Uso actual y perspectivas de la inteligencia artificial en pediatría y terapia intensiva pediátrica
Palabras clave:
inteligencia artificial; aprendizaje automático; pediatría; terapia intensiva pediátrica; predicción clínica.Resumen
Introducción: La inteligencia artificial se está incorporando progresivamente en la medicina pediátrica, especialmente en las unidades de cuidados intensivos pediátricos, donde el volumen de datos continuos provenientes de monitores fisiológicos, ventiladores mecánicos, resultados de laboratorio y registros clínicos electrónicos supera la capacidad humana de interpretación en tiempo real.
Objetivo: Describir el panorama actual, las aplicaciones recientes, las limitaciones y las perspectivas futuras del uso de la inteligencia artificial en la terapia intensiva pediátrica.
Métodos: Se realizó una revisión narrativa de la literatura científica publicada entre enero de 2023 y mayo de 2025, en inglés y español, en las bases de datos PubMed/MEDLINE, SpringerLink, Nature, MDPI, JMIR, arXiv y Medicina Intensiva. Inicialmente, se identificaron 283 artículos. Tras eliminar duplicados y aplicar criterios de inclusión y exclusión, se analizaron, finalmente, 29 estudios relevantes.
Resultados: Los estudios revisados muestran aplicaciones de la inteligencia artificial en la predicción de la duración de estancia hospitalaria, detección temprana de paro cardíaco pediátrico, monitoreo remoto de pacientes, asistencia en ecografía en el punto de atención y sistemas de soporte para la toma de decisiones clínicas.
Conclusiones: La inteligencia artificial representa una herramienta emergente con potencial para transformar la medicina intensiva pediátrica. Sin embargo, su implementación clínica requiere de validación multicéntrica, transparencia algorítmica, capacitación del personal sanitario y marcos regulatorios específicos para la población pediátrica.
Descargas
Citas
1. Shah N, Arshad A, Mazer MB, Carroll CL, Shein SL, Remy KE, et al. The use of machine learning and artificial intelligence within pediatric critical care. Pediatr Res. 2023;93:405-12. DOI: https://doi.org/10.1038/s41390-022-02380-6
2. Campos-Miño S, Sasbón JS, von Dessauer B. Pediatric intensive care in Latin America. Med Intensiva. 2012;36(1):3-10. DOI: https://doi.org/10.1016/j.medine.2012.02.004
3. Schouten JS, Kalden MACM, van Twist E, Reiss IKM, Gommers DAMPJ, van Genderen ME, et al. From bytes to bedside: a systematic review on the use and readiness of artificial intelligence in the neonatal and pediatric intensive care unit. Intensive Care Med. 2024;50:1767-77. DOI: https://doi.org/10.1007/s00134-024-07629-8
4. Ganatra HA, Latifi SQ, Baloglu O. Pediatric intensive care unit length of stay prediction by machine learning. Bioengineering. 2024;11(10):962. DOI: https://doi.org/10.3390/bioengineering11100962
5. Abdallah ABAA, Sadaka SIH, Ali EI, Bilal SAM, Abdelrahman MO, Mohammed FBF, et al. The role of artificial intelligence in pediatric intensive care: a systematic review. Cureus. 2025;17(3):e80142. DOI: https://doi.org/10.7759/cureus.80142
6. Strutz S, McCracken CE, Rahman A, Hawkins RB, Tzeng YL, Zhang H, et al. Machine learning for predicting critical events among hospitalized children. JAMA Netw Open. 2025;8(5):e2513149. DOI: https://doi.org/10.1001/jamanetworkopen.2025.131495
7. Jia Z, Shi Y, Hu J, Yang L, Nti B. Development of a real-time POCUS image quality assessment and acquisition guidance system [preprint]. arXiv. 2022. DOI: https://doi.org/10.48550/arXiv.2212.08624
8. Chanci D, Grunwell JR, Rafiei A, Brown SR, Ripple MJ, Bishop NR, et al. Machine learning model for daily prediction of pediatric sepsis using Phoenix criteria. Pediatr Res. 2026;99(2):631-7. DOI: https://doi.org/10.1038/s41390-025-04221-8
9. Barrett R, Lawler B, Liu S, Park WY, Davoodi M, Martin B, et al. Transforming neonatal care through informatics: a review of artificial intelligence, data, and implementation considerations. Semin Perinatol. 2025;49:152144. DOI: https://doi.org/10.1016/j.semperi.2025.152144
10. Keles E, Bagci U. The past, current, and future of neonatal intensive care units with artificial intelligence: a systematic review. NPJ Digit Med. 2023;6:220. DOI https://doi.org/10.1038/s41746-023-00941-5
11. Topol EJ. High-performance medicine: the convergence of human and artificial intelligence. Nat Med. 2019;25(1):44-56. DOI: https://doi.org/10.1038/s41591-018-0300-7
12. Richter F, Holmes E, Richter F, Guttmann K, Duong SQ, Gangadharan S, et al. Toward governance of artificial intelligence in pediatric healthcare. NPJ Digit Med. 2025;8:636. DOI: https://doi.org/10.1038/s41746-025-02000-7
13. Choudhury A, Urena E. Artificial intelligence in NICU and PICU: a need for ecological validity, accountability, and human factors. Healthcare (Basel). 2022;10(5):952. DOI: https://doi.org/10.3390/healthcare10050952
14. Tan X, Zhang X, Chai J, Ji W, Ru J, Yang C, et al. Constructing a predictive model for early-onset sepsis in neonatal intensive care unit newborns based on SHapley additive explanations explainable machine learning. Transl Pediatr. 2024;13(11):1933-46. DOI: https://doi.org/10.21037/tp-24-278
15. Suberviola B, Gómez-Tello V, Castellanos-Ortega Á. Inteligencia artificial e Internet
of Medical Things en la UCI. Med Intensiva. 2024;48(3):183-93. DOI: https://doi.org/10.1016/j.medin.2023.11.003
16. Mittelstadt BD, Allo P, Taddeo M, Wachter S, Floridi L. The ethics of algorithms: mapping the debate. Big Data Soc. 2016;3(2). DOI: https://doi.org/10.1177/2053951716679679
17. Alizadehsani R, Abdar M, Roshanzamir M, Beykikhoshk A, Khosravi A, Nahavandi S, et al. A review of explainable artificial intelligence in healthcare. Comput Biol Med. 2024;173:109370. DOI: https://doi.org/10.1016/j.compbiomed.2024.109370
18. Esteva A, Robicquet A, Ramsundar B, Kuleshov V, DePristo M, Chou K, et al. A guide to deep learning in healthcare. Nat Med. 2019;25(1):24-9. DOI: https://doi.org/10.1038/s41591-018-0316-z
19. Al-Sofyani KA. Role of artificial intelligence in pediatric intensive care: a survey of healthcare staff perspectives in Saudi Arabia. Front Pediatr. 2025;13:1533877. DOI: https://doi.org/10.3389/fped.2025.1533877
20. Park T, Lee Y, Lee J, Kong Y. Artificial intelligence in pediatric healthcare: current applications, potential, and implementation considerations. Clin Exp Pediatr. 2025. DOI: https://doi.org/10.3345/cep.2025.00962
21. Salih AM, Menegaz G, Pillay T, Boyle EM. Explainable artificial intelligence in paediatrics: challenges for the future. Health Sci Rep. 2024;7(12):e70271. DOI: https://doi.org/10.1002/hsr2.70271
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Vivian Rosario Mena Miranda, Vicente Manuel Martínez Cárdenas
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Avisos de derechos de autor propuestos por Creative Commons
1. Política propuesta para revistas que ofrecen acceso abierto
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons que permite a terceros compartir la obra siempre que se indique su autor y su primera publicación esta revista.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
