Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Desafíos de la inteligencia artificial en el cuidado gineco-obstétrico: de la toma de decisiones a la responsabilidad
0
Zitationen
3
Autoren
2026
Jahr
Abstract
Objetivo: identificar los principales retos éticos, legales y prácticos que surgen con la implementación de sistemas de inteligencia artificial (IA) en el cuidado gineco-obstétrico, y analizar su impacto en la responsabilidad profesional, el juicio clínico de enfermería y la seguridad del paciente. Método: Se llevó a cabo un análisis documental de carácter descriptivo y analítico, basado en la revisión de doctrina jurídica sobre responsabilidad profesional, principios de bioética, informes de organismos internacionales y publicaciones científicas relacionadas con la IA en el ámbito de la salud. Resultados: El análisis revela cuatro desafíos críticos: (1) el riesgo de sesgo algorítmico que puede perpetuar y amplificar las inequidades existentes en salud materna; (2) la "difusión de la responsabilidad", donde la opacidad de los algoritmos de "caja negra" dificulta la atribución de culpa en eventos adversos; (3) la potencial "atrofia de la habilidad" o erosión del juicio clínico del personal de enfermería y médico; y (4) las brechas en los seguros de responsabilidad profesional, que no están adaptados para cubrir el "error algorítmico". Conclusiones: Si bien la IA es una herramienta prometedora, su integración en la obstetricia requiere una profunda revisión de los marcos jurídicos, clínicos y formativos para la enfermería y la medicina. Es imperativo un esfuerzo colaborativo entre juristas y profesionales de la salud para desarrollar marcos de responsabilidad claros que garanticen una implementación segura, justa y humana de estas tecnologías en el cuidado del paciente.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.539 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.426 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.921 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.586 Zit.