Introducción

Desde PREVYSO venimos siguiendo los desafíos del trabajo del futuro desde hace casi una década, no solo en lo que es el foco de nuestras actividades profesionales, la seguridad y salud laboral, sino también en los múltiples impactos en el mundo laboral.

La inteligencia artificial (IA) es la tecnología de mayor impacto en todos los ámbitos. En la salud está comenzando a desempeñar un rol significativo en los sistemas de salud de todo el mundo, y la práctica de enfermería no es ajena a esta transformación. Desde la automatización de tareas administrativas hasta la asistencia en decisiones clínicas complejas, la IA abre oportunidades para optimizar el cuidado, personalizar la atención y reducir la sobrecarga del personal. Este documento presenta un panorama general sobre sus aplicaciones, la evidencia científica disponible, el marco regulatorio internacional, las percepciones del personal de enfermería, casos de éxito y de los otros, asimismo lo qué se espera pueda ocurrir en los próximos cinco años.

Aplicaciones actuales de la IA en enfermería

Entre las múltiples aplicaciones, suelen destacarse las siguientes:

• Documentación clínica automatizada: algoritmos que generan notas de evolución o informes de manera estructurada
• Soporte en triage y priorización: IA que analiza signos vitales y antecedentes para apoyar decisiones de urgencia.
• Educación personalizada al paciente: generación de materiales adaptados al perfil clínico y nivel de comprensión.
• Simulación clínica con IA: entrenamiento con asistentes conversacionales y escenarios adaptativos.
• Monitoreo predictivo: detección temprana de signos de descompensación mediante aprendizaje automático.

Percepciones positivas y negativas

Toda incorporación tecnológica ha sido un factor de movilización de sentimientos de temor, expectativas y entusiasmo. La irrupción de la IA en el mundo laboral sigue el mismo patrón.

Las percepciones positivas subrayan:

• Que permite concentrar tiempo en el cuidado humano directo, delegando tareas repetitivas.
• Mejora la seguridad al reducir errores de medicación o duplicaciones.
• Apoya la toma de decisiones con datos clínicos en tiempo real.
• Tiene potencial de mejorar las condiciones de seguridad y salud del personal
• Potencia la formación continua, especialmente en entornos con pocos recursos docentes.

Las percepciones negativas hacen foco en:

• El temor a la desvalorización del juicio clínico y pérdida de autonomía profesional.
• Riesgo de vigilancia excesiva del personal y afectación del clima laboral.
• Preocupaciones éticas sobre sesgos de algoritmos entrenados sin perspectiva de equidad.
• Ansiedad tecnológica frente a herramientas no comprendidas plenamente.
  
  Los estudios disponibles destacan que la actitud hacia la IA mejora cuando existe formación previa y participación en el proceso de implementación.

Regulaciones internacionales

Están proceso diversas tentativas regulatorias a lo largo del planeta. Tres de ellas son de particular interés para un país como Uruguay:

• La FDA (Food and Drug Administration) de Estados Unidos regula sistemas de IA como dispositivos médicos.
• La Unión Europea tiene una propuesta normativa en la que la incorporación de IA en salud es de riesgo relevante por lo que plantea requerimientos específicos de transparencia y validación.
• La OCDE promueve principios éticos para una IA confiable. Enfatiza justicia, seguridad, explicabilidad y control humano significativo.

¿Qué se espera para los próximos 5 años?[1]

Si comparáramos el estado actual de involucramiento de IA en salud, podría decirse que es un bebé de pocos meses, con todo para crecer y rápido. Lo único que no habrá de ocurrir es que se estanque el proceso y todo hace pensar que se acelerará exponencialmente.

De acuerdo a la Academia Nacional de Medicina de Estados Unidos los próximos desarrollos generarán:

• Asistentes clínicos integrados: herramientas que sugieren cuidados basados en datos en tiempo real y protocolos personalizados.
• Alertas predictivas: IA capaz de anticipar deterioros clínicos antes de que se manifiesten físicamente (por ejemplo, en sepsis o caídas).
• Simuladores de alta fidelidad con lenguaje natural: entrenamiento basado en interacción realista con pacientes virtuales.
• IA generativa para documentación clínica: redacción automatizada con validación del profesional.
• Expansión de la enfermería digital**: nuevos roles que integren competencias en tecnología, análisis de datos y supervisión de IA.

Responsabilidades por actor

La intensidad del cambio es tan grande que todos los actores tienen responsabilidad, los empleadores, los trabajadores y los centros de estudio. A modo de resumen pueden indicarse, entre otras, las siguientes responsabilidades:

• Instituciones de salud: establecer protocolos de validación, garantizar transparencia, proteger la privacidad y capacitar al personal.
• Personal de enfermería: capacitación, desarrollar pensamiento crítico ante decisiones asistidas, denunciar riesgos éticos y mantener la centralidad del cuidado.
• Centros formadores: actualizar planes de estudio, incorporar ética de la IA, fomentar investigación aplicada y experiencias de simulación.

¿La IA sustituirá al personal de enfermería?

Este es uno de los temores clásicos cuando se habla de introducción de tecnología. La buena noticia para el personal de la salud es que el criterio dominante en estudios académicos e informes internacionales es que la inteligencia artificial no sustituirá al personal de enfermería, sino que transformará su práctica.

Las principales razones de este consenso son:

• Baja automatización del rol: Estudios como el de Frey y Osborne (2013) clasifican la enfermería como una de las ocupaciones menos automatizables por la necesidad de juicio clínico, empatía y destrezas manuales. Ver: https://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf
• Rol estratégico reconocido por la OMS: Según el informe “State of the World’s Nursing 2020”, las enfermeras son clave para implementar herramientas tecnológicas de forma ética y efectiva. Ver: https://www.who.int/publications/i/item/9789240003279
• Reconfiguración y complementación, no reemplazo: Estudios recientes indican que la IA tiende a redistribuir tareas, descargando funciones repetitivas pero aumentando la exigencia de pensamiento clínico.
• Herramientas de apoyo, no sustitución: La mayoría de las aplicaciones de IA buscan asistir, no decidir de forma autónoma. La enfermera/o sigue siendo responsable por la evaluación integral y el contacto humano.
• Nuevos roles emergentes: Se prevé el crecimiento de perfiles como enfermería digital, coordinación tecnológica o gestión de datos clínicos. Estos no reemplazan, sino que amplían el campo profesional.

Casos de éxito

Existen casos de éxito de incorporación de IA en enfermedía. Por ejemplo:

• o   Sistema de alertas tempranas – Hospital Johns Hopkins (EE.UU.)

Un sistema de IA implementado en el Hospital Johns Hopkins ayudó a anticipar eventos críticos como shock séptico, mejorando la seguridad del paciente.
Las enfermeras destacaron que:
– La IA aumentó su confianza clínica.
– No comprometió su autonomía profesional.
– Facilitó la respuesta temprana.

Fuente: Marron et al., 2022. Journal of Nursing Scholarship.
Link: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9115526/

• o   Asistente de educación al paciente – Hospital Mount Sinai (EE.UU.)

Un sistema de IA generaba materiales educativos personalizados para pacientes en proceso de alta hospitalaria.
Impacto:
– Reducción del 43% en el tiempo de preparación.
– Aumento de la comprensión de pacientes.
– Las enfermeras valoraron positivamente su utilidad sin sentir reemplazo de su rol comunicacional.

Fuente: Gálvez & Ali, 2021, *Nursing Outlook*.

• o   IA para prevenir caídas – Hospital Karolinska (Suecia)

Un sistema de IA predecía riesgo de caídas hospitalarias y recomendaba medidas preventivas personalizadas.
Resultados:
– Reducción del 27% en la tasa de caídas.
– Alta utilidad para priorizar ubicación de pacientes y vigilancia.
– Interfaz clara y aceptada por el personal.

Fuente: 2022, International Journal of Nursing Studies Advances

• o   IA para planes de cuidado – Hospital General de Toronto (Canadá)

Una IA fue integrada al sistema de historias clínicas electrónicas para sugerir planes de cuidado.
Resultados:
– Aumento en la consistencia de planes entre turnos.
– Ahorro de tiempo en personal novato.
– Mejora en alineación con guías clínicas NANDA.
Fuente: 2023, Journal of Clinical Nursing

Casos de fracaso y desafío

Pero también hay de los otros y de estas lecciones es necesario aprender tanto o más que de los casos de éxito.

• o   Sobredosis por automatización – UCSF Medical Center

Personal de enfermería administró accidentalmente una dosis desproporcionada de antibiótico a un niño, al seguir sin criterio clínico las indicaciones de un sistema automatizado de dispensación.
Este caso evidenció:
– El riesgo de automatización sin supervisión humana.
– La necesidad de verificar siempre las recomendaciones tecnológicas.
Fuente: Wired Magazine.
Link: https://www.wired.com/2015/04/the-irony-of-automation-why-clinicians-let-computers-make-mistakes

• o   Alerta de sepsis inapropiada – Dignity Health, Nevada

Una IA generó una alerta de sepsis que recomendaba fluidos para un paciente en diálisis, lo que hubiera sido perjudicial sin intervención médica.
Lecciones aprendidas:
– La IA debe adaptarse a contextos clínicos individuales.
– El juicio clínico debe tener la última palabra.
Fuente: AP News.
Link: https://apnews.com/article/3e41c0a2768a3b4c5e002270cc2abe23

• o   Fallos en implementación de software clínico – Epic Systems

Varios hospitales europeos reportaron errores y frustraciones al implementar el sistema Epic, incluyendo errores de medicación y pérdida de confianza.
Problemas detectados:
– Interfaces no adaptadas al contexto local.
– Falta de capacitación al personal clínico.
Fuente: Wikipedia – Epic Systems.
Link: https://en.wikipedia.org/wiki/Epic_Systems#Criticisms_and_controversies

Inteligencia Artificial Generativa: una nueva frontera en salud

La IA generativa representa un avance tecnológico con gran potencial en el ámbito de la salud y, en particular, en la práctica de enfermería. Basada en modelos avanzados de lenguaje y generación de contenido, esta tecnología permite automatizar tareas como la redacción de notas clínicas, la generación de materiales educativos o la creación de escenarios de simulación interactivos.

El informe ‘Generative Artificial Intelligence in Health and Medicine’ de la National Academy of Medicine (2024) identifica oportunidades, riesgos y recomendaciones específicas vinculadas aa plicaciones relevantes para enfermería:

• Automatización de documentación y reportes clínicos.
• Generación de materiales de educación al paciente, personalizados cultural y lingüísticamente.
• Asistencia a la toma de decisiones clínicas mediante modelos entrenados en protocolos y literatura médica.
• Simulación de pacientes virtuales para formación continua.
• Riesgos asociados a la IA generativa:
• Posibilidad de sesgos en los datos de entrenamiento que perpetúen desigualdades.
• Producción de contenido erróneo pero convincente (‘alucinaciones algorítmicas’).
• Falta de explicabilidad y transparencia en los modelos (‘caja negra’).
• Vulnerabilidad frente a usos indebidos de datos sensibles.
• Gobernanza y responsabilidad:
• Se destaca la necesidad de marcos regulatorios ágiles y seguros.
• Se promueve una gobernanza participativa, con involucramiento activo del personal de salud en el diseño, evaluación y supervisión de estas tecnologías.
• Recomendaciones clave:
  • Capacitar específicamente al personal de enfermería en competencias digitales y uso crítico de IA generativa.
  • Evaluar el impacto real en los flujos de trabajo y el cuidado.
  • Establecer protocolos para el uso responsable de herramientas generativas.

Fuente: National Academy of Medicine (2024). *Generative Artificial Intelligence in Health and Medicine*.
Disponible en: https://nap.nationalacademies.org/catalog/28907/generative-artificial-intelligence-in-health-and-medicine

Inteligencia Artificial Generativa: una nueva frontera en salud

– La IA debe complementar, no reemplazar, al juicio clínico.
– La formación del personal es esencial para su uso seguro.
– Debe haber protocolos de verificación y validación continua.
– Es necesario adaptar la tecnología al entorno de uso.
– Las herramientas deben ser explicables y transparentes para ganar confianza del personal de salud.

Conclusiones

No es esperable que la IA no sustituya el cuidado humano, pero redefinirá cómo se organiza, personaliza y evalúa.

La enfermería tiene un rol clave en guiar esta integración tecnológica con criterio profesional, ética humanista y compromiso con la calidad del cuidado. Formarse, participar e incidir en los procesos será tan importante como comprender las herramientas en sí.

[1] Fuente: National Academy of Medicine. (2023). The Future of AI in Health and Medicine. https://nap.nationalacademies.org/catalog/28907