Machine learning en anestesia - Avances de hoy para la anestesia del mañana

Aug 5, 2026

Subir por Miles

La revisión analiza el papel del aprendizaje automático (machine learning, ML) dentro de la inteligencia artificial aplicada a la anestesiología. Se describen algoritmos capaces de reconocer patrones en ondas arteriales y de predecir episodios de hipotensión, además de herramientas orientadas a disminuir el dolor posoperatorio y mejorar el monitoreo durante la anestesia. El documento destaca su utilidad para apoyar la prevención de eventos y la toma de decisiones clínicas, con la salvedad de que, por sesgos de programación inicial, aún no sustituyen el juicio del anestesiólogo.

IdiomaSpanish

CategoríaSalud y Atención Médica

FormatoPDF

Páginas5

Tiempo de lectura8 min

AccesoGratis para descargar

Tabla de contenidos

Introducción

Conceptos de IA y machine learning en medicina

Metodología

Revisión no sistemática basada en PubMed/MedLine

Aplicaciones en anestesiología

Predicción de hipotensión y análisis de ondas arteriales

Apoyo a la prevención y decisiones clínicas

Limitaciones y consideraciones clínicas

Sesgos de programación y rol del juicio del anestesiólogo

Artículo de Revisión [revistachilenadeanestesia.cl](revistachilenadeanestesia.cl) DOI: 10.25237/revchilanestv52n6-04 Machine learning en anestesia. Avances de hoy para laanestesia del mañana Anethesia and machine learning Agustín Núñez1,*, Samer Tawfiq2,3, Andrés Polit1 1 Interno de Medicina, Universidad Autónoma de Chile. Santiago, Chile. 2 Anestesiólogo, Universidad de Ciencias Médicas de La Habana. La Habana, Cuba. 3 Validado Corporación Nacional Autónoma de Certificación de Especialidades Médicas (CONACEM) . Santiago, Chile. Esta investigación no contó con apoyo financiero. Fecha de recepción: 31 de mayo de 2023 / Fecha de aprobación: 03 de julio de 2023 ABSTRACT Artificial intelligence (AI) is concerned with developing systems that perform tasks that typically require human intelligence. Machine learning (ML) is an important branch of AI and has significant applications in medicine. These applications have allowed advancements in anesthesiology, where algorithms capable of recognizing patterns in arterial waveforms and predicting episodes of hypotension have been developed, reducing postoperative pain and monitoring anesthesia. All of these tools are capable of assisting physicians in event prevention and decision-making. However, it is important to note that, up to now, ML-based tools cannot replace the clinical judgment of an anesthesiologist due to potential biases inherent in initial programming. Key words: Artificial intelligence, anesthesia, intraoperative complications, intraoperative monitoring, machine learning RESUMEN La inteligencia artificial (IA) se ocupa de desarrollar sistemas que realizan tareas que normalmente requieren inteligencia humana. El machine learning (ML) es una rama importante de la IA y tiene aplicaciones significativas en medicina. Estas aplicaciones han permitido avances en anestesiología, donde se han desarrollado algoritmos capaces de reconocer patrones en las ondas arteriales y predecir episodios de hipotensión, disminuir el dolor posoperatorio y monitorear la anestesia. Todas estas herramientas son capaces de asistir a los médicos en la prevención de eventos yen la toma de decisiones. Sin embargo, es importante tener en cuenta que, hasta ahora, las herramientas basadas en ML no pueden reemplazarel juicio clínico del anestesiólogo debido a posibles sesgos inherentes a la programación inicial. Palabras clave: Inteligencia artificial, anestesia, complicaciones intraoperatorias, monitoreo intraoperatorio, machine learning. Introducción La inteligencia artificial (IA) es una rama de la informática que se encarga de desarrollar sistemas capaces de realizartareas que normalmente requieren inteligencia humana[1] . Dentro de la IA, una rama importante es el aprendizaje automático o machine learning (ML), el cual corresponde al procesoen el que programas informáticos avanzados procesan grandes conjuntos de datos de muchas fuentes y descubren patrones y [anunezibanez@gmail.com](anunezibanez@gmail.com) *ORCID: [https://orcid.org/0009-0003-8988-6054](https://orcid.org/0009-0003-8988-6054)[ ](https://orcid.org/0009-0003-8988-6054)[ISSN: 0716-4076](ISSN: 0716-4076) 580 asociaciones que se luego se utilizan para codificar (o aprender) un modelo matemático en capas (algoritmo)[2] . Dentro de sus funciones se encuentran procesar grandes conjuntos de datos de múltiples fuentes y descubrir patrones y asociaciones para crear modelos matemáticos que pueden ser aplicados a nuevos datos para predecir resultados precisos y confiables[2] . Lastareas principales del ML en el campo de la medicina incluyen la clasificación, que consiste en diferenciar una enfermedad apartir de una historia clínica o imagen; la producción, que im Rev. Chil. Anest. 2023; 52 (6): 580-584 Artículo de Revisión plica la estimación del riesgo de eventos clínicos futuros; y el descubrimiento, que se enfoca en encontrar nuevos usos paramedicamentos existentes[2] . Estas aplicaciones han per

Preguntas frecuentes

Qué aplicaciones de machine learning se describen en anestesiología?

Se reportan algoritmos que reconocen patrones en ondas arteriales y predicen episodios de hipotensión, con impacto en monitoreo anestésico y reducción del dolor posoperatorio.

Cómo apoya estas herramientas la toma de decisiones clínicas?

Las herramientas basadas en ML asisten en la prevención de eventos y en la toma de decisiones, al aportar predicciones y análisis para guiar la práctica médica.

Por qué los sistemas basados en ML no reemplazan el juicio clínico del anestesiólogo?

Porque pueden existir sesgos inherentes en la programación inicial, lo que limita su capacidad para sustituir el criterio clínico del especialista.

Aug 5, 2026

Subir por Miles