). Estas tecnolog�as permiten analizar informaci�n procedente de historias cl�nicas electr�nicas, resultados de laboratorio, im�genes diagn�sticas y datos de dispositivos de monitoreo en tiempo real, generando modelos predictivos que pueden anticipar complicaciones o recomendar tratamientos personalizados (Garc�a et al., 2024).

A continuaci�n, en la Tabla 1 se presentan los fundamentos clave de la inteligencia artificial en salud, organizados por concepto, aplicaciones, tecnolog�as involucradas y atributos principales que la hacen valiosa en entornos cl�nicos, y permite comprender mejor su impacto potencial en la pr�ctica de enfermer�a.

 

Tabla 1 Fundamentos clave de la IA en salud

 

Uno de los principales atributos de la IA en salud es su capacidad para gestionar la complejidad inherente al proceso cl�nico. A diferencia de los sistemas tradicionales basados en reglas fijas, los algoritmos de IA pueden adaptarse, aprender de nuevos datos y mejorar progresivamente su desempe�o. Esto la convierte en una herramienta particularmente �til en entornos din�micos como las unidades de cuidados intensivos, urgencias o atenci�n primaria, donde las decisiones deben tomarse con rapidez y precisi�n (Lifshits & Rosenberg, 2024).

No obstante, el potencial de la IA no reside �nicamente en su capacidad t�cnica, sino tambi�n en su integraci�n con el juicio cl�nico y la experiencia de los profesionales de salud. En este sentido, la IA debe concebirse como un instrumento de apoyo a la pr�ctica sanitaria, no como un sustituto del criterio humano (Watson, 2024). Su implementaci�n efectiva requiere una comprensi�n cr�tica de sus limitaciones, as� como del contexto social, �tico y legal en el que se desarrolla.

Raz�n por la cual, es fundamental reconocer que la adopci�n de la IA en salud debe guiarse por valores como la equidad, la transparencia y el respeto a la autonom�a del paciente. Esto implica dise�ar sistemas que no solo sean t�cnicamente s�lidos, sino tambi�n culturalmente sensibles, justos en sus decisiones y auditables por los equipos cl�nicos y la sociedad en general (Mohammed et al., 2025).

Rol de la enfermer�a en la era digital

La transformaci�n del campo de la enfermer�a, impulsada por la r�pida implementaci�n de tecnolog�as como la inteligencia artificial (IA), requiere que los profesionales adquieran un conjunto diversificado de competencias digitales. Estas competencias son esenciales no solo para maximizar el uso de la tecnolog�a en la atenci�n m�dica, sino tambi�n para garantizar que los enfermeros puedan responder de manera efectiva a las demandas cambiantes del entorno de la salud.

A continuaci�n, se describen las principales �reas de conocimiento y habilidades que los profesionales de enfermer�a deben desarrollar en la era digital:

1. Conocimientos en Tecnolog�a de la Informaci�n y Comunicaci�n (TIC): Es fundamental que los enfermeros comprendan las herramientas digitales, incluidos los sistemas de gesti�n de datos de salud y los registros electr�nicos de salud (EHR). Seg�n Mej�as et al., (2022) la comprensi�n y el manejo de estas herramientas digitales son cruciales para la administraci�n de la atenci�n del paciente y la integraci�n de la IA en la pr�ctica diaria. Los profesionales deben saber c�mo documentar y utilizar eficientemente la informaci�n del paciente, lo cual es vital para una atenci�n segura y efectiva.
2. Habilidades de an�lisis de datos: La capacidad de analizar y comprender datos derivados de dispositivos y sistemas de IA se vuelve cada vez m�s importante. Los enfermeros deben ser capaces de interpretar datos cl�nicos y utilizar herramientas de IA para predecir resultados y adaptar tratamientos. Este tipo de an�lisis permite a los profesionales de enfermer�a tomar decisiones informadas sobre la atenci�n del paciente, bas�ndose en patrones y tendencias observadas en los datos (Mej�as et al., 2022).
3. Competencias en seguridad cibern�tica: Con la creciente digitalizaci�n de los registros de salud y la importancia de la protecci�n de datos, los profesionales de enfermer�a deben estar capacitados en cuestiones de seguridad y privacidad de los datos. Comprender la importancia de proteger la informaci�n del paciente y cumplir con las normativas establecidas es crucial para garantizar la confidencialidad y la integridad de los datos (Aguilar et al., 2019). Esta competencia es esencial para establecer confianza y fomentar relaciones efectivas con los pacientes.
4. Capacidades en telemedicina y herramientas de comunicaci�n digital: Dada la creciente utilizaci�n de plataformas de telemedicina, los enfermeros deben familiarizarse con estas tecnolog�as para proporcionar atenci�n remota de calidad. Esto incluye habilidades para usar herramientas de videoconferencia, mensajer�a segura y otros m�todos de comunicaci�n digital que faciliten la atenci�n a distancia. El dominio de estas plataformas no solo mejora la accesibilidad a la atenci�n, sino que tambi�n optimiza la experiencia del paciente (Medina, 2024).
5. Trabajo interdisciplinario y colaboraci�n: La competencia digital tambi�n implica la capacidad de trabajar en equipos interdisciplinarios que integren diversas tecnolog�as de atenci�n. Esto requiere habilidades comunicativas efectivas para colaborar con otros profesionales de la salud en un entorno digitalizado, lo cual es fundamental para proporcionar una atenci�n coordinada (V�squez et al., 2023). La colaboraci�n efectiva en este contexto tambi�n se apoya en el uso de aplicaciones de IA que fomentan la comunicaci�n y el seguimiento en la atenci�n al paciente.
6. Formaci�n continua y adaptaci�n: Dado el ritmo acelerado con el que evoluciona la tecnolog�a, los profesionales de enfermer�a deben comprometerse con el aprendizaje constante y la adaptaci�n a nuevas herramientas y pr�cticas. Por lo tanto, es indispensable que los programas de formaci�n de enfermer�a incluyan un enfoque en competencias digitales, asegurando que las futuras generaciones de enfermeros est�n bien equipadas para enfrentarse a los desaf�os que plantea la tecnolog�a en la atenci�n m�dica (Barrios et al., 2020).

Casos de uso de IA en la pr�ctica de enfermer�a

La implementaci�n de la inteligencia artificial (IA) en la pr�ctica de enfermer�a se manifiesta a trav�s de m�ltiples casos de uso que est�n transformando tanto la atenci�n directa al paciente como la gesti�n administrativa y la educaci�n continua de los profesionales de la salud. A continuaci�n, en la tabla 1 se exponen algunos, respaldados por referencias pertinentes. casos destacados de uso de IA en la pr�ctica de enfermer�a

 

Tabla 2� respaldados por referencias pertinentes. casos destacados

 

�tica y responsabilidad en el uso de la inteligencia artificial

La incorporaci�n de la inteligencia artificial (IA) en el �mbito de la salud plantea importantes desaf�os �ticos que requieren una reflexi�n cr�tica por parte de los profesionales sanitarios, legisladores y desarrolladores tecnol�gicos. En el contexto de la enfermer�a, donde el cuidado se basa en la empat�a, la autonom�a del paciente y la relaci�n humana, el uso de sistemas automatizados debe evaluarse cuidadosamente para no comprometer los principios fundamentales de la pr�ctica �tica (Ronquillo et al., 2021).

Uno de los pilares de la �tica en salud es el respeto por la autonom�a del paciente. El uso de sistemas de IA que influyen en decisiones cl�nicas puede limitar, de forma indirecta, la capacidad del paciente para participar activamente en su cuidado, especialmente cuando los algoritmos no son transparentes o sus recomendaciones no son comprensibles para el usuario final (Watson, 2024). En este sentido, se exige un modelo de atenci�n que combine tecnolog�a con comunicaci�n clara, consentimiento informado y respeto por la individualidad.

Adem�s, la justicia distributiva es otro principio �tico clave. Si los algoritmos se entrenan con datos no representativos o sesgados, existe el riesgo de reproducir desigualdades estructurales y excluir a poblaciones vulnerables de los beneficios tecnol�gicos (Mohammed et al., 2025). Los profesionales de enfermer�a, en su rol de defensores del paciente, deben estar atentos a estas posibles inequidades y contribuir a su identificaci�n y correcci�n.

Otro aspecto �tico relevante es la rendici�n de cuentas. A medida que las decisiones cl�nicas se apoyan en sistemas automatizados, surge la pregunta sobre qui�n es responsable en caso de un error. Esta situaci�n puede generar vac�os legales y �ticos si no existen protocolos claros de supervisi�n, validaci�n cl�nica y revisi�n humana. Por ello, la responsabilidad profesional no puede delegarse completamente a la tecnolog�a (O�Connor et al., 2022).

Tambi�n se debe considerar la necesidad de explicabilidad y transparencia en los sistemas de IA. Los algoritmos deben ser auditables, comprensibles y estar sujetos a revisi�n externa. La llamada �caja negra� algor�tmica representa una amenaza para la confianza del paciente y del equipo de salud si sus procesos de decisi�n no son claros ni trazables (Ronquillo et al., 2021).

Es por ello que, la formaci�n �tica y digital del personal de enfermer�a es indispensable para una implementaci�n responsable. No basta con conocer el funcionamiento t�cnico de las herramientas; es necesario comprender sus implicaciones �ticas, sociales y legales. La educaci�n debe incluir el an�lisis cr�tico de casos, el debate interdisciplinario y la construcci�n de marcos de acci�n que prioricen siempre el bienestar del paciente.

Riesgos �ticos de la IA en enfermer�a

La integraci�n de la inteligencia artificial (IA) en la enfermer�a ofrece beneficios significativos, pero tambi�n conlleva riesgos �ticos que deben identificarse y gestionarse de manera proactiva. Ignorar estos desaf�os puede comprometer la calidad del cuidado, la confianza del paciente y la responsabilidad profesional del personal de enfermer�a. A continuaci�n, se presentan los principales riesgos �ticos asociados al uso de la IA en el contexto enfermero:

1.                 Sesgos algor�tmicos y discriminaci�n indirecta

Los algoritmos pueden reflejar los prejuicios existentes en los datos con los que fueron entrenados. Esto puede traducirse en recomendaciones cl�nicas que perpet�an desigualdades sociales, econ�micas o raciales. En enfermer�a, esto puede afectar la distribuci�n equitativa de recursos o priorizar err�neamente ciertos tratamientos (Mohammed et al., 2025).

2.                 Deshumanizaci�n del cuidado

El uso intensivo de tecnolog�a puede disminuir la interacci�n directa entre el profesional de enfermer�a y el paciente, debilitando la dimensi�n human�stica del cuidado. La automatizaci�n de tareas cr�ticas sin una supervisi�n emp�tica puede afectar negativamente la percepci�n del paciente sobre la atenci�n recibida (Yiğit & A�ıkg�z, 2024).

3.                 P�rdida de autonom�a profesional

Cuando las decisiones cl�nicas se delegan excesivamente a sistemas automatizados, los profesionales pueden verse limitados en su capacidad de ejercer juicio cl�nico. Esto puede generar dependencia tecnol�gica o falta de confianza en la propia experiencia profesional, afectando el rol aut�nomo del personal de enfermer�a (Ronquillo et al., 2021).

4.                 Privacidad y confidencialidad de los datos

El uso de IA requiere el manejo de grandes vol�menes de datos sensibles. Si no se garantizan mecanismos robustos de protecci�n, la confidencialidad del paciente puede verse comprometida. El acceso no autorizado, la filtraci�n de informaci�n o el uso indebido de datos cl�nicos constituyen violaciones �ticas graves (Aguilar et al., 2019).

5.                 Inequidad en el acceso a la tecnolog�a

Las instituciones con mayores recursos son m�s propensas a implementar soluciones de IA avanzadas. Esto puede ampliar la brecha entre sistemas de salud, generando desigualdad en la calidad de atenci�n entre regiones o poblaciones. La enfermer�a tiene un papel clave en visibilizar y mitigar estas disparidades (Badawy et al., 2025).

6.                 Falta de formaci�n �tica y digital

Muchos profesionales de enfermer�a no han recibido capacitaci�n suficiente en el uso �tico de herramientas basadas en IA. Esta carencia aumenta el riesgo de decisiones incorrectas, malinterpretaci�n de datos o dependencia excesiva de sistemas tecnol�gicos, lo que compromete la seguridad y calidad del cuidado (Garc�a-G�mez et al., 2024).

7.                 Responsabilidad legal difusa

En caso de errores asociados al uso de IA, puede resultar dif�cil establecer la responsabilidad entre el profesional, la instituci�n o el desarrollador del sistema. Esta ambig�edad legal plantea un desaf�o �tico, ya que podr�a dejar al paciente desprotegido frente a fallos del sistema (O�Connor et al., 2023).

Barreras para la implementaci�n �tica de la IA en enfermer�a

Aunque la inteligencia artificial (IA) ofrece oportunidades significativas para mejorar la atenci�n sanitaria, su implementaci�n �tica en el campo de la enfermer�a enfrenta diversas barreras. Estas limitaciones, tanto estructurales como culturales, pueden comprometer la eficacia, seguridad y equidad del uso de estas tecnolog�as si no se abordan de manera adecuada.

1.                 Desigualdad en el acceso a recursos tecnol�gicos

Las instituciones de salud no siempre cuentan con la infraestructura tecnol�gica necesaria para implementar soluciones basadas en IA. Esta disparidad afecta especialmente a centros ubicados en regiones rurales o de bajos recursos, lo que limita el acceso equitativo a innovaciones que podr�an beneficiar a pacientes y profesionales (Lalama-Flores et al., 2025).

2.                 Falta de formaci�n y capacitaci�n del personal de enfermer�a

Muchos profesionales de enfermer�a carecen de conocimientos t�cnicos y �ticos relacionados con la IA. Esta brecha formativa impide una apropiaci�n cr�tica de la tecnolog�a, genera resistencia al cambio y aumenta el riesgo de un uso inadecuado que comprometa la seguridad del paciente (Garc�a-G�mez et al., 2024).

3.                 Ausencia de normativas claras y actualizadas

La legislaci�n y la regulaci�n en materia de IA en salud a�n se encuentran en desarrollo en muchos pa�ses. La falta de marcos legales espec�ficos sobre responsabilidad, consentimiento informado, protecci�n de datos y transparencia algor�tmica genera incertidumbre y reduce la confianza de los profesionales en su uso (Elias et al., 2023).

4.                 Resistencia cultural e institucional

La cultura organizacional de algunas instituciones sanitarias tiende a priorizar pr�cticas tradicionales y mostrar reticencia ante el cambio tecnol�gico. Esto puede generar una integraci�n superficial de la IA, sin los ajustes estructurales necesarios ni una verdadera apropiaci�n por parte del equipo de enfermer�a (Robles-Calle et al., 2022).

5.                 Falta de participaci�n enfermera en el dise�o de herramientas de IA
Las soluciones tecnol�gicas son, en muchos casos, dise�adas sin la colaboraci�n de profesionales de enfermer�a, lo que reduce su pertinencia cl�nica y usabilidad. La ausencia de una perspectiva enfermera en la fase de desarrollo puede generar herramientas poco adaptadas a las realidades del cuidado cotidiano (Ronquillo et al., 2021).

6.                 Preocupaciones sobre la seguridad de los datos

La digitalizaci�n del entorno cl�nico y el uso de IA exigen sistemas robustos de ciberseguridad. Sin embargo, muchas instituciones carecen de protocolos adecuados para proteger la informaci�n sensible del paciente, lo que genera desconfianza y frena la adopci�n tecnol�gica (Aguilar et al., 2019).

7.                 Limitada evidencia sobre resultados a largo plazo

Aunque existen experiencias positivas con la IA en entornos cl�nicos, a�n hay escasez de estudios que eval�en de forma integral su impacto a largo plazo en la pr�ctica enfermera, los resultados en salud y la relaci�n terap�utica. Esta falta de evidencia dificulta la toma de decisiones informada y ralentiza la adopci�n sistem�tica (Mart�nez-Castillo et al., 2021).

Propuestas para una integraci�n �tica y efectiva

Para lograr una integraci�n �tica y efectiva de la inteligencia artificial (IA) en el �mbito de la enfermer�a, es fundamental considerar diversas propuestas que aborden tanto los desaf�os �ticos como la formaci�n del personal y el desarrollo de pol�ticas adecuadas. A continuaci�n, se presentan algunas estrategias clave:

1.                 Educaci�n y capacitaci�n en �tica digital: Es esencial que los profesionales de enfermer�a reciban formaci�n espec�fica que incluya aspectos �ticos relacionados con la IA. Seg�n Jim�nez-Garc�a et al. (2023), los educadores en el �mbito de la salud deben comprender las tecnolog�as digitales y tener la capacidad de evaluar decisiones tomadas por sistemas de IA, asegurando un uso responsable y equitativo de la tecnolog�a. Esta capacitaci�n debe enfocarse en la �tica, privacidad y seguridad de la informaci�n del paciente.

2.                 Desarrollo de protocolos �ticos: La creaci�n de marcos regulatorios claros y protocolos �ticos es fundamental para la implementaci�n de IA en la atenci�n sanitaria. Jaramillo y Alarc�n (2024) sugieren que se deben establecer directrices que orienten el uso de IA, desde el manejo de datos hasta la atenci�n centrada en el paciente, para evitar discriminaciones y sesgos algor�tmicos. Estos protocolos deben ser revisados peri�dicamente para adaptarse a los avances tecnol�gicos y las cambiantes expectativas sociales.

3.                 Implementaci�n de sistemas de supervisi�n y evaluaci�n: La supervisi�n constante y la evaluaci�n de los sistemas de IA utilizados en enfermer�a son vitales para su correcta implementaci�n. Seg�n Mart�nez-Castillo et al. (Mart�nez-Castillo et al., 2021), es clave instaurar mecanismos que permitan la revisi�n continua de la eficacia y seguridad de las herramientas de IA, as� como su impacto en la atenci�n al paciente. La retroalimentaci�n de los profesionales de enfermer�a es crucial para ajustar estos sistemas y garantizar su pertinencia y efectividad.

4.                 Promoci�n de la transparencia y la explicabilidad: El uso de tecnolog�as de IA debe fundamentarse en la transparencia de los algoritmos y procesos utilizados. Tener claridad sobre c�mo se toman las decisiones es esencial para generar confianza tanto entre los profesionales de la salud como en los pacientes. Un enfoque que fomente la responsabilidad y la rendici�n de cuentas puede ayudar a prevenir el uso indebido de estas tecnolog�as.

5.                 Fomento de la interdisciplinariedad: La integraci�n de la IA en la atenci�n m�dica debe implicar un enfoque colaborativo que involucre a enfermeros, m�dicos, tecn�logos y expertos en �tica. Seg�n Tumbaco-Quimis et al. (2021), el trabajo en equipo y la comunicaci�n efectiva entre profesionales de distintas disciplinas son esenciales para implementar pr�cticas de atenci�n m�s efectivas y centradas en el paciente. Este enfoque colaborativo garantiza una comprensi�n hol�stica de los desaf�os y beneficios de la IA.

6.                 Desarrollo de un enfoque centrado en el paciente: La implementaci�n de IA debe tener siempre en consideraci�n la experiencia y el bienestar del paciente. Las decisiones tomadas por sistemas automatizados deben ser revisadas desde un punto de vista humano, garantizando que las recomendaciones no comprometan la relaci�n enfermero-paciente y la calidad de la atenci�n.

7.                 Investigaci�n y Desarrollo Continuo: Es fundamental invertir en la investigaci�n sobre IA y su impacto en la salud. La identificaci�n de nuevas aplicaciones, riesgos y beneficios asociados a la IA debe ser un proceso continuo. Seg�n Villac�s et al. (2023), la investigaci�n sobre las interacciones entre IA y las aplicaciones pr�cticas en enfermer�a tambi�n puede proporcionar informaci�n valiosa para la toma de decisiones informadas.

 

Conclusiones

La integraci�n de la inteligencia artificial (IA) en el �mbito de la enfermer�a representa una oportunidad transformadora para optimizar el cuidado cl�nico y fortalecer la toma de decisiones. A lo largo de esta investigaci�n, se ha evidenciado que la IA, cuando se implementa de manera �tica y responsable, puede mejorar la eficiencia, reducir errores y personalizar la atenci�n, sin reemplazar el juicio cl�nico ni el valor humano del cuidado.

Sin embargo, tambi�n se han identificado desaf�os importantes, como la necesidad de formaci�n especializada, la existencia de sesgos algor�tmicos, la protecci�n de la privacidad y la falta de marcos normativos claros. Estos retos exigen una participaci�n activa del personal de enfermer�a en el dise�o, implementaci�n y evaluaci�n de las tecnolog�as, as� como una reflexi�n �tica constante.

La inteligencia artificial responsable no es solo una cuesti�n t�cnica, sino tambi�n moral y profesional. Su �xito depender� de la capacidad del sistema de salud para equilibrar la innovaci�n con los principios fundamentales del cuidado: dignidad, equidad, empat�a y justicia.

 

Referencias

      1.            Aguilar Montoya, C., Chaves Morales, O., Loaiza, C., Monge, J., Vega, M., Rojas, J. M., & Campos, G. (2019). Identificaci�n del marco de competencias laborales en enfermer�a en el Sistema del Seguro Social Costarricense. Enfermer�a Actual En Costa Rica, (37). https://doi.org/10.15517/revenf.v0i37.36423

      2.            Amed-Salazar, E. J., Villareal Amaris, G., y Alvis Tous, C. C. (2019). Calidad del cuidado de Enfermer�a brindado por profesionales en una ciudad colombiana. Revista Ciencia y Cuidado, 16(2), 108�119. https://doi.org/10.22463/17949831.1615

      3.            Badawy, W., Helal, M. M., Hashim, A., Zinhom, H., & Shaban, M. (2025). Ethical boundaries and data‐sharing practices in AI‐enhanced nursing: An Arab perspective. International Nursing Review, 72(1), e70013.

      4.            Barrios Tao, H., D�az P�rez, V., & Guerra, Y. (2020). Subjetividades e inteligencia artificial: desaf�os para �lo humano�. Veritas, (47), 81-107.

      5.            Benfatah, M. (2025). Exploring the Barriers to Artificial Intelligence Integration in Nursing Practice: A Survey of Nurses. Journal of Radiology Nursing, 44(2), 190-194. https://doi.org/10.1016/j.jradnu.2024.12.010

      6.            Campos, M. S. D., Cucolo, D. F., & Perroca, M. G. (2024). Repercusiones de la movilizaci�n de pacientes sobre el contexto de pr�ctica: perspectivas del equipo de enfermer�a. Revista Latino-Americana de Enfermagem, 32, e4113. https://doi.org/10.1590/1518-8345.7042.4112

      7.            De Arco-Canoles, O., & Suarez-Calle, Z. (2018). Rol de los profesionales de enfermer�a en el sistema de salud colombiano. Universidad y salud, 20(2), 171-182. https://doi.org/10.22267/rus.182002.121

      8.            D�az P�rez, A., Cabarcas Rodr�guez, C., Zabaleta Torres, M., Carmona Lovera, C., & Carranza Marim�n, L. (2011). Participaci�n y liderazgo en la gesti�n del cuidado de enfermer�a desde la perspectiva de Diane Huber en tres IPS. Ciencia y Salud Virtual, 3(1), 27�34. https://doi.org/10.22519/21455333.42

      9.            Elias, M. A., Faversani, L. A., Moreira, J. A. V., Masiero, A. V., & Cunha, N. V. D. (2024). Inteligencia artificial en salud y sus implicaciones bio�ticas: una revisi�n sistem�tica. Revista Bio�tica, 31, e3542PT.

  10.            Escobar-Castellanos, B., & Cid-Henriquez, P. (2018). Nursing care and ethical issues surgen from the technological health advance. Acta bioethica, 24(1), 39-46. https://dx.doi.org/10.4067/S1726-569X2018000100039

  11.            Garc�a Caicedo, S. S., Reyes V�lez, N. P., Sol�rzano Zambrano, �ngel A., Qui�onez Godoy, N. A., & Vega Macias, J. R. (2024). An�lisis al uso de herramientas de inteligencia artificial para la personalizaci�n del aprendizaje en la Educaci�n Superior: Analysis of the use of Artificial Intelligence tools for the personalization of learning in higher education. Revista Cient�fica Multidisciplinar G-Nerando, 5(1), 573�598. https://doi.org/10.60100/rcmg.v5i1.214

  12.            Garc�a-G�mez, J. M., Blanes-Selva, V., & Do�ate-Mart�nez, A. (2024). Proposing an AI Passport as a Mitigating Action of Risk Associated to Artificial Intelligence in Healthcare. In Digital Health and Informatics Innovations for Sustainable Health Care Systems (pp. 547-551). IOS Press.

  13.            Jaramillo Verduga, M. J., & Alarc�n Dalgo, C. M. de los �ngeles. (2024). Influencia de la Inteligencia Artificial en el Cuidado de Enfermer�a y su Reto. Ciencia Latina Revista Cient�fica Multidisciplinar, 8(5), 985-1004. https://doi.org/10.37811/cl_rcm.v8i5.13480

  14.            Jim�nez-Garc�a, E., Orenes-Mart�nez, N., & L�pez-Fraile, L. A. (2024). Rueda de la Pedagog�a para la inteligencia artificial: adaptaci�n de la Rueda de Carrington. RIED-Revista Iberoamericana de Educaci�n a Distancia, 27(1), 87�113. https://doi.org/10.5944/ried.27.1.37622

  15.            Khan, M., Kayesh, I., Das Bala, S., Akter, F., & Parvin, R. (2024). Artificial intelligence in future nursing care: Exploring perspectives of nursing professionals-A descriptive qualitative study. Heliyon, 10(4), e25718. https://doi.org/10.1016/j.heliyon.2024.e25718

  16.            Lalama-Flores, M. A., Lalama-Gavil�nez, M. S., L�pez-Barrionuevo, C. G., & Reyes-P�rez, M. A. (2025). Perspectiva de los profesionales de la salud ante adopci�n de inteligencia artificial en la medicina. Revista Metropolitana De Ciencias Aplicadas, 8(2), 66-73. https://doi.org/10.62452/rn2d5e60

  17.            Lanzagorta-Ortega, D., Carrillo-P�rez, D. L., & Carrillo-Esper, R. (2022). Inteligencia artificial en medicina: presente y futuro. Gaceta m�dica de M�xico, 158, 17-21. http://dx.doi.org/10.24875/GMM.M22000688

  18.            Lifshits, I., & Rosenberg, D. (2024). Artificial intelligence in nursing education: A scoping review. Nurse Education in Practice, 80, 104148. https://doi.org/10.1016/j.nepr.2024.104148

  19.            Lippi, G. & Plebani, M. (2025). Luces y sombras de la inteligencia artificial en la medicina de laboratorio. Advances in Laboratory Medicine / Avances en Medicina de Laboratorio, 6(1), 4-6. https://doi.org/10.1515/almed-2025-0039

  20.            Mart�nez-Castillo, E., V�zquez-Trevi�o, M., Carre�n-Guti�rrez, C., V�zquez-Salazar, M., & De los Reyes-Nieto, L. (2021). Sensibilidad �tica del personal de enfermer�a para la atenci�n al paciente con consumo de alcohol. Enfermer�a Universitaria, 18(1), 56�68. https://doi.org/10.22201/eneo.23958421e.2021.1.994

  21.            Medina, F. (2024). Escritura de microrrelatos con apoyo de inteligencia artificial. Cuaderno De Pedagog�a Universitaria, 21(42), 7�24. https://doi.org/10.29197/cpu.v21i42.594

  22.            Mej�as, M., Guarate Coronado, Y. C., & Jim�nez Peralta, A. L. (2022). Artificial intelligence in the field of nursing: attendance, administration and education implications. Salud, Ciencia Y Tecnolog�a, 2, 88. https://doi.org/10.56294/saludcyt202288

  23.            Mohammed, S. A. A. Q., Osman, Y. M. M., Ibrahim, A. M., & Shaban, M. (2025). Ethical and regulatory considerations in the use of AI and machine learning in nursing: A systematic review. International nursing review, 72(1), e70010. https://doi.org/10.1111/inr.70010

  24.            O'Connor, S., Yan, Y., Thilo, F. J., Felzmann, H., Dowding, D., & Lee, J. J. (2023). Artificial intelligence in nursing and midwifery: A systematic review. Journal of Clinical Nursing, 32(13-14), 2951-2968.

  25.            P�rez P�rez, O. J., & Gonz�lez de Pirela, N. J. (2024). Formaci�n Docente para el Uso de la Inteligencia Artificial. Ciencia Latina Revista Cient�fica Multidisciplinar, 8(5), 11772-11788. https://doi.org/10.37811/cl_rcm.v8i5.14594

  26.            Portilla-Ordo�ez, S. B., Abreu-Peralta, P., & Villareal-Pe�alosa, A. F. (2016). Proceso de atenci�n de enfermer�a a lactante con enfermedad hu�rfana, bajo el modelo de Callista Roy. MedUNAB, 19(2), 151�160. https://doi.org/10.29375/01237047.2581

  27.            Quishpe Cocha, V. T., & Chipantiza Barrera, M. V. (2023). �tica en Enfermer�a, percepci�n de los receptores de cuidado. LATAM Revista Latinoamericana De Ciencias Sociales Y Humanidades, 4(1), 1�12. https://doi.org/10.56712/latam.v4i1.218

  28.            Ram�rez, P., & M�ggenburg, C. (2015). Relaciones personales entre la enfermera y el paciente. Enfermer�a universitaria, 12(3), 134-143. https://doi.org/10.1016/j.reu.2015.07.004

  29.            Robles-Calle, V., Tigua-Pareja, P., Macancela-Orellana, M., & Sumba-Chuqui, M. (2022). Estrategia para la optimizaci�n del cuidado de la enfermer�a en el Ecuador. CIENCIAMATRIA, 8(2), 430-444. https://doi.org/10.35381/cm.v8i1.719

  30.            Ronquillo, C.E., Peltonen, L.-M., Pruinelli, L., Chu, C.H., Bakken, S., Beduschi, A., Cato, K., Hardiker, N., Junger, A., Michalowski, M., Nyrup, R., Rahimi, S., Reed, D.N., Salakoski, T., Salanter�, S., Walton, N., Weber, P., Wiegand, T. and Topaz, M. (2021), Artificial intelligence in nursing: Priorities and opportunities from an international invitational think-tank of the Nursing and Artificial Intelligence Leadership Collaborative. J Adv Nurs, 77: 3707-3717. https://doi.org/10.1111/jan.14855

  31.            Torres, D. (2021). Indicadores de evaluaci�n de los registros cl�nicos de enfermer�a: Implementaci�n de una herramienta tecnol�gica. Horizonte Sanitario, 20(3), 315-328. https://doi.org/10.19136/hs.a20n3.3938

  32.            Tumbaco-Quimis, K., Tumbaco-Quimiz, Y., Jaime-Pincay, N., & Jaime-Villafuerte, M. (2021). Gesti�n del cuidado de enfermer�a basada en la evidencia. CIENCIAMATRIA, 7(12), 341-352. https://doi.org/10.35381/cm.v7i12.432

  33.            Van der Gaag, A., Jago, R., Gallagher, A., Stathis, K., Webster, M., & Austin, Z. (2023). Artificial Intelligence in health professions regulation: an exploratory qualitative study of nurse regulators in three jurisdictions. Journal of Nursing Regulation, 14(2), 10-17.

  34.            V�squez, S. M., Bonilla-Marciales, A. P., & Jaimes-Valencia, M. L. (2023). Estrategias para el desarrollo de habilidades en pr�ctica basada en la evidencia a trav�s del curr�culo de enfermer�a. Revista Cuidarte, 14(3). https://doi.org/10.15649/cuidarte.3089

  35.            Villacis Cobo, D. F., Gualpa Cando, S. P., Moreno �vila, A. S., & Le�n Robayo, A. E. (2023). Estrategias de ense�anza e inteligencia artificial: un enfoque en materias t�cnicas: Teaching strategies and artificial intelligence: a focus on technical subjects. LATAM Revista Latinoamericana De Ciencias Sociales Y Humanidades, 4(5), 658�673. https://doi.org/10.56712/latam.v4i5.1346

  36.            Watson AL. (2024). Ethical considerations for artificial intelligence use in nursing informatics. Nursing Ethics. 31(6):1031-1040. doi:10.1177/09697330241230515

  37.            Yigit, D., & Acikgoz, A. (2024). Evaluation of future nurses' knowledge, attitudes and anxiety levels about artificial intelligence applications. Journal of Evaluation in Clinical Practice, 30(7), 1319-1326.

 

 

 

 

 

 

 

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).