Inteligencia artificial aplicada al diagnóstico y monitoreo neonatal: revisión bibliográfica
DOI:
https://doi.org/10.63688/6xhtxj76Palabras clave:
inteligencia artificial, neonatología, diagnóstico neonatal, monitoreo neonatal, aprendizaje automático, cuidados intensivos neonatalesResumen
Introducción: La inteligencia artificial (IA) ha emergido como una herramienta innovadora en el ámbito de la salud debido a su capacidad para analizar grandes volúmenes de datos y apoyar la toma de decisiones clínicas. En neonatología, su aplicación ha cobrado relevancia por su potencial para mejorar el diagnóstico temprano, el monitoreo continuo y la predicción de complicaciones en recién nacidos. Objetivo: Analizar la evidencia científica disponible sobre la aplicación de la inteligencia artificial en el diagnóstico y monitoreo neonatal, identificando su efectividad, impacto clínico y principales desafíos. Método: Se realizó una investigación de enfoque cualitativo y diseño documental mediante una revisión bibliográfica. La búsqueda se efectuó en las bases de datos Scopus, Web of Science y SciELO. Tras aplicar criterios de inclusión y exclusión, se seleccionaron 11 estudios científicos para su análisis. Resultados: Los hallazgos evidenciaron que la IA presenta altos niveles de precisión en la detección de sepsis neonatal, retinopatía del prematuro, convulsiones y mortalidad neonatal. Asimismo, mejoró la vigilancia clínica continua, la identificación temprana de eventos adversos y la estratificación de riesgos, favoreciendo decisiones clínicas más oportunas y personalizadas. Conclusión: La inteligencia artificial constituye una herramienta prometedora para optimizar el diagnóstico, monitoreo y atención neonatal. Su implementación puede contribuir a mejorar los resultados clínicos y reducir la morbimortalidad, aunque aún persisten desafíos relacionados con la validación clínica, la calidad de los datos y los aspectos éticos de su aplicación.
Referencias
Campbell, J. P., Singh, P., Redd, T., Brown, J., Shah, P., Subramanian, P., et al. (2021). Applications of artificial intelligence for retinopathy of prematurity screening. Pediatrics, 147(3), e2020016618. https://pmc.ncbi.nlm.nih.gov/articles/PMC7924138/pdf/PEDS_2020016618.pdf
Chi, Z., & Qin, Z. (2026). Early detection of neonatal infection in NICU using machine learning models: A retrospective observational cohort study. The Open Bioinformatics Journal, 19(1), 14. https://doi.org/10.2174/0118750362416494251124105928
Culki, C., Andrade, A., Pilataxi, T., & Quimbiulco, Z. (2023). Sepsis neonatal temprana: Diagnóstico clínico y de laboratorio. Polo del Conocimiento, 8(12), 1694–1715. https://doi.org/10.23857/pc.v9i1
Gaitán, O., Morera, H., Zuluaga, D., & Barrero, A. (2023). Consecuencias en la salud mental de los padres ante un diagnóstico de muerte fetal o neonatal: Revisión sistemática. Enfermería Investiga, 8(1), 53–62. https://doi.org/10.31243/ei.uta.v8i1.1885.2023
García, J., Sierra, J., Espinoza, N., & Párraga, M. (2025). Aplicación de inteligencia artificial en unidades de cuidados intensivos pediátricos: Una revisión de la literatura. Ciencia y Reflexión, 4(4), 1936–1960. https://doi.org/10.70747/cr.v4i4.781
Jathanna, R., Acharya, D., Lewis, L., & Makkithaya, K. (2023). Early detection of late onset neonatal sepsis using machine learning algorithms. Engineered Science, 26, 976. https://doi.org/10.30919/es976
Kainth, D., Gupta, A., Singh, P., Prakash, S., Thukral, A., Deorari, A., et al. (2026). A machine learning model for prediction of early-onset neonatal sepsis in low-income and middle-income countries: Development and validation study. BMJ Paediatrics Open, 10(1), Article 11. https://doi.org/10.1136/bmjpo-2025-003561
Keles, E., & Bagci, U. (2023). The past, current, and future of neonatal intensive care units with artificial intelligence: A systematic review. NPJ Digital Medicine, 6(1), 220. https://www.nature.com/articles/s41746-023-00941-5.pdf
Kim, Y., Kim, H., Choi, J., Cho, K., Yoo, D., Lee, Y., et al. (2023). Early prediction of need for invasive mechanical ventilation in the neonatal intensive care unit using artificial intelligence and electronic health records: A clinical study. BMC Pediatrics, 23(1), 525. https://doi.org/10.1186/s12887-023-04350-1
Kwok, C., Henry, C., Saffaran, S., Meeus, M., Bates, D., Van Laere, D., et al. (2022). Application and potential of artificial intelligence in neonatal medicine. Seminars in Fetal and Neonatal Medicine, 27(5), Article 101346. https://doi.org/10.1016/j.siny.2022.101346
Martínez, J., & Rodríguez, L. (2025). Aplicaciones de la inteligencia artificial en medicina interna, pediatría y ginecología: Análisis, predicción y comunicación con el paciente. Scientific and Education Medical Journal, 5(4), 22–35. https://www.medicaljournal.com.co/index.php/mj/article/view/146
Matsushita, F., Krebs, V., & Carvalho, W. (2022). Artificial intelligence and machine learning in pediatrics and neonatology healthcare. Revista da Associação Médica Brasileira, 68, 745–750. https://doi.org/10.1590/1806-9282.20220177
O’Sullivan, C., Tsai, D., Wu, I., Boselli, E., Hughes, C., Padmanabhan, D., & Hsia, Y. (2023). Machine learning applications on neonatal sepsis treatment: A scoping review. BMC Infectious Diseases, 23(1), 1–10. https://doi.org/10.1186/s12879-023-08409-3
Rallis, D., Baltogianni, M., Kapetaniou, K., & Giapros, V. (2024). Current applications of artificial intelligence in the neonatal intensive care unit. BioMedInformatics, 4(2), 1225–1248. https://doi.org/10.3390/biomedinformatics4020067
Rodeno, L., Gregorio, R., Serna, I., Montero, J., Rodríguez, J., Aldecoa, V., et al. (2022). Utilidad de la ecografía pulmonar en el diagnóstico y seguimiento de la patología respiratoria neonatal. Anales de Pediatría, 96(3), 252.e1. https://doi.org/10.1016/j.anpedi.2022.01.002
Rubens, J. D., Mier, M., Jiménez, M., & García, H. (2022). Tamizaje neonatal cardiaco en México, una herramienta para el diagnóstico temprano de cardiopatías críticas. Gaceta Médica de México, 158(2), 67–71. https://doi.org/10.24875/gmm.22000026
Sahoo, N., Murugesan, B., Das, A., Karthik, S., Ram, K., Leonhardt, S., et al. (2022). Deep learning based non-contact physiological monitoring in neonatal intensive care unit. En 2022 44th Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC) (pp. 1327–1330). IEEE. https://arxiv.org/pdf/2207.11886
Schouten, J., Kalden, M., van Twist, E., Reiss, I., Gommers, D., van Genderen, M., & Taal, H. R. (2024). 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 Medicine, 50(11), 1767–1777. https://doi.org/10.1007/s00134-024-07629-8
Sullivan, B., Beam, K., Vesoulis, Z., Aziz, K., Husain, A., Knake, L., et al. (2024). Transforming neonatal care with artificial intelligence: Challenges, ethical consideration, and opportunities. Journal of Perinatology, 44(1), 1–11. https://doi.org/10.1038/s41372-023-01848-5
Sullivan, B., Moreira, A., McAdams, R., Knake, L., Husain, A., Qiu, J., et al. (2025). Comparing machine learning techniques for neonatal mortality prediction: Insights from a modeling competition. Pediatric Research, 98(2), 405–411. https://www.nature.com/articles/s41390-024-03773-5.pdf
Tailleur, M., Lostanlen, V., Riviere, J.-P., & Aumond, P. (2024). Machine listening in a neonatal intensive care unit. arXiv. https://arxiv.org/pdf/2409.11439
Tan, X., Zhang, X., Chai, J., Ji, W., Ru, J., Yang, C., et al. (2024). Constructing a predictive model for early-onset sepsis in neonatal intensive care unit newborns based on SHapley Additive exPlanations explainable machine learning. Translational Pediatrics, 13(11), 1933–1946. https://doi.org/10.21037/tp-24-278
Tudor, S., Bhatia, R., Liem, M., Wani, T., Boyd, J., & Khan, U. (2025). Opportunities and challenges of using artificial intelligence in predicting clinical outcomes and length of stay in neonatal intensive care units: Systematic review. Journal of Medical Internet Research, 27, e63175. https://doi.org/10.2196/63175
Valdés, M., Díaz, M., Prado, F., Huerta, A., García, M., Hernández, A., & D’Alessandri, R. (2024). Síndrome de hipoventilación central congénito: Diagnóstico y manejo neonatal. Andes Pediátrica, 95(3), 303–308. https://doi.org/10.32641/andespediatr.v95i3.5044
Zhang, H., Wang, C., & Yang, N. (2024). Diagnostic performance of machine-learning algorithms for sepsis prediction: An updated meta-analysis. Technology and Health Care, 32(6), 4291–4307. https://doi.org/10.3233/THC-240087
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Patricia Graciela Nieto Gómez, Paola Estefania Salazar Altamirano, María José Herrera Manobanda, Sindy Marleyn García Paz (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los artículos publicados en la revista se distribuyen bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Esta licencia permite a terceros descargar, copiar, distribuir, adaptar y reutilizar una obra, incluso con fines comerciales, siempre que se otorgue el crédito adecuado al autor original.
