La Innovaciones en Inteligencia Artificial para la Asistencia Quirúrgica: Revisión Sistemática de Aplicaciones y Eficacia Clínica

Deysi Elvia Yuvixa Quiliche Plasencia; Cristian Daniel Armas Abad; Marcelino Torres Villanueva

doi:10.48168/innosoft.s24.a223

Deysi Elvia Yuvixa Quiliche Plasencia Universidad Nacional de Trujillo https://orcid.org/0009-0000-7549-7048
Cristian Daniel Armas Abad Universidad Nacional de Trujillo https://orcid.org/0009-0006-7124-440X
Marcelino Torres Villanueva Universidad Nacional de Trujilo https://orcid.org/0000-0002-9797-1510

DOI: 10.48168/innosoft.s24.a223

PURL: 42411/s24/a223

ARK: ark:/42411/s24/a223

Palabras clave: Asistencia Quirúrgica, Cirugía Médica, Eficacia Médica, Inteligencia Artificial

Resumen

La inteligencia artificial (IA) presenta actualmente una innumerable cantidad de implementaciones con resultados ampliamente comprobados. Las asistencias quirúrgicas, parte fundamental de la cirugía médica, son un ejemplo claro de innovación y eficaz aplicación de tecnologías que replican distintas cualidades y habilidades humanas para mejorar la atención quirúrgica del paciente. La presente investigación, a través de la metodología PRISMA, se enfoca en el análisis de las aplicaciones en IA para la asistencia quirúrgica, haciendo uso de artículos obtenidos luego de implementar una serie de criterios de búsqueda, inclusión y exclusión diseñados para lograr una total sintonía entre la literatura científica descrita y el tema central de la investigación. Se realizó una búsqueda profunda de la bibliografía en las bases de datos ProQuest y Google Académico y se seleccionaron 17 artículos de un total de 272 candidatos. Los resultados obtenidos muestran que, tecnologías como el Machine Learning (ML), Deep Learning (DL) o Robótica Quirúrgica son utilizadas para mejorar la atención al paciente con procedimientos menos invasivos y reduciendo riesgos. Este estudio subraya el impacto transformador de la IA en la asistencia quirúrgica y sugiere la necesidad de investigar más sobre su integración en nuevas especialidades y los aspectos éticos y normativos para garantizar su uso seguro.

Descargas

La descarga de datos todavía no está disponible.

Citas

[1] E. P. Álvarez Morejón, “Proceso de aplicación del consentimiento informado a pacientes quirúrgicos en el servicio de cirugía del hospital General San Francisco”, Universidad de las Américas, Quito, 2019.
[2] E. Gallego-Colón, “La inteligencia artificial como herramienta diagnóstica: ¿la nueva telemedicina?”, Sanid. Mil., vol. 79, núm. 3, pp. 156–158, 2023.
[3] R. M. Lam Díaz y P. Hernández Ramírez, “Los términos: eficiencia, eficacia y efectividad ¿son sinónimos en el área de la salud?”, Rev. Cuba. Hematol. Immunol. Hemoter., vol. 24, núm. 2, pp. 0–0, 2008.
[4] M. C. G. Gallardo y R. A. Avila, “Aplicaciones de la inteligencia artificial en la Medicina: perspectivas y problemas”, ACIMED, vol. 17, núm. 5, pp. 0–0, 2008.
[5] D. Lanzagorta-Ortega, D. L. Carrillo-Pérez, y R. Carrillo-Esper, “Artificial intelligence in medicine: present and future”, Gac. Med. Mex., vol. 158, núm. Suplement 1, pp. 17–21, 2022.
[6] I. Suazo Galdames, “Artificial intelligence in human medicine”, International Journal of Medical and Surgical Sciences, pp. 1–4, 2023.
[7] K. E. Moncada Granda y F. G. Correa Martínez, “Aplicaciones de la inteligencia artificial en cirugía”, Salud ConCienc., vol. 2, núm. 2, p. e31, 2023.
[8] J. S. Barajas-Gamboa, “Redefiniendo la era de la cirugía digital: el rol de la inteligencia artificial, la realidad aumentada y el aprendizaje automático en el campo quirúrgico”, Medunab, vol. 25, núm. 3, pp. 353–358, 2022.
[9] M. D. J. -Sánchez, E. M. P. -Charris, y B. M. R. -Rodríguez, “¿Cómo ha ayudado la inteligencia artificial en la medicina?”, Convicciones, vol. 8, núm. 16, pp. 6–20, 2021.
[10] H. Cheng et al., “Illuminating the future of precision cancer surgery with fluorescence imaging and artificial intelligence convergence”, NPJ Precis. Oncol., vol. 8, núm. 1, p. 196, 2024.
[11] A. T. Chowdhury et al., “Artificial intelligence tools in pediatric urology: A comprehensive review of recent advances”, Diagnostics (Basel), vol. 14, núm. 18, p. 2059, 2024.
[12] D. Kiyasseh et al., “A multi-institutional study using artificial intelligence to provide reliable and fair feedback to surgeons”, Commun. Med. (Lond.), vol. 3, núm. 1, p. 42, 2023.
[13] R. S. George Quintero, Y. Gámez Toirac, D. Matos Laffita, I. González Rodríguez, R. Labori Ruiz, y S. A. Guevara Silveira, “Eficacia, efectividad, eficiencia y equidad en relación con la calidad en los servicios de salud”, Infodir, núm. 35, 2021.
[14] R. M. Lam Díaz y P. Hernández Ramírez, “Los términos: eficiencia, eficacia y efectividad ¿son sinónimos en el área de la salud?”, Rev. Cuba. Hematol. Immunol. Hemoter., vol. 24, núm. 2, pp. 0–0, 2008.
[15] J. J. Rasouli et al., “Artificial intelligence and robotics in spine surgery”, Global Spine J., vol. 11, núm. 4, pp. 556–564, 2021.
[16] R. T. Peña, “Cirugía robótica: ¿una tecnología disruptiva?”, Infodir, vol. 0, núm. 29, pp. 91–106, 2019.
[17] P. Brockmeyer, B. Wiechens, y H. Schliephake, “The role of augmented reality in the advancement of minimally invasive surgery procedures: A scoping review”, Bioengineering (Basel), vol. 10, núm. 4, 2023.
[18] M.-S. Kim et al., “Deep-learning-based cerebral artery semantic segmentation in neurosurgical operating microscope vision using indocyanine green fluorescence videoangiography”, Front. Neurorobot., vol. 15, p. 735177, 2021.
[19] K. Siemionow, C. Luciano, C. Forsthoefel, y S. Aydogmus, “Autonomous image segmentation and identification of anatomical landmarks from lumbar spine intraoperative computed tomography scans using machine learning: A validation study”, J. Craniovertebr. Junction Spine, vol. 11, núm. 2, p. 99, 2020.
[20] R. Leon et al., “Hyperspectral imaging benchmark based on machine learning for intraoperative brain tumour detection”, NPJ Precis. Oncol., vol. 7, núm. 1, p. 119, 2023.
[21] E. Kotsifa y V. K. Mavroeidis, “Present and future applications of artificial intelligence in kidney transplantation”, J. Clin. Med., vol. 13, núm. 19, 2024.
[22] T. Reza y S. F. H. Bokhari, “Partnering with technology: Advancing laparoscopy with artificial intelligence and machine learning”, Cureus, vol. 16, núm. 3, p. e56076, 2024.[23] L. Czako et al., “Exploring the practical applications of artificial intelligence, deep learning, and machine learning in maxillofacial surgery: A comprehensive analysis of published works”, Bioengineering (Basel), vol. 11, núm. 7, p. 679, 2024.
[24] Y. Shen, S. Wang, Y. Shen, y J. Hu, “The application of Augmented Reality technology in perioperative visual guidance: Technological advances and innovation challenges”, Sensors (Basel), vol. 24, núm. 22, 2024.
[25] U. Swaminathan y S. Daigavane, “Unveiling the potential: A comprehensive review of artificial intelligence applications in ophthalmology and future prospects”, Cureus, vol. 16, núm. 6, p. e61826, 2024.
[26] M. Daneshgar Rahbar, G. Pappas, y N. Jaber, “Toward intraoperative visual intelligence: Real-time surgical instrument segmentation for enhanced surgical monitoring”, Preprints, 2024.
[27] M. Z. U. Huqh et al., “Clinical applications of Artificial intelligence and Machine learning in children with cleft lip and palate-A systematic review”, Int. J. Environ. Res. Public Health, vol. 19, núm. 17, p. 10860, 2022.
[28] İ. B. Gültekin, E. Karabük, y M. F. Köse, "Hey Siri! Perform a type 3 hysterectomy. Please watch out for the ureter! What is autonomous surgery and what are the latest developments?", Journal of the Turkish-German Gynecological Asociation, vol. 22, núm. 1, pp. 58-70, feb. 2021.
[29] F. Gou, J. Liu, C. Xiao, y J. Wu, “Research on artificial-intelligence-assisted medicine: A survey on medical sartificial intelligence”, Diagnostics (Basel), vol. 14, núm. 14, p. 1472, 2024.
[30] “Diagrama de flujo PRISMA 2020”, BiblioGETAFE, 23-jun-2021. [En línea]. Disponible en: https://bibliogetafe.com/2021/06/23/diagrama-de-flujo-prisma-2020/. [Consultado: 11-dic-2024].