Tema 0: introducción a los sistemas de

información

1. Introducción
Una historia clínica es muy útil. Sirve para cuidar a la gente. Hay una ley
que nos obliga. Si un paciente pide una historia clínica y no está lo que
hemos registrado hay un problema. Siempre que hay un problema con
un paciente el juez pide la historia clínica. Entonces, hay que atender al
paciente y registrarlo.

Funciones
v Asistencial
v Docente
v Investigación

¿QUÉ ES UN DATO? Es un hecho o evento que ha quedado registrado

¿QUÉ ES LA INFORMACIÓN?
v Conjunto de datos relacionados.
v Historia clínica.
v Datos que se procesan. Ejemplos:
1. Un paciente que tiene 38º de
v Tomar decisión. temperatura. ¿Es bueno o es malo?
Depende
¿QUÉ ES UN SISTEMA DE 2. Paciente que ingresó antes de ayer
INFORMACIÓN? con una neumonía bilateral con 40º de
Se entiende normalmente fiebre que hemos puesto tratamiento
antibiótico y hoy está con 38º. ¿Es
como el conjunto de personas, bueno o es malo? Bueno.
procedimientos y equipos 3. Paciente que ayer estaba bien. Esta
diseñados y mantenidos para mañana se ha levantado con tos, dolor
recoger, procesar, almacenar al respirar y 38º de temperatura. ¿Es
y utilizar información para bueno o malo? Malo
tomar una decisión.
Fines
v Ayudar en la asistencia sanitaria:
v Permiten la planificación, desarrollo y evaluación de los sistemas
sanitarios.
v Investigar las necesidades de salud.
v Monitorizar morbi-mortalidad.
v Identificar determinantes de la salud.
v Formular políticas públicas .
v Garantizar la disponibilidad y accesibilidad de los servicios.
v Evaluar el resultado de las intervenciones.

¿QUÉ HERRAMIENTAS SE UTILIZAN PARA LA RECOGIDA DE DATOS?

v Registro: la información sobre el fenómeno de salud se recoge de
toda la población de referencia continuamente, esto es, a medida
que se va produciendo. Ejemplo: historia clínica.
v Encuestas: la información se recoge de manera ocasional o como
una muestra representativa de la población de referencia.
v Sistemas de notificación: la información se recoge pasivamente
y, en líneas generales, se desconoce la representatividad de los
datos recogidos.

Estos datos se recogen por una serie de necesidades como la

garantía de la seguridad y confidencialidad de los datos
 Tema 1: Preguntas clínicas

1. Preguntas básicas
Son preguntas que las personas se hacen cuando no tienen
conocimiento sobre un tema. Tiene dos fases:
v “Spirit of inquiry”: es la actitud de curiosidad constante del
profesional sanitario para mejorar la atención del paciente a la
hora de tomar decisiones clínicas
v Formación de la pregunta clínica

Son preguntas cuyas respuestas se pueden encontrar fácilmente

(Ej: en libros)
Cuando se habla de medicamentos hay que preguntarse siempre qué
dosis hay que poner, qué efectos produce y qué efectos
secundarios.

2. Preguntas clínicas
Son preguntas que aparecen cuando el profesional sanitario ya
tiene conocimientos y experiencia. Requieren estudios de
investigación comparativos.

¿QUÉ IMPORTANCIA TIENE REALIZAR CORRECTAMENTE UNA PREGUNTA

CLÍNICA?
Es necesario realizar preguntas clínicas bien formuladas ya que esto
permite:
— Facilitar una búsqueda eficaz y rápida de evidencia
— Identificar los recursos más adecuados
— Aumentar la posibilidad de encontrar respuestas de alta calidad
— Evitar búsquedad erróneas, excesivas o irrelevantes.

Una pregunta mal formulada conduce a información poco útil y

dificulta la toma de decisiones clínicas.
3. formato pico
Las preguntas clínicas se deben redactar de manera clara y
estructurada para que sea más fácil la búsqueda de una respuesta.
Para crear una pregunta coherente se recomienda el formato PICO.

El formato PICO incluye cuatro elementos clave:

v P: población o problema de interés
Describe a quién va dirigida la pregunta (paciente, grupo,
enfermedad, problema de salud,…)
v I: intervención
Es la acción principal que se requiere evaluar (tratamiento, prueba
diagnóstica, factor de riesgo, experiencia o percepción)
v C: comparación
Es la alternativa frente a la intervención (hay veces que no es
necesaria porque puede ser la no intervención)
v O: resultado
Es el efecto que se desea medir.

El formato PICO sirve para clarificar los componentes esenciales de

la pregunta, hace más eficiente la búsqueda de evidencia y facilita
encontrar estudios adecuados para responder a la pregunta clínica.

4. Tipos de pregunta clínica y diseños de estudio

Cuando buscamos evidencia para encontrar respuestas a nuestras
cuestiones clínicas, es fundamental conocer cuál es el diseño de
estudio que se adapta mejor a cada pregunta.

Primero tenemos que saber qué tipo de pregunta hemos formulado.

v Pregunta de tratamiento
v Pregunta de etiología
v Pregunta de diagnóstico
v Pregunta de pronóstico
v Pregunta de significado
5. Priorizar qué pregunta responder
Antes de empezar a buscar evidencia, es importante decidir qué
pregunta clínica abordar primero, teniendo en cuenta:

Primero tenemos que saber qué tipo de pregunta hemos formulado.

— Relevancia para el bienestar del paciente
— Interés personal
— Frecuencia en la práctica clínica
— Utilidad docente

Para que surjan buenas preguntas clínicas es necesario que el

profesional:
— Reconozca sus lagunas de conocimiento
— Mantenga una actitud honesta y humilde
— Sepa manejar las emociones que genera el desconocimiento

La formulación de preguntas clínicas debe considerarse una

competencia esencial del profesional de enfermería.

Una pregunta clínica bien formulada:

— Garantiza respuestas de mayor calidad
— Nos despierta curiosidad y ganas de aprender
— Mejora la atención y los cuidados al paciente
— Optimiza la búsqueda de evidencia

Sin una buena pregunta, no es posible una práctica basada en la

evidencia (PBE) eficaz.
 Identificar • Ensayo clínico
TRATAMIENTO el mejor • Revisiones
tratamiento sistemáticas
• Metaanálisis

• Ensayo clínico
Identificar • Estudio de
causas o cohortes
ETIOLOGÍA factores de • Estudio de casos
riesgo de control
• Series de casos

• Estudio de
Determinar cohortes
DIAGNÓSTICO la prueba • Revisiones
más precisa sistemáticas

Conocer la • Estudio de
evolución y cohortes
PRONÓSTICO complicaciones • Estudio de casos
de una de control
enfermedad • Series de casos

comprender • Estudio
SIGNIFICADO la existencia cualitativo
del paciente
 Tema 2: El planteamiento de la búsqueda

1. ¿Qué es una búsqueda bibliográfica?

Una búsqueda se realiza cuando se necesita información, hay que
actualizar los conocimientos, existen dudas en la práctica diaria,
estar al día y documentar,…

Una búsqueda bibliográfica es el conjunto de actividades a localizar y

recuperar documentos relevantes sobre un tema concreto para
cubrir una necesidad de información.

Estas necesidades pueden surgir por distintos motivos, como:

— Actualización profesional
— Realización de un trabajo profesional
— Resolución de dudas surgidas en la práctica clínica

Para realizar una búsqueda eficaz es necesario tener claro:

v Qué se busca y por qué
v Dónde buscar
v Cómo buscar

2. ¿qué y por qué buscar?

Definir correctamente la necesidad de información es imprescindible
para obtener buenos resultados.

Siempre que sea posible esta necesidad debe explicarse en forma de

pregunta clara, precisa y sencilla.

Para formular, es muy útil utilizar el formato PICO:

v P (paciente): a quién va dirigida la pregunta
v I: (intervención): tratamiento o acción que se quiere evaluar
v C (comparación): alternativa con la que se compara
v O (resultados): efectos o resultados que se quieren medir

Una buena pregunta facilita:

— La elaboración de la estrategia de búsqueda
— La seleccción de los estudios más relevantes
3. ¿dónde buscar?
En ciencias de la salud existen numerosas fuentes de información,
tanto generales como especializadas.

La elección de una fuente u otra depende de:

— La necesidad de información
— El tiempo disponible
— Los recursos a los que se tenga acceso

Con el desarrollo de la Práctica Basada en la Evidencia (PBE) han

aumentado las fuentes secundarias o preevaluadas, que sintetizan o
valoran estudios originales, ofreciendo información de mayor
calidad.

En cuanto a los tipos de fuentes, las más utilizadas son:

v Google: información básica (mejor usar Google Académico y
comillas).
v Revistas científicas (suscritas u open access).
v Bases de datos: PubMed, EMBASE, SciELO, CINAHL, IBECS.
(Contienen referencias, no siempre el artículo completo).
v Tesis doctorales (TESEO).
v Portales médicos (Fisterra).
v Fuentes de evidencia científica (ej. Cochrane).

RECOMENDACIÓN: comenzar siempre por PubMed y luego ampliar

SISTEMAS

SUMARIOS
SÍNTESIS DE
ESTUDIOS

SÍNTESIS

SINOPSIS DE ESTUDIOS

ESTUDIOS
4. modelo de las “6S” de haynes
Este modelo organiza la evidencia científica en forma de pirámide
jerárquica, indicando el orden recomendado de búsqueda, desde el
nivel más alto hasta el más básico.

NIVELES DEL MODELO 6S

1. Sistemas
Sistemas informáticos que integran la evidencia científica con la
historia clínica del paciente y ofrecen recomendaciones
personalizadas. Su uso aún no está generalizado.
2. Sumarios
Incluyen guías de práctica clínica y libros basados en la evidencia.
(GuíaSalud, NICE, SIGN, UpToDate, Clinica Evidence)
3. Sinopsis de síntesis
Resúmenes críticos y estructurados de revisiones sistemáticas. Se
encuentran en bases de datos como DARE o en revistas
especializadas.
4. Síntesis
Revisiones sistemáticas completas y evaluaciones de tecnologías
sanitarias, como las de la Biblioteca Cochrane o HTA
5. Sinopsis de estudios individuales
Resúmenes sistemáticos y valorados críticamente de estudios
concretos
6. Estudios
Estudios originales (ensayos clínicos, estudios observacionales, etc)
que se encuentran en bases de datos como Medline, Embase o CINAHL.

Excepto el último nivel, todos corresponden a fuentes secundarias,

ya evaluadas críticamente

5. BUscadores especializados
Existen buscadores que permiten consultar varias fuentes
secundarias a la vez, como:
v Trip Database
v Excelencia Clínica
v NHS Evidence

Son útiles como primera aproximación, aunque no sustituyen

búsquedas exhaustivas cuando se necesita mayor profundidad.
6. ¿Cómo buscar?
No existe una única estrategia de búsqueda ya que depende de
factores como:
— Exhaustividad
— Tipo de documento
— Cobertura temporal y geográfica

Sin embargo, toda estrategia incluye estas fases.

1. Formular la pregunta
2. Identificar conceptos principales
3. Combinar términos correctamente (operadores booleanos)
4. Traducción al lenguaje de la base de datos
5. Aplicar límites (idioma, tipo de estudio, fecha)
6. Formulación de la ecuación de búsqueda
7. Rediseño de la estrategia para ajustar resultados

Es recomendable guardar un registro de la estrategia para

repetirla o actualizarla

7. traducción de la consulta al lenguaje documental

Los términos de búsqueda pueden proceder de:
v Lenguaje natural o libre, útil para conceptos nuevos o búsquedas
muy exhaustivas (a fondo)
v Lenguaje controlado, utilizado por las bases de datos para
indexar (registrar) documentos mediante un tesauro. Un tesauro es
un lenguaje controlado para que todas las personas cuando realicen
una búsqueda les lleve al mismo sitio.

El uso del tesauro permite eliminar:

— Sinónimos
— Ambigüedades
— variedades gramaticales
— Polisemia

Se recomienda combinar lenguaje controlado y lenguaje libre para

asegurar una búsqueda completa

La estructura del tesauro consta de: parte alfabética (todos los

términos de la A a Z), parte jerárquica (de términos genéricos a más
específicos). También tiene subencabezamientos
8. Tipos de tesauros: Mesh y decs
MeSH (medical Subject Headings): vocabulario controlado utilizado en
MEDLINE/PubMed
Organiza los términos en estructuras jerárquicas que permiten
ampliar o limitar búsquedas.
Incluye:
— Encabezamientos principales
— Subencabezamientos
— Tipos de publicación
— Términos suplementarios

DeCS (Descriptores en Ciencias de la Salud): vocabulario trilingüe

(español, inglés y portugués) basado en MeSH, usado en bases de
datos como LILACS e IBECS.

Ambos ayudan a hacer búsquedas más precisas y organizadas.

9. formulación de la ecuación de búsqueda

Los descriptores se combinan mediante operadores booleanos:
v AND (Y) -> reduce resultados
v OR (O) -> amplía resultados y permite usar sinónimos
v NOT (NO) -> excluye términos

También se utilizan otras herramientas como:

v Truncamientos (*, $, ?) para recuperar variantes de palabras
- *: sustituye el final de una palabra, por ejemplo, si buscas
“enfer*”, te aparecerán todas las variantes
- ?: sustituye a una letra en el medio, por ejemplo, si buscas
“wom?n”, te aparece women y woman
- $: sustituye el masculino y el femenino en una palabra, pr
ejemplo, si buscas “enferme$”, te aparecerá enfermero y
enfermera
v Comillas: para buscar frases exactas
Estrategia de búsqueda/cómo hacer una búsqueda:
“P AND (I OR C) AND O”

EJEMPLO: (0-12 años AND fiebre) AND (paracetamol OR ibuprofeno)

AND (fiebre OR afebril OR efectos secundarios)

A = fiebre A and B = fiebre y ef. secundarios

B = efectos
secundarios fiebre
P = niños 0-12 A or B = efectos secundarios
años fiebre y efectos secundarios
I = paracetamol
C = ibuprofeno A not B = fiebre y no efectos secundarios

10. rediseño de la estrategia de búsqueda

Las búsquedas deben revisarse y ajustarse, ya que:
— No es posible obtener el 100% de precisión y exhausividad
— Es necesario evaluar la cantidad y caldad de los resultados

v Si hay demasiados resultados

— Usar términos más específicos
— Aplicar límites temporales
— Utilizar lenguaje controlado

v Si hay pocos resultados

— Usar términos más generales
— Añadir sinónimos
— Incluir lenguaje libre
— Ampliar fechas

Es preferible una estrategia precisa y manejable a una excesivamente

amplia
11. citación científica (norma vancouver)
Se utiliza para citar correctamente publicaciones en ciencias de la
salud.

se trata de una serie de normas para que seamos capaces de

registrarlo todo, citar y ponerlo en la bibliografía al final del
documento igual

Artículos de revista: Libros: Páginas web:

1. Autores 1. Autor 1. Nombre
2. Título del artículo 2. Capítulo 2. [Internet]
3. Revista 3. Título 3. Ciudad
4. Año 4. Edición 4. Responsable
5. Volumen 5. Editorial 5. Año
6. Número 6. Lugar 6. Disponible en
7. Páginas 7. Año
8. Páginas Máximo 6 autores
antes de usar “et al.”

Las citas de un autor se pueden realizar por un número o

integrando el nombre del autor.

En el caso de libros con capítulos escritos por diferentes autores.

Al citar el capítulo se citará al autor del capítulo no al editor
literario o a director de la obra. Las citas se separan entre comas
cuando hay más de una.
 Tema 3: pubmed

1. pubmed y medline
MEDLINE es una de las bases de datos más importantes en ciencias de
la salud, elaborada por la National Library of Medicine (EE. UU.).

PubMed es la plataforma que permite consultar MEDLINE de forma

gratuita desde 1997. Además de MEDLINE, incluye otros registros y
bases como OLDMEDLINE.

Contiene millones de referencias de artículos científicos (medicina,

enfermería, odontología, etc.) y algunos libros online.

Permite:
v Buscar información de distintas formas
v Usar términos MeSH
v Guardar búsquedas y crear alertas (My NCBI)
v Acceder a textos completos
v Conectar con otros recursos

2. ¿Cómo buscar en pubmed?

v El idioma de búsqueda es inglés

v Se pueden usar:
— Palabras clave
— Términos MeSH
— Combinación de ambos
v Operadores booleanos: AND, OR, NOT (en mayúsculas)
v Truncamiento con *
3. tipos de búsqueda

v Búsqueda por palabras clave

— Se escribe en la caja de búsqueda
— PubMed usa mapeo automático:
• Relaciona el término con su MeSH equivalente
• Busca tanto el término como sus variantes
— Se puede ver en “Search details”

v Búsqueda por autor

— Formato: apellido + inicial (sin signos)
— Solo apellido -> busca en todos los campos
— Inicial única -> incluye variantes del nombre

v Búsqueda por frase

— Se usan comillas (“ ”)
— Busca la frase exacta
— Desactiva el mapeo automático

v Búsqueda por campos

Se añade la etiqueta entre corchetes:
— [au] autor
— [ti] título
— [tiab] título y resumen
— [jour] revista
— [mh] MeSH
— [dp] fecha
También desactiva el mapeo automático

v Búsqueda con operadores booleanos

— AND -> une conceptos
— OR -> sinónimos
— NOT -> excluye
— Se usan paréntesis para agrupar
— PubMed procesa de izquierda a derecha
4. búsqueda con mesh

Pasos:
1. Buscar el término en “MeSH Database”
2. Elegir el descriptor correcto
3. Revisar información
4. Añadir al buscador
5. Combinar con otros términos
6. Ejecutar

v Incluye automáticamente términos más específicos (explosión)

v Se puede desactivar
v Se puede limitar a tema principal

5. búsqueda avanzada
ADVANCED SEARCH BUILDER
Permite:
v Buscar por campos
v Crear estrategias complejas
v Autocompletar
v Añadir o eliminar términos

SEARCH HISTORY
v Guarda búsquedas (#1, #2…)
v Permite combinarlas
v Máximo 100 búsquedas
v Se borra tras 8 horas

6. límites
Permiten filtrar por:
v Fecha
v Tipo de artículo
v Idioma
v Edad, sexo
v Texto completo, etc.
7. resultados
v Se muestran en formato “Summary”
v Al hacer clic -> registro completo

Opciones:
— Cambiar formato
— Guardar o enviar resultados
— Aplicar filtros
— Ver artículos relacionados
— Acceder a texto completo

8. pubmed clinical queries

Buscador con filtros clínicos para:
v Diagnóstico
v Tratamiento
v Pronóstico
v Etiología

Incluye búsqueda de revisiones sistemáticas y genética

9. my ncbi
Permite:
v Guardar búsquedas
v Guardar artículos
v Crear alertas por correo
v Personalizar filtros

Incluye:
v My Collection
v My Bibliography
10. construcción de búsquedas (ejemplos)
Para buscar bien, se usa una estructura tipo:

P (población) + I (intervención) + C (comparación) + O (resultado)

Y se combinan con operadores booleanos.

v Ejemplo 1
En adultos en deshabituación tabáquica, ¿qué reduce más el craving, el
bupropión o nicotina?
— P: adult, smoking cessation
— I: bupropion
— C: nicotine products
— O: craving

Cadena:
(adult OR adults) AND (smoking cessation OR tobacco cessation) AND
(bupropion OR nicotine products OR nicotine replacement therapy OR
nicotine drug OR nicotine patches OR nicotine gum) AND craving

v Ejemplo 2
En pacientes con úlcera venosa, ¿qué es mejor, el vendaje multicapa o
elástico?
— P: venous ulcer
— I: multilayer bandage
— C: elastic bandage
— O: healing, pain, cicatrization

Cadena:
venous ulcer AND (multilayer bandage OR layer bandage OR elastic
bandage OR compression bandage OR stretch bandage OR elastic
wrap OR elastic dressing) AND (healing OR pain OR cicatrization OR
scar OR scarring OR ache)
11. citar en trabajos
CÓMO CITAR EN EL TEXTO
v Se usan números entre paréntesis (1)
v Cada fuente tiene siempre el mismo número

Formas:
v Con autor:
-> Steven (2) afirma…
v Organismo:
-> Ministerio de Sanidad (4)…
v Sin autor:
-> …ha aumentado (1)
v Varios autores:
-> Lester et al. (5)

NORMAS IMPORTANTES
v Incorrecto: poner varias citas separadas: (3) (4) (5)
v Correcto: separadas por comas (3,4,5)
v En libros: se cita el autor del capítulo
v Citas textuales:
— Cortas (menos de 5 líneas)
— Entre comillas
— Número al final
 Tema 3: ley de autonomía del paciente

1. ley de autonomía del paciente

Regula los derechos y obligaciones de pacientes y profesionales
sanitarios en relación con:
v La información sanitaria
v El consentimiento informado
v La documentación clínica

Se aplica a todos los pacientes.

Se basa en:
v Respeto a la dignidad
v Respeto a la autonomía
v Derecho a la información
v Necesidad de consentimiento previo

2. Derecho a la información sanitaria

El titular del derecho es el paciente.

La información debe ser:

v Veraz
v Comprensible
v Adecuada

Incluye:
v Diagnóstico
v Pronóstico
v Tratamientos y alternativas

El paciente puede:
v Renunciar a recibir información
v Decidir a quién se le comunica
3. confidencialidad e intimidad
Los datos de salud son confidenciales
v No se puede acceder sin autorización
v Solo pueden acceder los profesionales que atienden al paciente

No se puede divulgar información (“no podemos decir nada”)

4. autonomía del paciente

El paciente tiene derecho a:
v Decidir sobre su salud
v Elegir entre opciones clínicas
v Rechazar tratamientos

5. consentimiento informado
Es la aceptación libre, voluntaria y consciente tras recibir
información.
v Normalmente es verbal
v Escrito en:
— Cirugías
— Técnicas invasivas
— Procedimientos con riesgos importantes

El paciente puede:
v Revocarlo en cualquier momento
v Rechazar el tratamiento

6. excepciones al consentimiento
No es necesario cuando:
v Hay riesgo para la salud pública
v Existe urgencia grave
v No se puede obtener autorización y hay riesgo inmediato
7. capacidad y representación
Cuando el paciente no puede decidir: EDAD
v Decide el representante legal menores 12
12 y 16
Incluye:
+ 16 años
v Menores
v Personas incapacitadas

En menores:
v Se tiene en cuenta su opinión según edad y madurez

8. instrucciones previas

v Documento donde el paciente deja por escrito su voluntad

v Se usa cuando no puede expresarse
v También llamadas voluntades anticipadas

9. documentación clínica
Es cualquier documento con datos sobre la salud o enfermedad del
paciente.

10. historia clínica

v Forma parte de la documentación clínica
v Recoge toda la información del proceso de salud del paciente
v Su finalidad es facilitar la asistencia sanitaria

Características:
— No puede hacerse de cualquier manera
— Es un derecho del paciente
— El profesional tiene obligación de registrarla
— “Lo que no está escrito, no está hecho”
11. acceso a la historia clínica
Puede acceder:
v El paciente
v Representantes legales
v Personas autorizadas

También:
v En fallecidos -> quien demuestre necesidad

Limitaciones:
v Datos de terceros
v Anotaciones de profesionales
v Beneficio terapéutico

12. conservación
Los centros deben conservar la documentación el tiempo necesario
para la atención sanitaria.

13. informes clínicos

El paciente tiene derecho a recibir:
v Informe de alta
v Informes clínicos
v Certificados
 Tema 4: ley orgánica de
protección de datos (LOPD)

1. ley orgánica de protección de datos

OBJETIVO (ARTÍCULO 1)
Garantizar y proteger:
v Las libertades públicas
v Los derechos fundamentales
v Especialmente el honor e intimidad personal y familiar

Se aplica a personas físicas.

ÁMBITO DE APLICACIÓN (ARTÍCULO 2)

Se aplica a:
v Datos personales en soporte físico
v Cualquier uso posterior
v Sector público y privado

No se aplica a:
v Personas jurídicas
v Personas fallecidas

2. Datos de salud
¿SE PUEDEN TRATAR?
Sí, cuando:
v Lo hacen centros sanitarios o profesionales
v Se ajusta a la legislación sanitaria

Fuera de estos casos:

v Se necesita consentimiento expreso o
v Una ley que lo permita
¿QUÉ SON DATOS DE SALUD?
Información sobre:
v Salud pasada, presente o futura
v Física o mental
v Incluye:
— Enfermedad
— Buena salud
— Datos genéticos
— Consumo de alcohol o drogas

3. derechos del paciente (arco)

v Acceso -> ver sus datos
v Rectificación -> corregir datos incorrectos
v Cancelación -> eliminar datos inadecuados
v Oposición -> evitar o cesar el tratamiento (poco frecuente en
sanidad)

SITUACIONES ESPECIALES
Ejemplos:
v Sistemas de cita por voz (IVR)
v Cita online
v Casos de violencia de pareja

4. deber secreto
v Obligación de confidencialidad
v Afecta a todos los profesionales
v Se mantiene incluso después de finalizar la relación laboral
5. rectificación y cancelación
NO PROCEDE RECTIFICACIÓN SI:
v No se acredita identidad
v No se demuestra error o inexactitud

NO PROCEDE CANCELACIÓN SI:

v Los datos son necesarios para la salud del paciente
v Existen razones:
— Epidemiológicas
— Investigación
— Organización del sistema sanitario

Importante:
v El derecho a cancelar no es absoluto
v Está limitado por la ley y la protección de terceros

6. acceso a datos
OBLIGACIONES
Los profesionales deben:
v Acceder solo a los datos necesarios
v Mantener confidencialidad
v No compartir claves
v No copiar ni exportar datos
v Comunicar incidencias de seguridad
v Cancelar el acceso cuando ya no sea necesario

PROHIBICIONES
No se puede acceder a historias clínicas de:
v Familiares
v Personas cercanas
v Personas conocidas públicamente

Salvo consentimiento expreso

7. historia clínica
Conjunto de documentos sobre los procesos asistenciales del
paciente, con identificación de los profesionales.

Todo paciente tiene derecho a que quede constancia de su

información de salud (Atención Primaria y Atención Especializada).

QUIÉN PUEDE ACCEDER A LA HISTORIA CLÍNICA

v Paciente (interés propio o sanitario)
v Inspección
v Autoridad judicial, fiscal, fuerzas de seguridad
v En caso de fallecimiento:
— Familiares (cónyuge, primer grado, pareja, etc.)
— Personas con interés justificado
v Menores:
— 16 años -> titulares
— <16 años -> padres/tutores
v Pacientes incapacitados -> representante legal

EXCEPCIONES AL ACCESO
Se puede limitar por:
v Derechos de terceros
v Interés terapéutico del paciente
v Derechos de los profesionales

PROHIBICIONES
v Intimidad del fallecido
v Datos que perjudiquen a terceros
v Anotaciones subjetivas
 Tema 5: sistemas de
codificación sanitaria

1. concepto general
La codificación sanitaria transforma la información clínica (lenguaje
natural) en códigos normalizados, permitiendo:
v Análisis y comparación de datos
v Almacenamiento de información
v Uso asistencial, administrativo e investigador

Sistemas principales:
v CIE
v CIAP
v DSM
v NANDA
v NOC
v NIC

2. cie (clasificación internacional de Enfermedades)

¿QUÉ ES?
Sistema de la OMS que permite clasificar enfermedades y problemas
de salud con un lenguaje común.

Versiones importantes: CIE-10 (más usada), CIE-11 (más moderna)

ESTRUCTURA (jerárquica)
1. Capítulos -> grandes grupos (ej: enfermedades cardiovasculares)
2. Categorías -> diagnósticos generales (I10)
3. Subcategorías -> mayor detalle (I10.0)

CODIFICACIÓN
V Códigos alfanuméricos
V Se registran:
Diagnóstico principal
Diagnósticos secundarios
Causas externas
DATOS QUE RECOGE
V Enfermedades agudas y crónicas
V Complicaciones
V Mortalidad y morbilidad
V Causas externas

UTILIDAD
V Estadísticas sanitarias
V Epidemiología
V Gestión hospitalaria
V Investigación
V Facturación

3. CIAP (ATENCIÓN PRIMARIA)

¿QUÉ ES?
Sistema de WONCA adaptado a Atención Primaria, centrado en el
proceso asistencial.

Importante: no solo diagnóstico, también motivo de consulta

ESTRUCTURA
V Capítulos (letras) -> sistemas (ej: R = respiratorio)
V Componentes -> tipo de información

CODIFICACIÓN
Permite clasificar:
V Motivo de consulta (ej: tos -> R05)
V Diagnóstico (ej: bronquitis -> R78)
V Proceso asistencial

DATOS QUE RECOGE UTILIDAD

V Razón de consulta V Análisis de demanda
V Problemas de salud V Gestión de recursos
V Actividades clínicas V Continuidad asistencial
V Evolución V Investigación en AP
4. dsm (salud mental)
¿QUÉ ES?
Manual de la Asociación Psiquiátrica Americana para diagnóstico de
trastornos mentales.

ESTRUCTURA
V Categorías diagnósticas
V Basadas en:
Síntomas
Duración
Impacto funcional

CODIFICACIÓN
Cada trastorno tiene criterios diagnósticos concretos y un código
asociado, compatible con la CIE, lo que facilita su integración en los
sistemas de información sanitaria.

DATOS QUE RECOGE

V Diagnóstico en trastornos mentales
V Gravedad y especificadores
V Factores psicosociales
V Funcionamiento global

UTILIDAD
V Diagnóstico clínico
V Investigación en psiquiatría y psicología
V Planificación terapéutica
V Formación de profesionales
5. nanda (diagnósticos de enfermería)
¿QUÉ ES?
Clasificación de diagnósticos enfermeros (adaptación del paciente a
un problema de salud o situación vital)

Diferencia:
V Médica -> enfermedad; no hay diagnóstico de riesgo
V Enfermería -> respuesta del paciente; hay diagnóstico de riesgo

ESTRUCTURA
V Dominio (13) -> (ej: nutrición, actividad/reposo, seguridad…)
V Clases
V Diagnósticos

EL DIAGNÓSTICO INCLUYE
V Etiqueta diagnóstica
V Definición
V características definitorias (Signos y síntomas)
V Factores relacionados o de riesgo

TIPOS DE DIAGNÓSTICOS
1. Reales -> problema que ya existe
2. Riesgo -> problema que puede aparecer
3. Promoción de salud -> disposición de mejora del bienestar

MODELO PES
P -> problema
E -> etiología
S -> signos/síntomas

UTILIDAD
V Estandarizar lenguaje enfermero
V Mejorar cuidados
V Desarrollar pensamiento clínico
V Diferenciar rol enfermero
6. noc (resultados de enfermería)

¿QUÉ ES?
Clasificación que mide los resultados del paciente como consecuencia
de las intervenciones enfermeras.

Responde: “¿ha mejorado el paciente?”

COMPONENTES
V Resultados (nombre + código + definición)
V Indicadores
V Escalas (1-5)

EJEMPLO
V Resultado: control del dolor
V Indicadores:
Intensidad
Duración
Respuesta al tratamiento

USO EN PRÁCTICA
1. Diagnóstico (NANDA)
2. Elegir resultado (NOC)
3. Evaluar evolución
4. Ajustar cuidados

ESTRUCTURA UTILIDAD
COnsta de 7 dominios: V Evaluar cuidados
v Salud funcional V Medir resultados
v Salud fisiológica V Mejorar calidad asistencial
v Salud psicosocial V Investigación
v Conocimiento
v Percepción
v Familia
v Comunidad
7. nic (intervenciones de enfermería)
¿QUÉ ES?
Clasificación de intervenciones enfermeras.

Define: “¿qué hay que hacer?”

TIPOS
V Independiente
V Dependientes
V Interdependientes

ESTRUCTURA
v Campos (7) -> (ej: fisiológico, seguridad…)
v Clases
v Intervenciones

CADA INTERVENCIÓN INCLUYE

v Código
v Nombre
v Definición
v Actividades

EJEMPLO
1400 -> manejo del dolor

SELECCIÓN BASADA EN UTILIDAD

v NANDA v Planificar cuidados
v NOC v Estandarizar acciones
v Paciente v Mejorar comunicación
v Evidencia v Evaluar práctica
SISTEMA FUNCIÓN

NANDA Identificar el problema Esto forma el

Proceso de
NIC Indica qué haer Atención de
Enfermería (PAE)
NOC Evalúa el resultado
 INTELIGENCIA ARTIFICIAL 1
FUNDAMENTOS, APLICACIONES SANITARIAS Y RETOS ÉTICOS

1. conceptos y taxonomía de la IA
La inteligencia artificial (IA) busca desarrollar sistemas capaces de
realizar tareas que requieren inteligencia humana.

EStas tareas incluyen aprender de la experiencia, razonar, reconocer

patrones,…

La IA intenta que las máquinas no solo ejecuten instrucciones, sino

que interpreten información, analicen datos y generen respuestas
autónomas basadas en lo aprendido.

La IA moderna se ha construido sobre dos grandes enfoques:

v La IA simbólica o basada en reglas, donde el conocimiento se
representa mediante normas explícitas que la máquina sigue paso a
paso.
v La Ia conexionista o basada en datos, como el machine learning y el
deep learning, en la que los sistemas aprenden patrones a partir de
grandes conjuntos de datos, de forma similar al funcionamiento de
las redes neuronales del cerebro humano

La inteligencia artificial es la disciplina que desarrolla sistemas

capaces de realizar tareas que, al ser ejecutadas por humanos,
requieren inteligencia. Para comprender la amplitud de este campo,
resulta esencial una taxonomía estructurada.
2. Clasificación de la IA
La IA se clasifica en función de su capaidad de abstracción y
propósito funcional, destacando las modalidades discriminativa y
generativa.

v INTELIGENCIA ARTIFICIAL DISCRIMINATIVA (IA débil o estrecha)

Está diseñada para abordar tareas específicas y concretas.

Su función es clasificar datos y predecir categorías existentes.

También puede categorizar imágenes, detectar spam o diagnosticar
una enfermedad a partir de datos clínicos específicos.

Su inteligencia está limitada. No tiene capacidad de realizar tareas

fuera de su ámbito de entrenamiento y no imita una comprensión
general humana.

v INTELIGENCIA ARTIFICIAL GENERATIVA (modelos)

Se centra en la producción de contenido.

Su función es generar nuevos contenidos análogos a los datos de

entrenamiento, inclyendo texto, imágenes, música y otros medios.

Esta IA es muy importante en el ámbito de la salud, ya que es capaz de

generar imágenes médicas sintéticas, diseñar nuevos fármacos,
simular tratamientos personalizados y crear datos para
investigación.
3. aprendizaje automático
MACHINE LEARNING
— Inteligencia artificial (IA) -> campo amplio
— Machine Learning (ML) -> forma de hacer IA basada en datos
— Deep Learning (DL) -> tipo avanzado de Machine Learning

El Machine Learning es una rama de la IA que permite a las máquinas:

v Aprender a partir de datos
v Mejoren con la experiencia
v No dependan solo de reglas programadas manualmente

En lugar de escribir las normas, se le dan ejemplos y el sistema

aprende patrones.

DEEP LEARNING
Es una subcategoría del Mach8ne Learning. Es importante por su
capacidad de capacitar a las máquinas para realizar tareas
complejas y tomar decisiones autónomas.

Es capaz de:
v Procesar grandes cantidades de datos de manera eficiente, como
imágenes médicas,…
v Tiene un apendizaje continuo, es decir, se actualiza, mejora con
nuevos datos y se adapta a los cambios de su entorno
v Puede tomar decisiones autónomas basándose en los datos
recibidos.
APRENDIZAJE Y ALGORITMOS
El aprendizaje es el proceso donde los sistemas extraen resultados
óptimos y ajustan sus parámetros internos a partir de los datos de
entrada, con el objetivo de reducir errores.

Los tipos de aprendizaje dependen de qué información tienen los

datos. Existen dos enfoques de aprendizaje diferentes:

v Aprendizaje supervisado
Utiliza etiquetas conocidas (respuestas correctas) para minimizar
errores. Compara predicciones y resultados reales en modelos de
datos.
Ejemplo: diagnóstico médico, clasificación de correos spam,…

v Aprendizaje no supervisado
Identifica patrones o agrupaciones de datos sin ayuda externa, es
decir, sin etiquetas. Pretende descubrir estructuras ocultas sin
supervisión.
Ejemplo: detectar anomalías, agrupar pacientes similares,…

Muchos modelos son dificiles de interpretar una vez entrenados

debido a su complejidad.

Los algoritmos son las técnicas concretas que hacen posible el

aprendizaje. Sin embargo, aunque sabemos cómo aprenden, no
sabemos exactamente cómo deciden.

CAUSALIDAD VS CORRELACIÓN
Como los modelos aprenden de datos, lo unico que detectan son
patrones estadísticos, relaciones matemáticas y correlaciones.

Es decir, los algoritmos detectan correlaciones, no causalidades, lo

que significa que necesitan interpretación experta para evitar
errores.

Ejemplo: “cuando aumenta el calor -> aumenta la venta de helados”

Pero el calor no causa helados, solo estan relacionados.

Esto es un problema ya que, en el ámbito clínico, las decisiones médicas

deben basarse en relaciones causales para garantizar la seguridad y
bienestar de paciente.
4. interpretabilidad
La interpretabilidad es la capacidad de entender por qué una IA toma
una decisión. No solo basta con que el modelo acierte, tenemos que
saber qué factores usó, que influyó más y por qué llego a esa
conclusión.

En el caso del Deep Learning, la interpretabilidad se ha vuelto un

problema porque esta clase de modelos modernos son muy grandes y
usan millones de parámetros. Esto hace que, aunque sean muy
precisos, son difíciles de entender.

FENÓMENO DE LA CAJA NEGRA

Los LLM actuales se consideran “cajas negras”. Esto significa que,
aunque observamos claramente el input (la pregunta que hacemos, los
datos que le damos) y el output (la respuesta o predicción que
obtenemos), el proceso intermedio o razonamiento es una incógnita.

LA ESCALA INABARCABLE
Los LLM moderno son tan difíciles de entender, entre otras cosas,
por su escala.

Un LLM moderno no sigue reglas lógicas lineales. En su lugar, opera

mediante miles de millones de parámetros y realiza innumerables
cálculos matriciales en paralelo para predecir la siguiente palabra
más probable.

Por eso, seguir el rastro de una de sus decisiones es prácticamente

imposible. No sabemos qué activó la respuesta ni podemos prevenir
cómo fallará en situaciones nuevas. Esto genera una crisis de
confianza.

La falta de interpretabilidad ha causado algunos impactos en el

ámbito sanitario. Un sistema de IA podría diagnosticar
correctamente un tumor en una radiografía, pero si basa su decisión
en una marca de agua del hospital en lugar de en la patología del tejido,
el modelo fallará al usarse en otro hospital. Sin interpretabilidad,
este error es invisible hasta que es demasiado tarde.
5. modelos de lenguaje grande (LLM)
Un LLM es un tipo de inteligencia artificial entrenada para:
v comprender texto
v generar texto
v manipular lenguaje humano.
v mantener conversaciones
Ejemplo: ChatGPT, GPT-4

Aunque parezca que “piensan”, en realidad un LLM solo predice la

siguiente palabra o “token”. Calcula probabilidades y reconoce
patrones estadísticos del lenguaje.

El poder de los LLM está en su entrenamiento con volúmenes de datos

extraordinarios, estimados en [Link] de palabras, lo que
requeriría a un ser humano unos 6.500 años de lectura continua.

En este entrenamiento lee millones de artículos, aprende palabras

que suelen ir juntas, ajusta parámetros internos y mejora su
capacidad de predicción.

Estos datos vienen de un conjunto de fuentes:

v Libros y artículos científicos
v Artículos de wikipedia
v Foros de discusión y sitios de preguntas y respuestas
v Sitios web de noticias
v Blogs y sitios de contenido variado
v Transcripciones de discursos y entrevistas

Los LLM modernos usan la arquitectura Transformer.

Antes, los modelos leían el texto palabra por palabra, en orden, sin
embargo, ahora con los Transformers, los modelos miran toda la
frase a la vez.

Un Transformer es un lector muy lento que analiza una frase

completa al mismo tiempo y decide qué partes son más importantes.

Los Transformer van mejorando gracias a:

A. Atención, elegir qué palabras importan más
La atención permite que el modelo mire toda la frase y decida qué
palabras se relacionan.

Ejemplo: en la frase “el perro que estaba en el parque persiguió al

gato”. Para entender “persiguió”, el modelo debe fijarse en “perro”,
aunque haya palabras en medio.

B. Procesa todo a la vez (PARALELIZACIÓN)

Los Transformers no leen palabra por palabra, sino que miran todas
las palabras al mismo tiempo. Esto los hace más rápidos, eficientes,….

C. Capas apiladas = más comprensión

Los Transformer están formados por muchas capas.

cada capa:
v Mirar la frase
v Aplica atención
v Genera una versión más refinada del significado.

Cuantas más capas -> mejor coprensión

D. Salida: predicción de la siguiente palabra (O TOKEN)

Después de procesar toda la frase el modelo decide qué palabra sigue.

En resumen, los Transformers funcionan así:

1. Leen todo a la vez, no en orden
2. Miran qué palabras son importantes para entender a otras
(atención)
3. Repiten este análisis en varias capas para captar significados cada
vez más profundos
4. Usan esa comprensión para predecir la siguiente palabra de forma
coherente.

Los LLM no leen frases directamente. Dividen el texto en tokens,

unidades que pueden ser:
v Palabras
v Sílabas
v Partes de palabras
Ejemplo: “ecuaciones” -> “ec” + “ua” + “ciones”

El modelo trabaja en secuencias de tokens, no de palabras.

6. prompt engineering
Es la técnica esencial para interactuar con los LLM. Como la eficacia
del resultado depende de la entrada, el prompt se convierte en el
“arte de formular preguntas o comandos que guíen a la IA”

v Necesidad de claridad: es vital formular preguntas claras y

específicas para guiar la IA en el ámbito de la salud.

v Importancia del contexto: incluir el contexto clínico y dividir

tareas complejas facilita la comprensión, pero la supervisión
profesional siempre es esencial.

v Terminología médica precisa: usar términos médicos exactos

mejora la precisión de las respuestas generadas por la IA en
contextos clínicos
Se utilizan varias estructuras para asegurar la inclusión de todos los
elementos necesarios:

ESTRUCTURA RACS (Rol - Acción - contexto - Salida)

v Rol: asignar una persona a la IA
v Acción: lo que se debe hacer
v Contexto: detalles y restricciones
v Salida: formato y tono deseados

Otras fórmulas clave son:

— PEMDAS (Problema - Ejemplos - Modelo - Datos - Acción - Salida)
— CAFE (Contexto - Acción - Formato - Ejemplos)
— CLEAR (Contexto - Limitaciones - Ejemplos - Acción - Revisión)

Además de la estructura, se pueden ajustar parámetros para

controlar la naturaleza de la respuesta:

TEMPERATURA:
¿Qué hace? Controla cuánta aleatoriedad/creatividad tiene el modelo

Valores típicos:
v 0.0-0.3 -> respuestas precisas, deterministas, “serias”
v 0.7-1.0 -> más creatividad y variación
v >1.2 -> muy caótico, menos coherente

Cuándo usar:
v Respuestas técnicas -> baja temperatura
v Escritura creativa -> alta temperatura

El parámetro “temperatura” ajusta la aleatoriedad en las

respuestas generadas por el modelo.
TOP-P (nucleus sampling)
¿Qué hace? En lugar de tomar de todas las palabras posibles, el modelo
elige solo entre las que forman un percentil acumulado de probabilidad

Ejemplo:
Un top-p = 0.9 significa “elige solo entre el conjunto mínimo de palabras
cuya probabilidad acumulada suma 90%”

Valores típicos:
v 0.5-0.9 -> control creativo y diversidad moderada
v 1.0 -> sin filtro

Cuando usar:
v Cuando quieres creatividad, pero con coherencia

Top-p regula la diversidad

PRESENCE PENALTY (penalización por presencia)

¿Qué hace? Penaliza si un token ya apareció al menos una vez, para
evitar que el modelo repita ideas o palabras

Valores típicos:
v 0.0 -> no penaliza repeticiones
v 0.5-1.0 -> más variedad de ideas
v >1.0 -> fuerza a hablar de cosas nuevas

Cuándo usar
v Para evitar que el modelo se quede estancado en un tema
v Para respuestas creativas y variadas
FREQUENCY PENALTY (penalización por frecuencia)
¿Qué hace? Penaliza en proporción a cuántas veces se ha repetido un
token

Diferencia clave:
v Presence: basta que haya aparecido 1 vez
v Frequency: penaliza proporcionalmente a las repeticiones

Valores típicos:
v 0.0-1.0 -> (moderado)

Cuándo usar:
v Para evitar bucles o frases repetitivas
v Para mejorar estilo en textos largos

Las penalizaciones de presencia y frecuencia evitan repeticiones

mejorando el estilo

La personalización de respuestas son ajustes que permiten adaptar

respuestas a necesidades específicas de usuarios y contextos
cínicos
EJEMPLO:
Frase base: “El gato está en el jardín”
— Alta temperatura: “El gato se desliza entre las sobras florales del
jardín”
— Bajo top-p: “El gato está en el patio”
— Presence penalty alto: “El felino se encuentra afuera, entre las
plantas”
— Frequency penalty alto: evita repetir “gato”, “jardín”, etc
 INTELIGENCIA ARTIFICIAL 2
aplicaciones

1. panorama de las aplicaciones

PRONÓSTICO BASADO EN LA IA*
La IA predice riesgos usando datos genéticos, historial médico y
factores de riesgo personales.

DIAGNÓSTICO Y DETECCIÓN PRECISA*

La IA detecta patologías con precisión mediante análisis de imágenes
médicasy registros electrónicos

TRATAMIENTO Y GESTIÓN CLÍNICA PERSONALIZADA

La IA facilita terapias personalizadas y optimizadas para cada
paciente, mejorando resultados clínicos.

GESTIÓN EFICIENTE
La IA mejora la eficiencia del flujo de trabajo clínico y la
administración hospitalaria.

2. la ia en la industria farmacéutica
DESCUBRIMIENTO ACELERADO DE MOLÉCULAS
La IA permite acelerar la identificación y diseño de nuevas moléculas
farmacéuticas, optimizando recursos y tiempos en investigación.

PREDICCIÓN DE INTERACCIONES BIOLÓGICAS

La IA predice cómo interactúan los compuestos con sistemas
biológicos, mejorando la precisión en I+D farmacéutico.

OPTIMIZACIÓN DE ENSAYOS CLÍNICOS

La IA ayuda a diseñar y optimizar ensayos clínicos, reduciendo costos
y mejorando la eficiencia en la validación de medicamentos.

Estado actual (2024): un estudio halló 165 medicamentos

desarrollados con IA, pero solo uno había sido aprobado, mientras
que 164 estaban en investigación. Se utiliza principalmente para el
descubrimiento de moléculas (76%) y objetos terapéuticos (22%).
3. dispositivos médicos aprobados por la FDA
La Food and Drug Administration (FDA) de EE. UU. ha aprobado 139
dispositivos médicos con IA, mostrando un crecimiento exponencial
desde 2012. El 87.1% de estos dispositivos aprobados está
relacionado con la especialidad de la radiología. La siguiente
especialidad más frecuente es la cardiovascular (7.2% de las
aprobaciones).

4. sistemas de ia en la práctica clínica

5. uso de llm como “asistente cognitivo”
Para el profesional, los LLM actúan como un complemento del juicio
clínico, liberando tiempo para la atención directa:

v Soporte Documental y Síntesis Rápida: Un LLM puede sintetizar

rápidamente guías clínicas extensas o artículos de investigación para
obtener puntos clave, optimizando la toma de decisiones basada en la
evidencia.

v Comunicación y Empatía Simulada: El LLM puede generar opciones de

respuesta para comunicarse con pacientes, siendo percibido incluso
como más empático debido a la longitud y el detalle de las respuestas.
Sin embargo, la responsabilidad del juicio y la empatía genuina siguen
siendo exclusivas del humano.

v Medicina Personalizada: Asistencia en el análisis de perfiles

genéticos e historial para sugerir regímenes de tratamiento más
específicos y ajustados al paciente.

6. ia en el pronóstico de enfermedades*
CAPACIDADES PREDICTIVAS AVANZADAS
La IA analiza datos genéticos y hábitos para predecir riesgos de
enfermedades con alta precisión.

PLANES DE PREVENCIÓN PERSONALIZADOS

Permite diseñar estrategias personalizadas para prevenir
enfermedades en poblaciones vulnerables.

OPTIMIZACIÓN DE RECURSOS Y CALIDAD DE VIDA

Reduce costes y mejora la calidad de vida evitando tratamientos
tardíos y optimizando recursos sanitarios.

PLANIFICACIÓN ESTRATÉGICA EN SALUD PÚBLICA

La IA es clave para la gestión y planificación de programas
preventivos en salud pública.
7. innovación en diagnóstico y detención*
ANÁLISIS DE REGISTROS MÉDICOS ELECTRÓNICOS
La IA analiza registros médicos electrónicos para mejorar la
precisión y velocidad del diagnóstico clínico.

INTERPRETACIÓN AVANZADA DE IMÁGENES MÉDICAS

Modelos avanzados eliminan ruido y mejoran la calidad de imágenes
como RM, TC Y radiografías.

SISTEMAS CAD PARA DIAGNÓSTICOS

sistemas basados en redes neuronales ofrecen segundas opiniones
que aumentan la precisión diagnóstica

PROCESAMIENTO DE LENGUAJE NATURAL

El PNL automatiza la carga documental, permitiendo a los
profesionales enfocarse en la atención al paciente.

ANÁLISIS DE VOZ PARA DIAGNÓSTICO

El análisis de voz detecta patrones acústicos que ayudan a
identificar enfermedades como el Alzheimer.

DIAGNÓSTICOS NO INVASIVOS Y SEGUIMIENTO REMOTO

Estas tecnologías permiten diagnósticos no invasivos y seguimiento
remoto mediante IA en la práctica clínica

8. monitorización y telemedicina
MONITORIZACIÓN EN TIEMPO REAL
La IA permite detectar riesgos críticos como paros cardíacos en
entorno hospitalarios en tiempo real

DIAGNÓSTICO REMOTOS AVANZADOS

La telemedicina facilita diagnósticos a distancia, usando aplicaciones
móviles para detectar cáncer de piel.

AUTOMATIZACIÓN DE INFORMES CLÍNICOS

La PNL (proceso de lenguaje natural) automatiza y agiliza, la
generación de informes clínicos, mejorando precisión y eficiencia.
9. asistencia virtual y cirugía asistida
ASISTENTES VIRTUALES MÉDICOS
Los asistentes virtuales ofrecen recomendaciones y recordatorios
para mejorar la experiencia y el cuidado del paciente.

PLANIFICACIÓN QUIRÚRGICA 3D
La IA permite planificar cirugías usando modelos anatómicos
tridimensionales detallados

REALIDAD AUMENTADA EN CIRUGÍA

La realidad aumentada supone detalles anatómicos en tiempo real
para aumentar la precisión quirúrgica
 INTELIGENCIA ARTIFICIAL 3
retos éticos

1. Desafíos éticos y sociales de la ia

Algunos riesgos y significativos que han surgido del rápido avance de
la IA son:

DISCRIMINACIÓN ALGORÍTMICA
La IA puede amplificar sesgos en decisiones sociales y laborales,
creando discriminación injusta.

FALTA DE TRANSPARENCIA
La opacidad de las “cajas negras” dificulta la rendición de cuentas y la
compresión de decisiones IA.

VULNERACIÓN DE LA PRIVACIDAD
El manejo masivo de datos personales y clínicos pone en riesgo la
privacidad de los usuarios.

DEPENDENCIA Y DERECHOS DE AUTOR

La dependencia excesiva reduce la autonomía humana y genera
dilemas legales por derechos de autor.

HUMANIZACIÓN DE ASISTENTES VIRTUALES

La inclinación a humanizar a los bots conlleva el riesgo de que los
usuarios pierdan la conciencia de estar interactuando con una
máquina, lo que requiere claridad sobre su verdadera identidad.

DEPENDENCIA Y AUTONOMÍA
La integración excesiva de los asistentes virtuales en tareas
críticas puede disminuir la autonomía y el sentido de agencia de los
usuarios, creando una falsa sensación de seguridad debido a su
notable rendimiento.
2. los sesgos algorítmicos
ORIGEN DE SESGOS ALGORÍTMICOS
Los sesgos algorítmicos provienen de datos de entrenamiento
mayormente WEIRD (White, Educated, Industrialized, Rich and
Democratic), que reproducen estereotipos sociales.

IMPACTO EN RECONOCIMIETO FACIAL

Estos sesgos disminuyen la precisión del reconocimiento facial en
mujeres racializadas y otros grupos subpresentados.

EFECTOS EN RECOMENDACIONES MÉDICAS

Las diferencias raciales y de género afectan las recomendaciones
médicas, comprometiendo la equidad clínica.

SESGOS EN DIAGNÓSTICOS CLÍNICOS

Estereotipos en datos clínicos como la sarcoidosis generan errores
en diagnósticos y tratamientos afectando a la seguridad del
paciente.

3. tipos de sesgos en IA
SESGOS DE SELECIÓN Y EXCLUSIÓN
Surgen cuando los datos no representan adecuadamente a todos los
grupos o se omiten segmentos importantes.

SESGOS DE CONFIRMACIÓN
Refuerzan creencias previas presentes en los datos, afectando a la
objetividad y los resultados.

SESGOS DE MEDICIÓN Y OBSERVACIÓN

Provienen de herramientas inexactas o errores en el etiquetado de
datos utilizados para el entrenamiento.

SESGOS DE INTERPRETACIÓN Y PROYECCIÓN

Introducidos por analístas que proyecta rasgos humanos en
sistemas automatzados.
4. el fenómeno de las “alucinaciones”
CONCEPTO DE ALUCINACIONES EN IA
Las alucinaciones son contenido incorrecto generado por IA que
parece plausible pero es falso.

CAUSAS DE LAS ALUCINACIONES

Los modelos priorizan fluidez sobre precisión, rellenando huecos sin
verdadera comprensión.

IMPORTANCIA DE LA VERIFICACIÓN HUMANA

Las alucinaciones pueden causar errores graves, por ello la
supervisión humana es esencial.

EDUCACIÓN SOBRE LIMITACIONES DE IA

Es crucial educar a los usuarios sobre las limitaciones y riesgos
asociados a las alucinaciones.

Algunas posibles alucinaciones son:

v Coherencia sin veracidad: son gramaticalmente correctas y
contextualmente adecuadas, lo que dificlta su detección.

v Inventiva y mezcla de datos: pueden incluir detalles específicos

inventados (nombres, fechas, estadísticas) o resultar de la
combinación incorrecta de información de diferentes contextos,
creando narrativas falsas.

v Causa raíz: el modelo genera información inventada (“rellena”)

cuando carece de datos claros para responder preguntas
específicas, priorizando la fluidez y coherencia sobre la precisión
factual. La predicción estadística puede llevar a errores por
extrapolación incorrecta.

v Falta de comprensión: los LLM replican patrones de lenguaje sin una

comprensión profunda del contexto o significado subyacente. El mal
uso de LLM que “alucinan” datos ha llevado a problemas en la práctica,
como abogados que presentan casos falsos generados por el
chatbot en un juicio.
5. fiabilidad y acceso a datos
LIMITACIONES DE MODELOS DE LENGUAJE
Modelos como ChatGPT generan texto y pueden inventar citas, con
solo 16% de referencias reales según un estudio.

ACCESO A INTERNET Y RIESGOS

Versiones gratuitas sin acceso a internet, como GPT-3.5, tienen
mayor riesgo de fabricar fuentes falsas.

IMPORTANCIA DE VERIFICACIÓN HUMANA

Modelos avanzados con acceso a internet requieren verificación
humana para asegurar precisión y confiabilidad.

USO RESPONSABLE DE IA
Se recomienda usar IA como herramienta complementaria, nunca
como única fuente para investigación científica.

6. mal uso en la redacción científica

La IA se ha utilizado para elaborar artículos científicos sin la debida
revisión.

Se han identificado errores como la copia de frases no editadas

(“aquí tienes una posible introducción para tu tema”) y el uso de
“frases torturadas” (malas traducciones”.

Tendencias de vocabularios: la frecuencia de ciertas palabras

estilísticas (ej: “crucial”) aumentó abruptamente a partir de 2024, lo
que sugiere un uso generalizado de LLM.
7. normas para uso de ia en publicaciones
DIVULGACIÓN OBLIGATORIA DE IA
Se requiere revelar el tipo de tecnología IA usada y cómo fue aplicada
en la investigación para mantener transparencia.

RESPONSABILIDAD DEL AUTOR HUMANO

Los chatbots no pueden ser autores, el autor humano es
responsable del contenido y su precisión.

VIGILANCIA DE PATRONES LINGÜÍSTICOS

Se deben detectar y corregir frases típicas de IA para preservar la
credibilidad del trabajo científico.

8. beneficios y límites éticos

PERCEPCIÓN DE EMPATÍA
Los pacientes perciben chatbots más empátcos debido a respuestas
detalladas y extensas que generan confianza.

REDUCCIÓN DEL MIEDO AL JUICIO

Herramientas como LImbic aumentan derivaciones en minorías,
disminuyendo el miedo al juicio humano en atención médica.

LÍITES ÉTICOS NECESARIOS

Es esencial establecer límites éticos para evitar la deshumanización y
conservar la empatía en la práctica clínica.
9. reglas de uso ético de la ia en salud

Los profesionales deben guiarse por principios fundamentales:

v Responsabilidad y juicio clínico: la IA es solo una herramienta de
apoyo; el profesional sanitario mantienen la responsabilidad última
de las decisiones clínicas.

v Derechos del paciente: garantizar el consentimiento informado

sobre el uso de la IA y la privacidad y protección de datos.

v Calidad y confianza: asegurar la precisión y transparencia de las

herramienta, promoviendo la no maleficiencia y beneficiencia
mediante la ealuación rigurosa.

v Equidad: evitar la perpetuación de sesgos para promover la

equidad y no discriminación en el acceso a la atención.

v Relación humanizada: la IA no debe deshumanizar la relación; la

empatía y el cuidado personalizado deben ser esenciales.

10. principios de bioética aplicados a la ia

NO MALEFICIENCIA
Prevención de errores algorítmicos mediante validación rigurosa
para proteger laseguridad del paciente.

BENEFICIENCIA EN DIAGNÓSTICO
Mejoras diagnósticas deben superar riesgos potenciales para
beneficio del paciente.

RESPETO A LA AUTONOMÍA
Respetar decisiones del paciente y evitar dependencia excesiva en
tecnología médica.

JUSTICIA Y EQUIDAD
Garantizar acceso equitativo y evitar sesgos discriminatorios en
algoritmos de salud.
11. responsabilidad y normativas
El Código Deontológico Médico de España establece que la IA es una
ayuda y no sustituye la buena práctica profesional

La ASociación Americana de Enfermeras (ANA) sostiene que la IA no

reemplaza el juicio de enfermería y las enfermeras son responsables
de su práctica incluso en caso de fallo del sistema.

RESPONSABILIDAD PROFESIONAL
La responsabilidad final en decisiones médicas con IA recae siempre
en el profesional sanitario, asegurando la práctica ética.

EXIGENCIAS INTERNACIONALES
OMS: La IA en salud debe
- Proteger la autonomía (los humanos deben seguir controlando las
decisiones)
- Promover el bienestar y la seguridad (la IA no debe causar daño)
- Garantizar la transparencia y la explicabilidad (las tecnologías
deben ser inteligibles)
- Garantizar la inclusión y la equidad (acceso amplio y equitativo sin
codificar prejuicios)

UNESCO: insta a la regulación estricta de las soluciones médicas

basadas en IA para garantizar que sean seguras y científicamente
probadas, y exige que la decisión final sobre diagnósticos y
tratamientos recaiga en seres humanos.
12. aplicaciones académicas
LECTURA CRÍTICA ASISTIDA
La IA ayuda a sintetizar textos densos y detectar limitaciones
metodológicas en la lectura académica.

MEJORA EN LA ESCRITURA
La IA mejora la coherencia y estilo de escritos, manteniendo la
autoría intelectual del estudiante.

FACILITA LA INVESTIGACIÓN
La IA facilita esquemas de trabajo en investigación que deben
verificarse con fuentes fiables.

RESOLUCIÓN DE PROBLEMAS COMPLEJOS

La IA explica procesos paso a paso en áreas complejas, potenciando
el aprendizaje crítico.
13. riesgos y buenas prácticas

RESPONSABILIDAD EN EL USO DE IA
La IA genera texto probable y no hechos por lo que requiere
verificación constante para evitar errores.

RIESGO DE PLAGIO
Usar IA sin atribución o revisión puede causar plagio y sanciones
académicas.

BUENAS PRÁCTICAS RECOMENDADAS

Utilizar IA para tareas mecánicas y dedicar tiempo a análisis y
debate crítico para fomentar el pensamiento independiente.

14. flujograma de uso seguro

EVALUAR IMPORTANCIA DE VERACIDAD
Determina si es crucial que la respuesta sea verdadera antes de usar
la tecnología.

VERIFICAR EXPERIENCIA Y RESPONSABILIDAD

Evalúa si tienes experiencia para validar información y la disposición
para asumir responsabilidades.

USO CON SUPERVISIÓN CRÍTICA

Utiliza la IA solo con supervisión constante para minimizar riesgos y
asegurar uso responsable.
 INTELIGENCIA ARTIFICIAL 4
utilidad

1. panorama de llm en el ecosistema académico

DIVERSIDAD DE MODELOS LLM
Los LLM presentan características únicas en entrenamiento,
filosofía y funcionalidades que impactan su uso académico.

APLICACIONES ACADÉMICAS
La elección del modelo debe considerar tareas como generación de
contenido, análisis documental y búsqueda verificada.

EJEMPLOS DE MODELOS CLAVE

GPT-4, Gemini, Claude 3, Perplexity AI y Copilot destacan por
capacidades específicas que optimizan el trabajo académico.

2. taxonomía de modelos: ventajas y riesgos

MODELO USO PRINCIPAL VENTAJA ESTRATÉGICA RIESGO ACADÉMICO

GPT-4 / Generación y Alta capacidad de Alucinación
ChatGPT razonamiento personalización factual

Gemini Integración y Multimodalidad y Sesgos del

acceso ecosistema Google contenido web

Claude 3 Procesamiento Gran ventana de Costo y lentitud

externo contexto

Perplexity verificación Citas y rigor Limitado por

AI búsqueda web

Copilot Productividad Integración en Análisis profundo

Office variable
3. implicaciones para el estudiante investigador

ESTRATEGIA PARA REVISIONES

Claude es ideal para manejar grandes volúmenes de texto en
revisiones de literatura extensas, optimizando el análisis académico.

INVESTIGACIÓN PRELIMINAR RIGUROSA

Perplexity AI proporciona fuentes verificadas para asegurar rigor
factual en investigaciones iniciales.

REDACCIÓN Y RAZONAMIENTO COMPLEJO

GPT y Gemini facilitan la generación de argumentos estructurados y
simulan procesos de pensamiento para tareas complejas.

COMBINACIÓN DE HERRAMIENTAS
Contrastar resultados entre herramientas mejora la calidad y
asegura un juicio crítico en el trabajo académico.

4. riesgo de uniformidad algorítmica

IMPACTO EN LA ORIGINALIDAD
Claude es ideal para manejar grandes volúmenes de texto en
revisiones de literatura extensas, optimizando el análisis académico.

UNIFORMIDAD ESTILÍSTICA
Perplexity AI proporciona fuentes verificadas para asegurar rigor
factual en investigaciones iniciales.

MITIGACIÓN DEL RIESGO

Se recomienda usar varios modelos de IA y un análisis crítico humano
para fomentar la innovación auténtica.
5. notebook

FUNCIONES PRINCIPALES
NotebookLM ofrece análisis automáticos, resúmenes, formatos
estructurados y conversión a podcast para facilitar el aprendizaje.

VENTAJAS DESTACADAS
Proporciona rigor metodológico y mejora la eficiencia al trabajar
con grandes volúmenes de información académica.

LIMITACIONES DE LA HERRAMIENTA
Depende de la calidad de los documentos cargados para funcionar
correctamente.

USO PARA ESTUDIANTES

Es una herramienta poderosa para organizar y comprender
material académico con una adecuada curación de fuentes.
6. scopus ai

FUNCIONES PRINCIPALES
Scopus AI genera resúmenes, verifica citas y permite exploración
conversacional y creación de mapas conceptuales.

VENTAJAS CLAVE
ofrece rigor académico basado en literatura revisada y ahorra
tiempo en revisiones bibliográficas para investigadores.

LIMITACIONES Y RIESGOS
Depende del prompt, limita cobertura a registros recientes y
requiere suscripción institucional para su uso.

ROL PARA INVESTIGADORES

Scopus AI acelera a revisión bibliográfica pero no reemplaza la
búsqueda exhaustiva ni el análisis crítico.
7. connected papers
Connected Papers opera mediante la entrada de un "documento de
origen" (seed paper), utilizando su DOl, PubMed o ArXiv. A partir de este
documento, la TA realiza las siguientes funciones:

v Generación de Gráficos Visuales Intuitivos: Construye un grafo

visual que representa las relaciones entre los artículos académicos.
Analiza aproximadamente 50.000 documentos para seleccionar unas
pocas docenas con las conexiones más fuertes con el artículo de
origen.

v Mapeo por Similitud Semántica: Los artículos (nodos) se organizan

según su similitud temática, utilizando conceptos como la co-citación
y el acoplamiento bibliográfico. Esto permite que artículos que no se
citan directamente puedan estar muy conectados si tratan un tema
relacionado.

v Identificación de Trabajos Centrales: El tamaño del nodo

representa el número de citasdel artículo, y el color indica elaño de
publicación. Los trabajos más similares se agrupan.

v Vistas de Trabajos Derivados y Previos:

• Trabajos Previos (Prior Works): Muestra los trabajos antecedentes
importantes en el campo, que son comúnmente citados por los
artículos en el gráfico (a menudo, trabajos seminales).

• Trabajos Derivados (Derivative Works): Muestra las publicaciones

más recientes o el estado del arte que siguió al artículo de origen
(incluyendo revisiones de literatura).

v Creación de Bibliografías: Ayuda a los investigadores a construir

bibliografías completas a partir de referencias clave.
Inconvenientes y Limitaciones
Dependencia del Artículo de Origen (Seed Paper): La calidad y
relevancia del gráfico dependen directamente de que el artículo de
origen introducido sea un trabajo típico y representativo del
campo de interés.

No es un Arbol de Citas Convencional: El gráfico no está diseñado

para mostrar las relaciones cronológicas o directas de citación
(quién cita a quién), sino la similitud temática.

Limites de Uso Gratuito: El plan gratuito ofrece 5 gráficos par mes,

lo que puede ser limitante para investigadores que requieran una
búsqueda intensiva y continua.

Requerimiento deJavaScript: La aplicación web requiere que

JavaScript esté habilitado para funcionar correctamente.
8. perplexity ai

Búsqueda e Investigación Asistida: Su función primordial es actuar

como un motor de respuesta conversacional especializado en
encontrar y sintetizar información real de la web.

Verificación de Fuentes: A diferencia de otros LLM (como ChatGPT

3.5).

Perplexity está diseñado para mostrar las fuentes web que

sustentan cada afirmación.

Acceso a Internet: Posee capacidad de acceder a la web en tiempo

real para obtener datos actualizados, un factor crucial para la
investigación actual.

Generación de Respuestas Sintetizadas: Proporciona respuestas

detalladas y organizadas, compilando información de múltiples
fuentes.

Ventajas
Mitigación de la Alucinación: Su principal ventaja es que muestra las
fuentes citadas que respaldan cada frase del output, permitiendo al
estudiante la verificación inmediata del dato.

Rigor Metodológico: Facilita el rigor investigativo, ya que el

estudiante puede revisar la fuente primaria para asegurar la
exactitud y el contexto de la información obtenida.

Actualidad de la Información: Al tener acceso a Internet, puede

proporcionar información reciente, lo cual es esencial en campos de
estudio en rápida evolución (ej. tecnología, clínica médica).
Inconvenientes
Limitación de Output: No es un modelo de generación libre o ideación
creativa. Su output esta inherentemente limitado por la información
que puede encontrar a través de su búsqueda web.

Necesidad de Verificación Constante: Si bien muestra las fuentes, el

estudiante debe ejercer la responsabilidad final de abrir y evaluar la
credibilidad de esas fuentes (una fuente web no equivale
automáticamente a una fuente académica revisada por pares)