Aplicaciones de inteligencia artificial y aprendizaje automático en cirugía ambulatoria: una revisión sistemática

Área de la Ciencia:

• Informática Médica
• Tecnología Quirúrgica
• Aplicaciones de Aprendizaje Automático

Sus antecedentes:

• Las tecnologías de inteligencia artificial (IA) se exploran cada vez más para optimizar la atención al paciente en entornos de cirugía ambulatoria.
• Se realizó una revisión sistemática para comprender el panorama actual de las aplicaciones de IA en este dominio.

Objetivo del estudio:

• Revisar y sintetizar sistemáticamente las aplicaciones de las tecnologías de inteligencia artificial (IA) específicamente para pacientes de cirugía ambulatoria.
• Identificar temas clave, metodologías y resultados del uso de IA en cirugía ambulatoria.

Principales métodos:

• Se realizó una búsqueda sistemática de literatura en las principales bases de datos: PubMed, Scopus, Web of Science y EBSCOhost, que abarca publicaciones de 2015 a 2025.
• Se incluyeron estudios si utilizaron técnicas de inteligencia artificial en poblaciones de cirugía ambulatoria.

Principales resultados:

• De los 26 estudios identificados, 25 emplearon aprendizaje automático (ML), con un enfoque significativo en procedimientos ortopédicos (65,3%).
• Los temas clave de aplicación incluyeron la selección preoperatoria de pacientes (por ejemplo, Random Forest, XGBoost), la predicción de alta el mismo día (modelos de conjunto que muestran un alto AUC), el manejo posoperatorio (por ejemplo, predicción de necesidades de recarga de opioides) y la predicción de costos (modelos de conjunto superiores a modelos únicos).
• La mayoría de los estudios se originaron en EE. UU., y los algoritmos comunes de ML incluyeron Random Forest, eXtreme Gradient Boost y Redes Neuronales Artificiales.

Conclusiones:

• El aprendizaje automático, especialmente los métodos de conjunto, demuestra un potencial significativo para mejorar la cirugía ambulatoria.
• Los desafíos identificados incluyen inconsistencias en los modelos, problemas relacionados con los datos y la necesidad de una validación externa sólida para garantizar la generalización y la confiabilidad.
• El desarrollo y la validación adicionales son cruciales para la integración clínica generalizada de la IA en la atención quirúrgica ambulatoria.