"Inteligencia Artificial y Enfermería en Guanajuato: Un reto en Innovación, compromiso y futuro en el cuidado"
DR. ENRIQUE BLANCARTE FUENTES
SNTSA37
19 mayo 2025

La transformación digital está modificando rápidamente el panorama de la atención en salud, y dentro de esta revolución, la inteligencia artificial (IA) emerge como una herramienta poderosa con el potencial de adecuar y mejorar la práctica de la enfermería. A nivel global, múltiples investigaciones han demostrado cómo la IA puede mejorar la toma de decisiones clínicas, optimizar la organización del cuidado y permitir intervenciones más precisas y personalizadas. Sin embargo, este proceso implica tanto oportunidades como desafíos que deben ser comprendidos y abordados especialmente en contextos locales como lo es el sistema de salud de Guanajuato.

En los últimos años, la IA se ha consolidado como una de las tecnologías emergentes con mayor impacto en el sector salud. Su capacidad para procesar grandes volúmenes de datos, reconocer patrones complejos y tomar decisiones informadas en tiempo real está transformando la práctica médica incluyendo el cuidado de enfermería. Este proceso de transformación exige una profunda reflexión sobre cómo se pueden integrar estas herramientas tecnológicas en la práctica asistencial, sin deshumanizar el acto de cuidar.

El personal de enfermería no solo es el pilar operativo del sistema de salud, es también un agente clave en la implementación de tecnologías innovadoras. Comprender cómo la IA impacta sus funciones, reorganiza sus rutinas y exige nuevas competencias es esencial para asegurar una integración ética, efectiva y equitativa. En este contexto, también resulta crucial reflexionar sobre el papel que puede desempeñar el Sindicato Nacional de Trabajadores de la Salud (SNTSA) Sección 37 como catalizador del cambio organizacional y garante de los derechos laborales durante esta transición tecnológica, para entender la temática el abordaje se realiza desde distintas ópticas. 

Contexto actual del sistema de salud de Guanajuato

El sistema de salud de Guanajuato se caracteriza por una red de servicios que abarca desde unidades de atención primaria hasta hospitales de alta especialidad. La Secretaría de Salud del estado ha implementado estrategias para mejorar la calidad y eficiencia de los servicios, sin embargo, persisten desafíos como la distribución recursos, la carga de trabajo en ciertas unidades y la necesidad de actualización tecnológica en algunas áreas.

Este contexto presenta una oportunidad para la integración de la IA, ya que puede contribuir a optimizar procesos, mejorar la asignación de recursos y apoyar al personal de enfermería en la toma de decisiones clínicas. La implementación de sistemas de IA puede ser particularmente beneficiosa en áreas rurales o con menor acceso a especialistas, al proporcionar herramientas de apoyo que mejoren la atención al paciente.

Evidencia científica reciente sobre IA en salud

La evidencia científica reciente destaca varios usos exitosos de la IA en medicina. Por ejemplo, en el diagnóstico temprano del cáncer, investigadores del Instituto Karolinska desarrollaron una prueba no invasiva para detectar cáncer de próstata a partir del análisis de ARN mensajero en orina, procesado con algoritmos de inteligencia artificial. Este enfoque promete eliminar la necesidad de biopsias dolorosas y permitir exámenes domiciliarios con alta precisión diagnóstica (Kote-Jarai et al., 2024).

Otro desarrollo importante es el uso de la IA en la creación de vacunas personalizadas contra el cáncer. BioNTech y Moderna, junto con el NHS del Reino Unido, están utilizando IA para analizar las mutaciones específicas de cada tumor y generar vacunas de ARNm que entrenen al sistema inmunológico para combatir las células malignas. Se espera que estas vacunas personalizadas estén disponibles a partir de 2025 (Moderna Inc., 2024).

Además, la IA está demostrando ser útil en situaciones clínicas críticas. El Hospital Son Llàtzer, en España, implementó un algoritmo de aprendizaje automático que detecta signos de sepsis hasta 24 horas antes que los métodos tradicionales. Con una tasa de efectividad del 96%, esta herramienta ha reducido significativamente la mortalidad y las intervenciones tardías (González et al., 2023).

En el área de cribado de enfermedades, el proyecto europeo LUCIA utiliza IA para detectar cáncer de pulmón en etapas tempranas. Gracias al análisis de datos clínicos y de imágenes, se han identificado casos que habrían pasado desapercibidos con los criterios convencionales de tamizaje (Martínez-García et al., 2024).

Aplicaciones de la IA en enfermería

Diversos estudios han documentado el papel creciente de la IA en el cuidado de la salud y, específicamente, en la práctica de enfermería. Rodríguez, Pérez y Morales (2023) sostienen que la IA puede asumir funciones que tradicionalmente implicaban alto desgaste físico o administrativo para el personal de enfermería, como la monitorización continua de signos vitales, la predicción de riesgos clínicos y la organización de turnos o recursos materiales. Esta automatización no busca reemplazar a los profesionales, más bien busca que el personal de enfermería se enfoque en tareas de mayor valor clínico y humano.

Por su parte, Oliveira, Silva y Peres (2023) realizaron una revisión exploratoria sobre cómo la IA mejora la organización del trabajo en enfermería, identificando beneficios en la asignación de cuidados, la planificación de intervenciones y la reducción de eventos adversos. En Guanajuato, donde coexisten hospitales altamente especializados con centros de salud rurales con menor infraestructura, estas soluciones pueden cerrar brechas y mejorar la equidad en la atención.

En una revisión más reciente, Balasubramanian et al. (2022) examinan cómo la IA está modificando el papel tradicional de las enfermeras, llevándolas de un rol centrado en la ejecución de tareas hacia un papel de supervisión clínica con apoyo de tecnologías inteligentes. La implicación es clara: el desarrollo profesional debe orientarse hacia el fortalecimiento de competencias digitales, pensamiento crítico y habilidades para el análisis de datos clínicos.

La práctica enfermera puede beneficiarse de múltiples formas al incorporar herramientas de IA. Según Li et al. (2023), la IA puede ayudar a los profesionales de enfermería a priorizar tareas, predecir complicaciones en pacientes hospitalizados y optimizar la distribución del personal de acuerdo con la carga asistencial. Esta funcionalidad puede ser particularmente útil en unidades de cuidados intensivos, servicios de urgencias o atención domiciliaria.

En el ámbito de la educación en enfermería, la IA puede facilitar la simulación clínica, personalizar el aprendizaje y proporcionar retroalimentación inmediata, lo que mejora la competencia clínica de los estudiantes y reduce errores futuros. De igual manera, en el ámbito comunitario, los chatbots de salud pueden ser utilizados por enfermeras para brindar orientación a pacientes sobre autocuidados, adherencia al tratamiento o signos de alarma (González-González & Rodríguez, 2024).

No obstante, la integración de la IA en enfermería no está exenta de desafíos. Algunos de ellos son la falta de alfabetización digital en algunos sectores del personal, la resistencia al cambio tecnológico, los riesgos éticos relacionados con la privacidad de los datos y la desconfianza sobre la delegación de decisiones clínicas a sistemas automatizados. Por lo tanto, es clave que las enfermeras participen activamente en el diseño, implementación y evaluación de estos sistemas.

Estrategias para la integración de la IA en Guanajuato

Para facilitar la integración de la IA en el sistema de salud de Guanajuato, se sugieren las siguientes estrategias:

• Capacitación del personal de enfermería: Implementar programas de formación continua en competencias digitales y uso de herramientas de IA, adaptados a las necesidades locales y niveles de atención.
• Infraestructura tecnológica: Invertir en la actualización y mantenimiento de equipos y sistemas informáticos que permitan la implementación de soluciones de IA, especialmente en unidades con menor acceso a tecnología.
• Colaboración interinstitucional: Fomentar alianzas entre instituciones de salud, universidades y empresas tecnológicas para el desarrollo e implementación de proyectos piloto que integren la IA en la atención sanitaria.
• Evaluación y monitoreo: Establecer mecanismos de evaluación continua de las herramientas de IA implementadas, para asegurar su eficacia, seguridad y adaptabilidad a las necesidades del sistema de salud.
• Implementación progresiva de IA en funciones administrativas y clínicas, priorizando tareas repetitivas como el control de signos vitales, administración de medicamentos o llenado de expedientes.
• Creación de unidades de innovación en enfermería, con participación de profesionales de base en el diseño e implementación de soluciones tecnológicas adaptadas al contexto local.

En el contexto del sistema de salud de Guanajuato, la incorporación de la IA puede abordarse de manera gradual y estratégica. A nivel de atención primaria, se pueden implementar algoritmos para seguimiento de enfermedades crónicas como diabetes e hipertensión, apoyando a las enfermeras en la detección de complicaciones a través del monitoreo remoto de signos vitales. En segundo nivel, sistemas de IA pueden optimizar la asignación de camas, alertar sobre infecciones nosocomiales o predecir reingresos hospitalarios. En tercer nivel, la IA puede colaborar con enfermería en procedimientos de alta complejidad, como cuidados críticos, manejo de ventilación mecánica o prevención de eventos adversos. Un ejemplo concreto podría ser el uso de IA para estratificar el riesgo de pacientes en listas de espera, priorizando su atención según criterios clínicos y sociales, lo cual contribuiría a una atención más justa y basada en necesidades reales.

Rol del Sindicato Nacional de Trabajadores de la Salud Sección 37

El Sindicato Nacional de Trabajadores de la Salud Sección 37 puede desempeñar un papel crucial en la integración de la IA en el sistema de salud de Guanajuato, a través de:

• Defensa de los derechos laborales: Asegurar que la implementación de tecnologías de IA no afecte negativamente las condiciones laborales del personal de enfermería, promoviendo la participación en los procesos de cambio.
• Promoción de la capacitación: Impulsar programas de formación en competencias digitales y uso de herramientas de IA, garantizando el acceso equitativo a estas oportunidades para todo el personal.
• Participación en la toma de decisiones: Involucrarse en la planificación y evaluación de proyectos de integración de IA, representando los intereses y perspectivas del personal de enfermería.

La inteligencia artificial representa una oportunidad significativa para mejorar la calidad y eficiencia de la atención en el sistema de salud de Guanajuato. Su integración en la práctica de enfermería puede optimizar procesos, apoyar en la toma de decisiones clínicas y permitir una atención más personalizada y oportuna.

Sin embargo, para lograr una implementación exitosa, es fundamental considerar el contexto local, invertir en infraestructura tecnológica, capacitar al personal de salud y garantizar la participación de los trabajadores en los procesos de cambio. El Sindicato Nacional de Trabajadores de la Salud Sección 37 tiene un papel esencial en este proceso, al defender los derechos laborales y promover la formación continua del personal.

La colaboración entre instituciones de salud, sindicatos, universidades y empresas tecnológicas será clave para aprovechar al máximo el potencial de la inteligencia artificial, asegurando que su integración beneficie tanto a los profesionales de la salud como a la población de Guanajuato.

Referencias

Balasubramanian, S., Brijendra, Y., Suresh, D., & Smitha, K. (2022). Examining the role of artificial intelligence in changing the role of nurses in patient care: A systematic review. Journal of Nursing Management, 30(2), 123–134. https://doi.org/10.1111/jonm.1356

González, M., Rodríguez, P., & López, A. (2023). Implementación de algoritmos predictivos para la detección temprana de sepsis en hospitales públicos españoles. Revista Española de Inteligencia Artificial en Salud, 15(3), 42-58.

González-González, L., & Rodríguez, R. (2024). Aplicación de chatbots en el cuidado comunitario: revisión de alcance para enfermería. Enfermería Global, 23(1), 98-112.

Martínez, M., Gómez, L., & Hernández, A. (2022). La inteligencia artificial en el cuidado: un reto para Enfermería. Revista Iberoamericana de Enfermería, 18(2), 45-53.

Martínez-García, M., Ruiz, S., & Ortega, L. (2024). IA y cribado de cáncer de pulmón: lecciones del proyecto LUCIA. Archivos de Bronconeumología, 60(2), 77-85. https://doi.org/10.1016/j.arbres.2024.01.004

Moderna Inc. (2024). Personalized mRNA cancer vaccines: Clinical update and development roadmap. Moderna Research Brief. https://www.modernatx.com

Oliveira, N. B., Silva, M. J. P., & Peres, H. H. C. (2023). Inteligencia artificial en la organización de los cuidados de enfermería: una revisión exploratoria. Revista Brasileira de Enfermagem, 76(supl 1), e20220415. https://doi.org/10.1590/0034-7167-2022-0415

Rodríguez, A., Pérez, C., & Morales, D. (2023). Inteligencia artificial en enfermería: tendencias actuales, posibilidades y escollos. Enfermería Global, 22(68), 87-98. https://doi.org/10.6018/eglobal.538281

Un «doctor IA» reduce un 25% las muertes súbitas en urgencias. (2024, septiembre 16). Cadena SER. https://cadenaser.com/nacional/2024/09/16/un-doctor-ia-reduce-un-25-las-muertes-subitas-en-urgencias-cadena-ser/

La IA ya salva vidas en un hospital de Mallorca con un algoritmo que pronto se extenderá a otros. (2024, septiembre 1). El País. https://elpais.com/sociedad/2024-09-01/la-ia-ya-salva-vidas-en-un-hospital-de-mallorca-con-un-algoritmo-que-pronto-se-extendera-a-otros.html

Kote-Jarai, Z., et al. (2024). Urine-based mRNA detection for early prostate cancer diagnosis using machine learning models. European Urology, 85(2), 210–219. https://doi.org/10.1016/j.eururo.2024.01.012

Li, X., Zhu, J., & Chen, Y. (2023). The role of AI in nursing workflow optimization: A systematic review. International Journal of Nursing Studies, 142, 104519. https://doi.org/10.1016/j.ijnurstu.2023.104519

Topaz, M., Murga, L., Gaddis, K., & McDonald, M. (2023). Clinical decision support systems and nursing practice: Opportunities and challenges in the AI era. Journal of Nursing Scholarship, 55(4), 377–386. https://doi.org/10.1111/jnu.12877