Inteligencia artificial en salud: entre la eficiencia tecnológica y el derecho a la atención humana
Palabras clave:
atención humanizada; ética; inteligencia artificial; medicina; saludResumen
Introducción: La inteligencia artificial se ha consolidado como una tecnología clave en la transformación de los sistemas de salud, generando mejoras en eficiencia, precisión y capacidad de respuesta, pero también ha planteado importantes desafíos éticos relacionados con equidad, autonomía y humanización de la atención.
Objetivo: Sintetizar y analizar la evidencia disponible sobre las aplicaciones de la inteligencia artificial en salud y los dilemas éticos asociados entre la eficiencia tecnológica y el derecho a la atención humana.
Métodos: Se realizó una revisión sistemática siguiendo las directrices PRISMA 2020 en las bases de datos Scopus y Web of Science, con estudios publicados entre 2021 y 2026. Tras el proceso de selección y evaluación de calidad metodológica, se incluyeron 27 estudios para la síntesis cualitativa.
Resultados: Las principales aplicaciones de la inteligencia artificial se concentran en el diagnóstico asistido, la predicción de riesgos, la medicina personalizada, el monitoreo remoto y la automatización de procesos, generando mejoras significativas en eficiencia operativa y calidad clínica. Sin embargo, se identificaron dilemas éticos relevantes, como el sesgo algorítmico, la falta de transparencia, los riesgos sobre la privacidad, la ambigüedad en la responsabilidad y la deshumanización de la atención, los cuales reflejan una tensión estructural entre eficiencia y derechos fundamentales.
Conclusiones: La evidencia respalda la implementación de estrategias como la explicabilidad, la supervisión humana continua, la mitigación de sesgos y el fortalecimiento de marcos éticos y regulatorios, como condiciones necesarias para integrar la inteligencia artificial en salud de manera segura, equitativa y centrada en el paciente.
Descargas
Citas
1. Chassang G, Béranger J, Rial-Sebbag E. The Emergence of AI in Public Health Is Calling for Operational Ethics to Foster Responsible Uses. International Journal of Environmental Research and Public Health. 3 abr 2025;22(4). DOI: 10.3390/ijerph22040568.
2. Poon EG, Lemak CH, Rojas JC, Guptill J, Classen D. Adoption of artificial intelligence in healthcare: survey of health system priorities, successes, and challenges. J Am Med Inform Assoc. 1 jul 2025;32(7):1093-100. DOI: 10.1093/jamia/ocaf065.
3. Tang L, Li J, Fantus S. Medical artificial intelligence ethics: A systematic review of empirical studies. DIGITAL HEALTH. 1 ene 2023;9:20552076231186064. DOI: 10.1177/20552076231186064.
4. Giansanti D. Revolutionizing Medical Imaging: The Transformative Role of Artificial Intelligence in Diagnostics and Treatment. Diagnostics. 17 jun 2025;15(12). DOI: 10.3390/diagnostics15121557.
5. OPS. Organización Panamericana de la Salud [Internet]. 2026 [citado 2026 mar 30]. Derechos Humanos y Salud. Disponible en: https://www.paho.org/es/temas/derechos-humanos-salud
6. ONU. United Nations [Internet]. United Nations; 1948 [citado 2026 mar 30]. La Declaración Universal de los Derechos Humanos. Disponible en: https://www.un.org/es/about-us/universal-declaration-of-human-rights
7. ONU. OHCHR [Internet]. [citado 2026 mar 30]. Pacto Internacional de Derechos Económicos, Sociales y Culturales. Disponible en: https://www.ohchr.org/es/instruments-mechanisms/instruments/international-covenant-economic-social-and-cultural-rights
8. Smith H, Ives J. Developing professional ethical guidance for healthcare AI use (PEG-AI): an attitudinal survey pilot. AI & Soc. 1 oct 2025;40(7):5439-55. DOI: 10.1007/s00146-025-02276-z.
9. Cross JL, Choma MA, Onofrey JA. Bias in medical AI: Implications for clinical decision-making. PLOS Digital Health. 2024 nov 7;3(11):e0000651. DOI: 10.1371/journal.pdig.0000651.
10. Singh S, Singh PK, Kumar R, Vaidyar R, Singh S, Singh PK, et al. Addressing Bias, Privacy, Security, and Patient Autonomy in Artificial Intelligence (AI)-Driven Healthcare: A Review of Current Guidelines. Cureus. 2026 feb 20;18. DOI: 10.7759/cureus.103999.
11. Balasubramaniam N, Kauppinen M, Rannisto A, Hiekkanen K, Kujala S. Transparency and explainability of AI systems: From ethical guidelines to requirements. Information and Software Technology. 2023 jul 1;159:107197. DOI: 10.1016/j.infsof.2023.107197.
12. UNESCO. Artificial Intelligence and emerging technologies [Internet]. 2026 [citado 2026 mar 19]. Ethics of Artificial Intelligence-AI. Disponible en: https://www.unesco.org/en/artificial-intelligence/recommendation-ethics
13. Chinta SV, Wang Z, Palikhe A, Zhang X, Kashif A, Smith MA, et al. AI-Driven Healthcare: A Review on Ensuring Fairness and Mitigating Bias [Internet]. arXiv; 2025 [citado 2026 mar 19]. Disponible en: http://arxiv.org/abs/2407.19655 DOI: 10.48550/arXiv.2407.19655.
14. Carrera-Alarcón J, Silva-Sánchez C. Bioethical perspectives on dehumanization in nursing care in the context of artificial intelligence. SAP Multidisciplinary Open. 2026 mar 4;4:257. DOI: 10.62486/mo2026257.
15. Ihaddouchen I, Buijsman S, Pozzi G, Sande D van de, Reis AA, Townsend R, et al. Responsible artificial intelligence in healthcare: a systematic review on the use of ethical principles in the development and deployment of artificial intelligence. BMJ Digit Health. 2025 nov 13;1(1). DOI: 10.1136/bmjdhai-2025-000086 PubMed PMID: 10.1136/bmjdhai-2025-000086.
16. Moldovan AMN, Vescan A, Grosan C. Healthcare Bias in AI: A Systematic Literature Review. In. 2026 [citado 2026 mar 20]. p. 835–42. Disponible en https://www.scitepress.org/Link.aspx?doi=10.5220/0013480300003928
17. Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021 mar 29;372:n71. DOI:10.1136/bmj.n71 PubMed PMID: 33782057.
18. Osborne A, Usani K. A fairness-aware machine learning framework for maternal health in Ghana: integrating explainability, bias mitigation, and causal inference for ethical AI deployment. BioData Mining. 2025 dic 5;19(1):3. DOI: 10.1186/s13040-025-00505-1.
19. Martinho A, Kroesen M, Chorus C. A healthy debate: Exploring the views of medical doctors on the ethics of artificial intelligence. Artificial Intelligence in Medicine. 2021 nov 1;121:102190. DOI: 10.1016/j.artmed.2021.102190-
20. Schilder MB, Keyser A, Hees S van, Sbrizzi A, Boon WPC. Anticipating Moral and Economic Considerations, Opportunities, and Potential Frictions for AI in Medical Imaging: Multistakeholder Cocreation Study. Journal of Medical Internet Research. 2026 feb 25;28(1):e83407. DOI: 10.2196/83407
21. Alam MS, Rai P, Tiwari RK. Artificial Intelligence and Machine Learning in Precision Medicine: Applications, Challenges, and Ethical Perspectives. Journal of Computers, Mechanical and Management. 2025 jun 30;4(3):1–6. DOI: 10.57159/jcmm.4.3.25205.
22. İçen S, Köken AH. Artificial intelligence guidance in ethically challenging clinical scenarios in child and adolescent psychiatry: a qualitative study in the context of Turkiye. BMC Med Ethics. 2025 dic 30;26(1):183. DOI: 10.1186/s12910-025-01323-0.
23. Gundlack J, Negash S, Thiel C, Buch C, Schildmann J, Unverzagt S, et al. Artificial Intelligence in Medical Care – Patients’ Perceptions on Caregiving Relationships and Ethics: A Qualitative Study. Health Expectations. 2025;28(2):e70216. DOI: 10.1111/hex.70216.
24. Landau AY, Blanchard A, Kulkarni P, Althobaiti S, Idnay B, Patton DU, et al. Designing a Machine Learning-Based Model Integrating Clinical Orders for Child Abuse and Neglect Identification with Focus on Reducing Socio-economic Bias. Int Journal on Child Malt. 2025 jun 1;8(2):209–25. DOI: 10.1007/s42448-025-00223-5.
25. Khan UA, Alamäki A. Designing an Ethical and Secure Pain Estimation System Using AI Sandbox for Contactless Healthcare. International Journal of Online and Biomedical Engineering (iJOE). 2023 oct 25;19(15):166–201. DOI: 10.3991/ijoe.v19i15.43663.
26. Smith LA, Cahill JA, Lee JH, Graim K. Equitable machine learning counteracts ancestral bias in precision medicine. Nat Commun. 2025 mar 10;16(1):2144. DOI:10.1038/s41467-025-57216-8.
27. Chis DI, Dumitrache I. Ethical AI Triplet: A Framework for Stress-Testing Fairness in Digital Twins in Healthcare. Journal of Control Engineering and Applied Informatics. 2025 sep 25;27(3):118–26. DOI: 10.61416/ceai.v27i3.9745.
28. Elgin CY, Elgin C. Ethical implications of AI-driven clinical decision support systems on healthcare resource allocation: a qualitative study of healthcare professionals’ perspectives. BMC Med Ethics. 2024 dic 21;25(1):148. DOI: 10.1186/s12910-024-01151-8.
29. Olawade DB, Clement David-Olawade A, Aderinto N, Wada OZ. Ethical oversight of Artificial Intelligence in Nigerian Healthcare: A qualitative analysis of ethics committee members’ perspectives on integration and regulation. International Journal of Medical Informatics. 2026 feb 1;206:106140. DOI: 10.1016/j.ijmedinf.2025.106140.
30. Nouis SC, Uren V, Jariwala S. Evaluating accountability, transparency, and bias in AI-assisted healthcare decision- making: a qualitative study of healthcare professionals’ perspectives in the UK. BMC Med Ethics. 2025 jul 8;26(1):89. DOI: 10.1186/s12910-025-01243-z.
31. Vrudhula A, Kwan AC, Ouyang D, Cheng S. Machine Learning and Bias in Medical Imaging: Opportunities and Challenges. Circ Cardiovasc Imaging. 2024 feb;17(2):e015495. DOI: 10.1161/CIRCIMAGING.123.015495 PubMed PMID: 38377237; PubMed Central PMCID: PMC10883605.
32. Vicente L, Matute H, Fregosi C, Cabitza F. Machine learning systems as mentors in human learning: A user study on machine bias transmission in medical training. International Journal of Human-Computer Studies. 2025 abr 1;198:103474. DOI: 10.1016/j.ijhcs.2025.103474.
33. Rony MKK, Numan SM, Akter K, Tushar H, Debnath M, Johra F tuj, et al. Nurses’ perspectives on privacy and ethical concerns regarding artificial intelligence adoption in healthcare. Heliyon. 2024 sep 15;10(17). DOI: 10.1016/j.heliyon.2024.e36702.
34. Lopez-Ramos LM, Pluktaite G, Bui CKT, Amann J, Haven T, Madai VI, et al. Operationalizing AI ethics in medicine a co-creation workshop study. BMC Med Ethics. 2025 oct 29;26(1):150. DOI:10.1186/s12910-025-01317-y.
35. Shin H, De Gagne JC, Kim SS, Hong M. The Impact of Artificial Intelligence-Assisted Learning on Nursing Students’ Ethical Decision-making and Clinical Reasoning in Pediatric Care: A Quasi-Experimental Study. CIN: Computers, Informatics, Nursing. 2024 oct;42(10):704. DOI:10.1097/CIN.0000000000001177.
36. Abbott EE, Rehman T, Rosania A, Lum DL, Taylor TB, Kirk AJ, et al. Understanding and Addressing Bias in Artificial Intelligence Systems: A Primer for the Emergency Medicine Physician. JACEP Open. 2026 feb 1;7(1):100311. DOI: 10.1016/j.acepjo.2025.100311.
37. Maas J, Franssen S, Petkovic M, Cardona Cano S, Dingemans AE, van Oosterzee AM, et al. Artificial Intelligence in Eating Disorder Treatment: A Qualitative Analysis of Clinical Opportunities, Barriers, and Ethical Considerations From Multi-Disciplinary Focus Groups. International Journal of Eating Disorders. 2026;59(2):299-310. DOI:10.1002/eat.24579.
38. Ordóñez SAC, Castro R, Celi LA, Reyes RD, Engelmann J, Ercole A, et al. Beyond overconfidence: Embedding curiosity and humility for ethical medical AI. PLOS Digital Health. 2026 ene 5;5(1):e0001013. DOI: 10.1371/journal.pdig.0001013.
39. Arjmandi N, Sebzari AR, Molaei F, Rezaei S, Rezaie-Yazdi M, Rezaie-Yazdi M. Clinical validation of AI-assisted contouring in prostate radiation therapy treatment planning: Highlighting automation bias and the need for standardized quality assurance. Journal of Applied Clinical Medical Physics. 2026;27(1):e70425. DOI:10.1002/acm2.70425.
40. Fatima M, Pachauri P, Akram W, Parvez M, Ahmad S, Yahya Z. Enhancing retinal disease diagnosis through AI: Evaluating performance, ethical considerations, and clinical implementation. Informatics and Health. 2024 sep 1;1(2):57-69. DOI: 10.1016/j.infoh.2024.05.003.
41. Redrup Hill E, Mitchell C, Brigden T, Hall A. Ethical and legal considerations influencing human involvement in the implementation of artificial intelligence in a clinical pathway: A multi-stakeholder perspective. Front Digit Health. 2023 mar 13;5. DOI:10.3389/fdgth.2023.1139210.
42. Nwebonyi N, McKay F. Exploring bias risks in artificial intelligence and targeted medicines manufacturing. BMC Med Ethics. 2024 oct 17;25(1):113. DOI:10.1186/s12910-024-01112-1.
43. Buslón N, Cirillo D, Rios O, Rosario SP del. Exploring Gender Bias in AI for Personalized Medicine: Focus Group Study With Trans Community Members. Journal of Medical Internet Research. 2025 jul 29;27(1):e72325. DOI:10.2196/72325.
44. Kahraman F, Aktas A, Bayrakceken S, Çakar T, Tarcan HS, Bayram B, et al. Physicians’ ethical concerns about artificial intelligence in medicine: a qualitative study: “The final decision should rest with a human.” Front Public Health. 2024 nov 27;12. DOI:10.3389/fpubh.2024.1428396.
45. Qiu P, Zhang H, Han Y, Lei J, Zhang X. Ethical issues and coping strategies for artificial intelligence in medical research. Translational Dental Research. 2025 oct 1;1(4):100051. DOI: 10.1016/j.tdr.2025.100051.
46. Sena AGN, Schutt-Aine J, Arenas J, Akaba S. Momentos clave en el camino hacia la equidad en salud en la Organización Panamericana de la Salud. Rev Panam Salud Publica. 15 may 2023;47:e42. DOI:10.26633/RPSP.2023.42.
47. WHO. Ethics and Governance of Artificial Intelligence for Health – IAenSalud [Internet]. 2024 [citado 30 mar 2026]. Disponible en: https://iaensalud.es/docs/doc-ethics-and-governance-of-artificial-intelligence-for-health
48. Chichande XSF, Gallardo NMM, Márquez TBM, Rodriguez MCT. La ética en la inteligencia artificial desafíos y oportunidades para la sociedad moderna. Sage Sphere International Journal. 6 de septiembre de 2024;1(1):1-24. DOI:10.63688/78e7m802.
49. Mitelman CZ. Inteligencia Artificial en el ámbito del derecho de la salud. Revista Derecho y Salud | Universidad Blas Pascal. 2024;8(9):125-36. DOI:10.37767/2591-3476(2024)08
50. Ratti E, Morrison M, Jakab I. Ethical and social considerations of applying artificial intelligence in healthcare—a two-pronged scoping review. BMC Med Ethics. 2025 may 27;26(1):68. DOI:10.1186/s12910-025-01198-1.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Ivone de Lourdes Santillán Castillo, Cintya Belen Moreno Tapia, Gabriela Socorro Salgado Oviedo, Karen Johanna Procel Hidalgo, Brian Rafael Torres Tarabata
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
La revista Anales de la Academia de Ciencias de Cuba protege los derechos de autor, y opera con una Licencia Creative Commons 4.0 (Licencia Creative Commons Reconocimiento-NoComerciall 4.0). Al publicar en ella los autores permiten copiar, reproducir, distribuir, comunicar públicamente su obra y generar obras derivadas, siempre y cuando se cite y reconozca al autor original. No permiten, sin embargo, utilizar la obra original con fines comerciales ni lucrativos.
Los autores autorizan la publicación de sus escritos conservando los derechos de autoría, y cediendo y transfiriendo a la revista todos los derechos protegidos por las leyes de propiedad intelectual que rigen en Cuba, que implican la edición para difundir la obra.
Los autores podrán establecer acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarla en un repositorio institucional o publicarla en un libro), con el reconocimiento de haber sido publicada primero en esta revista.
Para conocer más, véase https://creativecommons.org
