Arquitectura de Plataforma de Inteligencia Artificial para Sistemas Hospitalarios: Revisión Sistemática

Área de la Ciencia:

• Informática de la Salud
• Inteligencia Artificial en Medicina
• Salud Digital

Sus antecedentes:

• Los sistemas de información hospitalaria tradicionales obstaculizan la toma de decisiones basada en datos debido a silos de datos y flujos de trabajo fragmentados.
• Las plataformas de inteligencia artificial (IA) son cruciales para revolucionar la atención médica, pero su implementación enfrenta desafíos.
• Los sistemas existentes carecen de suficiente inteligencia clínica para una utilización eficaz de los datos.

Objetivo del estudio:

• Desarrollar una arquitectura de IA específica para hospitales de 5 capas (infraestructura, datos, algoritmos, aplicación, seguridad y cumplimiento).
• Revisar y evaluar sistemáticamente la aplicabilidad de la evidencia existente mapeada en este marco.
• Evaluar la madurez de las diferentes capas de implementación de IA en hospitales.

Principales métodos:

• Búsqueda sistemática de literatura en las principales bases de datos (Web of Science, Embase, PubMed, Scopus) hasta mayo de 2025.
• Adhesión a las directrices PRISMA con dos revisores independientes evaluando los estudios.
• Inclusión de estudios empíricos sobre implementaciones de IA en hospitales, excluyendo literatura no inglesa y gris.
• Evaluación de la calidad utilizando la herramienta Critical Appraisal Skills Programme y mapeo cuantitativo utilizando una escala de madurez ordinal.

Principales resultados:

• 29 estudios de 11 países cumplieron los criterios de elegibilidad, cubriendo diversos dominios clínicos.
• Las capas de aplicación y datos mostraron la mayor madurez (puntuaciones medias ~3.0-3.17), seguidas de los algoritmos y la infraestructura.
• La capa de seguridad y cumplimiento presentó la menor madurez (media 1.69) y la mayor variabilidad, con una débil alineación con el núcleo técnico.
• Se encontraron fuertes interconexiones entre las capas de datos, algoritmos y aplicación (similitud de Jaccard 0.80-0.89).

Conclusiones:

• El estudio valida una arquitectura de plataforma de IA hospitalaria de 5 capas basada en evidencia empírica.
• La viabilidad clínica de la IA en hospitales es alcanzable, pero la sostenibilidad requiere un mayor enfoque.
• Es esencial una mayor inversión en infraestructura, gobernanza de datos y seguridad/cumplimiento para la adopción generalizada y sostenible de la IA en hospitales.