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

 

 

Impacto del Uso de Sistemas Automatizados en la Productividad y Precisi�n del Laboratorio Cl�nico

 

Impact of the Use of Automated Systems on the Productivity and Precision of the Clinical Laboratory

 

Impacto do Uso de Sistemas Automatizados na Produtividade e Precis�o do Laborat�rio Cl�nico

 

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: delgado-sofia4302@unesum.edu.ec

 

Ciencias de la Salud

Art�culo de Investigaci�n

 

 

* Recibido: 05 de noviembre de 2024 *Aceptado: 26 de diciembre de 2024 * Publicado: �14 de enero de 2025

 

        I.            Universidad Estatal del Sur de Manab�, Jipijapa, Manab�, Ecuador.

      II.            Universidad Estatal del Sur de Manab�, Jipijapa, Manab�, Ecuador.

   III.            Universidad Estatal del Sur de Manab�, Jipijapa, Manab�, Ecuador.

   IV.            Universidad Estatal del Sur de Manab�, Jipijapa, Manab�, Ecuador.

 

Resumen

Introducci�n: La integraci�n de la automatizaci�n en los laboratorios cl�nicos ha mejorado la eficacia, el rendimiento y la calidad de diversos procesos industriales y cient�ficos. Con el tiempo, las herramientas mecanizadas han sustituido a las tareas manuales, y los recientes avances en rob�tica y tecnolog�a de la informaci�n han automatizado a�n m�s procesos que antes depend�an exclusivamente de la mano de obra humana, Objetivo: Es por ello que el objetivo fue determinar el Impacto del Uso de Sistemas Automatizados en la Productividad y Precisi�n del Laboratorio Cl�nico. Metodolog�a: la metodolog�a fue dise�o documental, tipo descriptivo, basado principalmente en una revisi�n sistem�tica. Resultados: la automatizaci�n en los laboratorios cl�nicos mejora significativamente la calidad de los resultados, con un notable impacto en la reducci�n de errores, Conclusi�n: La automatizaci�n de los laboratorios cl�nicos ha mejorado la calidad y la eficiencia de los diagn�sticos al reducir los errores y maximizar los recursos. Los sistemas aut�nomos y los analizadores automatizados son ejemplos de herramientas que mejoran la atenci�n al paciente, estandarizan los resultados y aceleran los procedimientos.

Palabras claves: inteligencia artificial; equipos autom�ticos; Digitalizaci�n.

 

Abstract

Introduction: The integration of automation in clinical laboratories has improved the efficiency, performance and quality of various industrial and scientific processes. Over time, mechanized tools have replaced manual tasks, and recent advances in robotics and information technology have further automated processes that previously depended exclusively on human labor. Objective: This is why the objective was determine the Impact of the Use of Automated Systems on the Productivity and Accuracy of the Clinical Laboratory. Methodology: the methodology was documentary design, descriptive type, based mainly on a systematic review. Results: automation in clinical laboratories significantly improves the quality of results, with a notable impact on reducing errors. Conclusion: Automation in clinical laboratories has improved the quality and efficiency of diagnoses by reducing errors and maximizing the resources. Autonomous systems and automated analyzers are examples of tools that improve patient care, standardize results, and speed up procedures.

Keywords: artificial intelligence; automatic equipment; Digitization.

 

Resumo

Introdu��o: A integra��o da automa��o em laborat�rios cl�nicos melhorou a efici�ncia, o desempenho e a qualidade de diversos processos industriais e cient�ficos. Com o tempo, as ferramentas mecanizadas substitu�ram as tarefas manuais, e os avan�os recentes na rob�tica e na tecnologia da informa��o automatizaram ainda mais processos que antes dependiam exclusivamente do trabalho humano. Objetivo: � por isso que o objetivo era determinar o Impacto do Uso de Sistemas Automatizados na Produtividade. e Precis�o do Laborat�rio Cl�nico. Metodologia: a metodologia foi o desenho documental, tipo descritivo, baseado principalmente em uma revis�o sistem�tica. Resultados: a automa��o em laborat�rios cl�nicos melhora significativamente a qualidade dos resultados, com impacto not�vel na redu��o de erros. Conclus�o: A automa��o em laborat�rios cl�nicos melhorou a qualidade e a efici�ncia dos diagn�sticos, reduzindo erros e maximizando os recursos. Sistemas aut�nomos e analisadores automatizados s�o exemplos de ferramentas que melhoram o atendimento ao paciente, padronizam resultados e agilizam procedimentos.

Palavras-chave: intelig�ncia artificial; equipamento autom�tico; Digitaliza��o.

 

Introducci�n

La integraci�n de la automatizaci�n en los laboratorios cl�nicos ha mejorado la eficacia, el rendimiento y la calidad de diversos procesos industriales y cient�ficos. Con el tiempo, las herramientas mecanizadas han sustituido a las tareas manuales, y los recientes avances en rob�tica y tecnolog�a de la informaci�n han automatizado a�n m�s procesos que antes depend�an exclusivamente de la mano de obra humana (Holland & Davies, 2020).

A pesar de estos avances, muchos laboratorios de investigaci�n acad�mica siguen dependiendo de la manipulaci�n manual, sobre todo para los procedimientos experimentales llevados a cabo por investigadores individuales. Sin embargo, en estos �mbitos se est�n adoptando progresivamente sistemas automatizados (Holland & Davies, 2020).

La automatizaci�n de los laboratorios se consigue mediante el uso de instrumentos como los analizadores autom�ticos, que miden las caracter�sticas qu�micas y biol�gicas con escasa intervenci�n humana. Estos analizadores pueden ser de flujo continuo, que procesan muestras de forma continua, o discretos, que analizan muestras l�quidas r�pidamente en cubetas separadas. La elecci�n del sistema de automatizaci�n depende del flujo de trabajo y de las necesidades espec�ficas de cada laboratorio (2).

Por otra parte, la integraci�n de la inteligencia artificial, como parte de la actualizaci�n dentro de los laboratorios cl�nicos ha repercutido significativamente en la productividad y la precisi�n. La IA ha revolucionado la asistencia sanitaria al mejorar la atenci�n al paciente y la calidad de vida. Sus r�pidos avances ofrecen la posibilidad de transformar la pr�ctica cl�nica, mejorando la precisi�n diagn�stica y la eficiencia operativa (3).

La falta de equipos automatizados en un laboratorio cl�nico puede dificultar la eficacia, la organizaci�n y la calidad de las pruebas. Sin automatizaci�n los laboratorios se enfrentan a problemas como el aumento de los errores humanos, tiempos de procesamiento m�s lentos y resultados incoherentes. Adem�s, los sistemas manuales requieren m�s espacio, personal y recursos, lo que se traduce en mayores costes operativos (4).

La ausencia de automatizaci�n tambi�n limita la estandarizaci�n y puede crear dificultades en la gesti�n de bioespec�menes y en la formaci�n del personal. En general, sin automatizaci�n, los laboratorios tienen dificultades para satisfacer la creciente demanda de precisi�n, productividad y rentabilidad en el diagn�stico.

Los errores o ineficiencias en cualquier fase del proceso de pruebas de laboratorio pueden alterar el flujo de trabajo general y en �ltima instancia afectar a los diagn�sticos impartidos por el laboratorio. Un sistema de informaci�n de laboratorio (SIL) agiliza y facilita las interacciones dentro del proceso de pruebas, garantizando la realizaci�n fluida de las tareas y la identificaci�n de errores (5).

Sin embargo, muchos errores en los resultados de laboratorio se deben a sistemas LIS complejos propensos a errores y mal dise�ados. Estos problemas se agravan cuando el SIL conecta los datos de pacientes y pruebas de m�ltiples unidades e instituciones lo que complica a�n m�s las interacciones del sistema y el intercambio de datos. Adem�s, los factores humanos, como la identificaci�n incorrecta del paciente o la solicitud de pruebas, tambi�n contribuyen a los errores (5).

La automatizaci�n en los laboratorios cl�nicos, mediante los sistemas aut�nomos de laboratorio, est� transformando la eficiencia y precisi�n de los procesos diagn�sticos. Los SDL aceleran los flujos de trabajo experimentales y permiten una planificaci�n aut�noma lo que mejora la velocidad y precisi�n de las pruebas cl�nicas (6).

Estos sistemas automatizados facilitan la integraci�n de hardware y software con la infraestructura de los laboratorios, optimizando el manejo de muestras y la interpretaci�n de resultados. En Am�rica del Sur, su implementaci�n promete mejorar significativamente la calidad y eficiencia de los servicios de salud, aunque tambi�n presenta desaf�os en su integraci�n y niveles de automatizaci�n (6)

El an�lisis de datos ha cobrado importancia en Ecuador para la toma de decisiones en sectores clave, incluyendo la salud. En el �mbito de los laboratorios cl�nicos, la automatizaci�n de procesos mejora la precisi�n y eficiencia en los diagn�sticos. El uso de sistemas automatizados en Ecuador, encontrando que, aunque su implementaci�n es reciente ya se evidencian beneficios en la productividad de los laboratorios. Sin embargo, se destaca la necesidad de m�s investigaciones, medidas de seguridad de datos e interoperabilidad institucional para maximizar su impacto en la salud p�blica del pa�s (7).

Objetivo General

�                    Determinar el Impacto del Uso de Sistemas Automatizados en la Productividad y Precisi�n del Laboratorio Cl�nico

Objetivo Espec�ficos

�                    Analizar c�mo la automatizaci�n de procesos en los laboratorios cl�nicos ha mejorado la eficiencia operativa y la gesti�n de muestras.

�                    Identificar los beneficios econ�micos derivados de la implementaci�n de sistemas automatizados en los laboratorios cl�nicos.

�                    Indagar en la contribuci�n de los sistemas automatizados en la reducci�n de errores humanos y la mejora de la precisi�n de los diagn�sticos.

 

Metodolog�a

Dise�o y tipo de estudio:

Este estudio es de dise�o documental, tipo descriptivo, basado principalmente en una revisi�n sistem�tica de la informaci�n mediante la t�cnica de lectura cr�tica de fuentes, tales como art�culos originales y libros.

 

 

Criterios de elegibilidad

Criterios de inclusi�n fueron: Art�culos originales, Art�culos de texto completo, documentos e investigaciones publicadas dentro de los �ltimos 5 a�os, fuentes indexadas, sitios web de p�ginas oficiales tales como la OMS, CDC en idiomas como espa�ol e ingl�s.�

Criterios de exclusi�n fueron: Se excluyeron documentos de repositorios, informes, cartas al lector, simposios, gu�as, blogs, documentos de p�ginas web no oficiales, opiniones de expertos y todos aquellos art�culos fuera de la fecha determinada.

B�squeda de informaci�n:

La informaci�n se obtuvo mediane buscadores cient�ficos como: Google acad�mico PubMed, Elsevier, Scielo, Springer link.

Estrategias de b�squeda:

La investigaci�n emple� la recolecci�n de datos de publicaciones cient�ficas de los �ltimos 5 a�os, desde 2020 hasta 2024, en diversas bases de datos como PubMed, Google Scholar, Science Direct y NCBI, Springer Link , La estrategia de b�squeda incluy� el uso de palabras clave como " Laboratorios", "tecnolog�a", "Automatizaci�n", "Productividad", "Gesti�n de calidad", y el empleo de operadores booleanos como AND, OR, NOT, adem�s de t�rminos MeSH. Se utilizaron combinaciones como "AUTOMATIZACION" AND "PRODUCTIVIDAD", "ACTUALIZACION" OR "PRECISI�N�, NOT "LABORATORIO".

Selecci�n de estudio:

Tras la b�squeda de informaci�n relevante, se realiz� una lectura cr�tica para seleccionar datos pertinentes al tema en base al esquema PRISMA.

 

Consideraciones �ticas

El presente estudio cumple con el rigor de los aspectos �ticos relacionados a la investigaci�n como protecci�n de confidencialidad, respetando los derechos de autor mediante la correcta citaci�n en el formato Vancouver, teniendo en cuenta la revisi�n y aprobaci�n del consejo cient�fico de la Universidad Estatal del Sur de Manab�.

 

 

 

 

Resultados

 

Tabla 1.- Analizar c�mo la automatizaci�n de procesos en los laboratorios cl�nicos ha mejorado la eficiencia operativa y la gesti�n de muestras

 

An�lisis e Interpretaci�n de Resultados

El an�lisis de los resultados indica que la automatizaci�n en los laboratorios cl�nicos mejora significativamente la calidad de los resultados, con un notable impacto en la reducci�n de errores. La mayor�a de los estudios muestran tasas de error bajas o nulas, lo que refleja una mejora continua de la precisi�n a lo largo del tiempo. Los equipos automatizados tambi�n muestran altos �ndices de utilizaci�n, lo que pone de manifiesto su eficacia operativa. Aunque las tasas de error var�an seg�n los estudios, la tendencia general muestra una reducci�n sustancial de los errores, lo que subraya los beneficios de la automatizaci�n para la calidad y la eficiencia en los laboratorios cl�nicos. Adem�s, la fiabilidad de los resultados y la mejora continua de las muestras procesadas son elementos clave, con un alto porcentaje de equipos utilizados de forma eficiente.

 

 

Tabla 2.- Identificar los beneficios econ�micos derivados de la implementaci�n de sistemas automatizados en los laboratorios cl�nicos

An�lisis e Interpretaci�n de Resultados

La tabla muestra diversos estudios sobre la mejora de la competitividad, la capacidad de procesamiento y la reducci�n de costos en laboratorios. Un hallazgo clave es que la reducci�n de costos se logra principalmente a trav�s de inversiones en control de calidad, tecnolog�a avanzada y optimizaci�n de procesos. En cuanto al aumento en la capacidad de procesamiento, se destaca que la automatizaci�n y el uso de tecnolog�as como nanotecnolog�a y Blockchain permiten un procesamiento m�s r�pido y eficiente. Finalmente, la mejora en la competitividad se relaciona con el aumento de la credibilidad, la innovaci�n tecnol�gica y la calidad del servicio brindado.

 

Tabla 3.- Indagar en la tasa de contribuci�n de los sistemas automatizados en la reducci�n de errores humanos y la mejora de la precisi�n de los diagn�sticos

 

An�lisis e Interpretaci�n de los Resultados

Los resultados muestran una variabilidad significativa en la tasa de reducci�n de errores y la mejora de la precisi�n de los resultados. En general la tasa de mejora de la precisi�n supera a la tasa de reducci�n de errores y algunos estudios muestran una mejora de la precisi�n de hasta el 99,91%. Sin embargo, otros estudios muestran una mejora menor de la precisi�n, con s�lo un 71,5%. Esto refleja la eficacia variable de las intervenciones y metodolog�as aplicadas siendo los enfoques experimentales y de estudio de casos m�s eficaces en muchos de los estudios analizados.

 

Discusi�n

Se ha demostrado que el aumento de la precisi�n y la productividad en los laboratorios cl�nicos depende sobre todo del uso de tecnolog�a automatizada. La automatizaci�n tambi�n favorece la uniformidad, lo que aumenta la rentabilidad operativa al permitir una mayor capacidad de procesamiento con menos recursos. Numerosos estudios han demostrado que la automatizaci�n en los laboratorios cl�nicos puede reducir los errores hasta en un 99,91 %, revolucionando la eficiencia y la precisi�n del diagn�stico. Esta tecnolog�a aumenta la capacidad de procesamiento y la competitividad del sector, al tiempo que reduce los costes mediante el control de calidad y procedimientos de vanguardia como el blockchain y la nanotecnolog�a.

Aunque las tasas de mejora oscilan entre el 71,5% y el 99,91% entre las investigaciones, la tendencia general indica que la precisi�n siempre est� mejorando. El efecto positivo de la automatizaci�n en la calidad del servicio se pone de relieve por la combinaci�n de tecnolog�a innovadora y t�cnicas eficaces. No obstante, la integraci�n de la tecnolog�a sigue planteando problemas, como la gesti�n de los datos y la compatibilidad de los sistemas. Para optimizar sus ventajas en entornos como el ecuatoriano, donde la adopci�n es a�n incipiente, deben abordarse cuestiones como la infraestructura, la seguridad de los datos y la formaci�n. En resumen, la automatizaci�n es un instrumento crucial para hacer frente a las crecientes necesidades de precisi�n y eficacia de la asistencia sanitaria contempor�nea.

 

Conclusi�n

La automatizaci�n de los laboratorios cl�nicos ha mejorado la calidad y la eficiencia de los diagn�sticos al reducir los errores y maximizar los recursos. Los sistemas aut�nomos y los analizadores automatizados son ejemplos de herramientas que mejoran la atenci�n al paciente, estandarizan los resultados y aceleran los procedimientos. La integraci�n de la inteligencia artificial mejora la precisi�n y la eficiencia, sobre todo en campos como el an�lisis de datos y la gesti�n de muestras. No obstante, siguen existiendo problemas de implantaci�n, interoperabilidad y errores humanos. Aunque se necesitan m�s estudios y avances tecnol�gicos, el despliegue de tecnolog�as automatizadas en lugares como Ecuador y Sudam�rica muestra resultados alentadores. En definitiva, la automatizaci�n es necesaria para satisfacer las crecientes demandas de precisi�n, eficiencia y econom�a de los laboratorios cl�nicos contempor�neos.

 

Referencias

1.      Holland , Davies. Automation in the Life Science Research Laboratory. Front Bioeng Biotechnol. 2020 Agosto; 8.

2.      Al Naam YA, Elsafi S, al e. The Impact of Total Automaton on the Clinical Laboratory Workforce: A Case Study. J Healthc Leadersh. 2022 Mayo; 14: p. 55�62.

3.      Alowais S, Alghamdi S, Alsuhebany ,N, al e. Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC Medical Education. 2023 Septiembre; 23(689).

4.      Lippi G, Da Rin. Advantages and limitations of total laboratory automation: a personal overview. Clinical Chemistry and Laboratory Medicine (CCLM). 2019 Febrero.

5.      Arifin , Mohd Yusof. Error evaluation in the laboratory testing process and laboratory information systems. J Med Biochem. 2022 Agosto; 41(1): p. 21-31.

6.      Tom G, Schmid S, al e. Self-Driving Laboratories for Chemistry and Materials Science. Chemical Reviews. 2024 Agosto; 12(16).

7.      Ayala Chauvin M, Avil�s Castillo , Buele J. Exploring the Landscape of Data Analysis: A Review of Its Application and Impact in Ecuador. Computers. 2023 Julio; 12(7): p. 146.

8.      Archetti , Esperanza , Garrafa. Gesti�n de un laboratorio cl�nico automatizado: desaf�os y oportunidades de optimizaci�n. Revista EURO sobre procesos de decisi�n. 2020 Mayo; 8(1-2).

9.      Naam Y, Elsafi S, Jahdali M, Shaman R, Qurouni B, Zahrani E. El impacto de la automatizaci�n total en el personal de laboratorio cl�nico: un estudio de caso. L�deres en salud J. 2020 Mayo; 14: p. 55�62.

10.  Assaf D, Gutman Y, Neuman Y et al. Utilization of machine-learning models to accurately predict the risk for critical COVID-19. Intern Emerg Med. 2020; 15(1): p. 1435�1443.

11.  Herman D, Bos J, Hebl V, Oberg A, et al. Inteligencia artificial y mapeo de una nueva direcci�n en la medicina de laboratorio: una revisi�n. Qu�mica cl�nica. 2021 Noviembre; 67(11).

12.  Cheng Y, Assaf D, Gutman Y, et al. Utilizaci�n de modelos de aprendizaje autom�tico para predecir con precisi�n el riesgo de COVID-19 cr�tico. Pasante Emerg Med. 2021; 15.

13.  Hooman H, Nam T, Albahra Samer, Dang L. Aprendizaje autom�tico en la atenci�n m�dica y la medicina de laboratorio: descripci�n general del aprendizaje supervisado y Auto-ML. Revista Internacional de Hematolog�a de Laboratorio. 2021 Diciembre; 43(1): p. 15�22.

14.  Chadaga K, Chakraborty C, Prabhu S et al. Clinical and Laboratory Approach to Diagnose COVID-19 Using Machine Learning. Interdisciplinary Sciences: Computational Life Sciences. 2022; 14(1): p. 452�470.

15.  Sudipta R, Tanushree M, Se-Jung L. Desmitificando el aprendizaje supervisado en la salud 4.0: una nueva realidad de transformaci�n de la medicina diagn�stica. Diagnostics (Basel). 2022; 12(10): p. 2549.

16.  Thomas S, Yingwei H, Pan J, Punit S et al. Caracterizaci�n prote�mica y glicoprote�mica integrada del carcinoma seroso de ovario de alto grado en humanos. Cell Rep. 2022 Octubre; 33(3): p. 108276.

17.  Tariq M, Mirza H, Salman Q, Anwar T, al et. Una revisi�n exhaustiva del rendimiento de las plataformas de secuenciaci�n de pr�xima generaci�n. Biomedic Research International. 2022 Septiembre; 1(1): p. 1-12.

18.  Hanna M, Ardon O, Reuter V, Sirintrapun S et al. Integraci�n de la patolog�a digital en la pr�ctica cl�nica. Patolog�a Moderna. 2022 Febrero; 35(2).

19.  Haro G, Venkatesan V. Transiciones personificadas de la atenci�n m�dica con un sistema automatizado de citas m�dicas: log�stica. Revista de Resultados Negativos Farmac�uticos. 2023; 14(3): p. 2832-2839.

20.  Aminizadeh S, Heidari A, Toumaj S, Darbandi M et al. Las aplicaciones de t�cnicas de machine learning en el procesamiento de datos m�dicos basadas en computaci�n distribuida e Internet de las Cosas. M�todos y Programas Computacionales en Biomedicina. 2023 Noviembre; 241.

21.  Anis B, Ahmed H, Muhammed E, Mohammed A. Evaluaci�n de los niveles de preparaci�n y concienciaci�n de los trabajadores sanitarios con respecto a la infecci�n por COVID-19 en entornos de bajos recursos. Soy J Trop Med Hyg. 2024; 103(2): p. 828�33.

22.  Wang S, Xu K, Ling Z. Predicci�n y optimizaci�n de la potencia de los chips basada en el aprendizaje profundo: un enfoque EDA inteligente. Revista Internacional de Investigaci�n Innovadora en Ciencia y Tecnolog�a de la Computaci�n. 2024; 12(4): p. 77-87.

23.  Chaochao M, Wang X, Wu J, Cheng X et al. Estudios de big data del mundo real en medicina de laboratorio: estado actual, aplicaci�n y consideraciones futuras. Bioqu�mica Cl�nica. 2020 Octubre; 84: p. 21-30.

24.  ujan G, Quigley J, Hartman D, Parwani A et al. Diseccionando el caso de negocio para la adopci�n e implementaci�n de la patolog�a digital: un documento t�cnico de la Asociaci�n de Patolog�a Digital. Revista de Inform�tica de Patolog�a. 2021 Diciembre; 12(1).

25.  Apostu S, Vasile V, Veres C. Externalidades de la implementaci�n de Lean en laboratorios m�dicos. Optimizaci�n de procesos vs. adaptaci�n y flexibilidad para el futuro. Int J Environ Res Public Health. 2021; 18(23): p. 12309.

26.  Mohd J, Abid H, Ravi P, Rajiv S. Importancia de la Calidad 4.0 para la mejora integral del sector manufacturero. Sensores Internacionales. 2021; 2: p. 100109.

27.  L�pez J, Salvador P, Acevedo D, Esta� N. Anticuerpos anti-receptor de TSH (TRAb): Comparaci�n de dos inmunoensayos automatizados de tercera generaci�n ampliamente utilizados en laboratorios cl�nicos e interpretaci�n de resultados. PLoS One. 2023; 17(7): p. E0270890.

28.  Halstead D, Sautter R. Una revisi�n de la literatura sobre c�mo podemos abordar la escasez de personal de los cient�ficos de laboratorio m�dico. Medicina de laboratorio. 2023; 54(1): p. e31�e36.

29.  Nwakamma E, Alaba O, Daraojimba C, Ofonagoro K et al. Xplorando la integraci�n de materiales innovadores en la fabricaci�n moderna para promover la competitividad de los ee. uu. en una econom�a global sostenible. Revista de Ciencia y Tecnolog�a de la Ingenier�a. 2023; 4(3): p. 140-168.

30.  Nishad N, Hemalatha A, Barani K, Vijayakumar G. La adopci�n de la inteligencia artificial en las pr�cticas de gesti�n de recursos humanos. Revista Internacional de Informaci�n de Gesti�n de Datos. 2024 Abril; 4(1): p. 100208.

31.  Adedamola J, Sarkodie G, Apatu V. Stimulating Economic Growth and Innovations by Leveraging Bioinformatics in Biotechnology SMEs. World Journal of Advanced Research and Reviews. 2024 Julio; 23(2): p. 211�221.

32.  Zhaoxia Y, Shirley A. The impact of ai innovation management on organizational productivity and economic growth: an analytical study. International Journal of Business Management and Economic Review. 2024; 7(3).

33.  Amankwah J, Abdalla S, Mogaji E, Elbanna A et al. La inminente disrupci�n de las industrias creativas por la IA generativa: oportunidades, desaf�os y agenda de investigaci�n. Revista Internacional de Gesti�n de la Informaci�n. 2024 Diciembre; 79: p. 102759.

34.  Lim S, Syazwani F, Rasheedul H, Noorliza B et al. Exploring the Impact of Marketing Mix Products Transformation. Pakistan Journal of Life and Social Sciences. 2024; 22(2): p. 1477-1492.

35.  Purwaningsih E, Muslikh M, Suhaeri S, Basrowi B. Utilizing blockchain technology in enhancing supply chain efficiency and export performance, and its implications on the financial performance of SMEs. Uncertain Supply Chain Manag. 2024; 12(1): p. 449-460.

36.  Islam I, Magda S, Omaima G, Adel Z et al. Uso de Lean Six Sigma para mejorar la puntualidad de los resultados de las pruebas de laboratorio cl�nico en un hospital universitario de Egipto. Revista Internacional de Lean Six Sigma. 2024 Marzo; 13(5): p. 13.

37.  Kehinde A, Oladiran K, Emmanuel C, Adeniyi K et al. El papel de la metrolog�a de precisi�n en la mejora de la calidad de fabricaci�n: una revisi�n exhaustiva. Revista de Ciencia y Tecnolog�a de la Ingenier�a. 2024; 5(3): p. 728-739.

38.  Keping Y, Largo L, Mamoun A, Liang T et al. Soluci�n de seguridad vial basada en Deep Learning para una combinaci�n de veh�culos aut�nomos y manuales en un sistema de transporte inteligente habilitado para 5G. IEEE Transactions on Intelligent Transportation Systems. 2020; 22(7): p. 4337 - 4347.

39.  Beshears J, Kosowsky H. Empujones: Progreso hasta la fecha y direcciones futuras. Comportamiento Organizacional y Procesos de Decisi�n Humana. 2020 Noviembre; 161(1): p. 3-19.

40.  Kwan J, Lo L, Ferguson J, Goldberg H et al. Sistemas informatizados de apoyo a la toma de decisiones cl�nicas y mejoras absolutas en la atenci�n: metaan�lisis de ensayos cl�nicos controlados. BMJ. 2020.

41.  Kapilan N, Vidhya P, Gao X. Laboratorio virtual: una bendici�n para la educaci�n en ingenier�a mec�nica durante la pandemia de Covid-19. Educaci�n Superior para el Futuro. 2020; 8(1): p. 31-46.

42.  Nichols J, Alter D, Chen Y, Isbell T et al. Documento de orientaci�n de la AACC sobre la gesti�n de las pruebas en el punto de atenci�n. J Appl Lab Med. 2020; 5(4): p. 762-787.

43.  Iddrisu B, Ondigi S, Kiio M. Preparaci�n de los instructores de escuelas secundarias superiores de Ghana para la aplicaci�n del aprendizaje en l�nea en la ense�anza de estudios sociales en medio de la pandemia de Covid-19. Investigaci�n en Educaci�n Social. 2020; 2(1): p. 52�64.

44.  Benjy M, Jacqueline T. Adopci�n de la tecnolog�a de realidad virtual en la educaci�n superior: una evaluaci�n de cinco semestres de ense�anza en un laboratorio especialmente dise�ado. Educ inf technol. 2021; 27: p. 1287�1305.

45.  Karrar H, Mazin A, Ahmad S, Muhammad A et al. Realizaci�n de un sistema eficaz de diagn�stico de COVID-19 basado en el aprendizaje autom�tico y el IoT en un entorno hospitalario inteligente. Revista de Internet de las Cosas del IEEE. 2021; 8(21): p. 15919-15928.

46.  Miqueas S JE. Reexaminar las tasas de mejora de la tecnolog�a de bater�as de iones de litio y la disminuci�n de costos. Energy Environ Sci. 2021; 14(4): p. 1635�51.

47.  Atheer A, Sarah J, Tom�s D, Jun J et al. Atenci�n sanitaria conectada: Mejorar la atenci�n al paciente mediante tecnolog�as de salud digital. Revisiones avanzadas de administraci�n de medicamentos. 2021; 178: p. 113958.

48.  Stranneheim H, Lagerstedt K, Magnusson M et al. Integraci�n de la secuenciaci�n del genoma completo en un entorno sanitario: altas tasas de diagn�stico en m�ltiples entidades cl�nicas en 3219 pacientes con enfermedades raras. Genoma Medical. 2021; 13(40).

49.  Ahmad Z, Rahim S, Zubair M et al. Inteligencia artificial (IA) en medicina, aplicaciones actuales y papel futuro con especial �nfasis en su potencial y promesa en patolog�a: impacto presente y futuro, obst�culos, incluidos los costos y la aceptaci�n entre los pat�logos, consideraciones pr. Diagn Pathol. 2021; 16(24).

50.  Miao C, Zhang D. Inteligencia artificial y patolog�a computacional. Investigaci�n de laboratorio. 2021; 101(4): p. 412-422.

51.  Ashraf A. Empleo de robots de aprendizaje adaptativo y tutor�a inteligente para aulas virtuales y campus inteligentes: reforma de la educaci�n en la era de la inteligencia artificial. Computaci�n Avanzada y Tecnolog�as Inteligentes. 2022; 914: p. 395-406.

52.  Ahmed W, Simpson S, Bertsch P, Bibby K et al. Minimizaci�n de errores en la detecci�n y cuantificaci�n de RT-PCR del ARN del SARS-CoV-2 para la vigilancia de aguas residuales. Ciencia del Medio Ambiente Total. 2022 Enero; 805(20): p. 149877.

� 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/).