Aplicaciones de la inteligencia artificial en atención primaria de salud: oportunidades y desafíos para América latina

• Muñoz Cofre, Carlos Enrique ^[1] ; Yánez Zúñiga, Darla Lizeth ^[1]
  1. [1] Hospital de las Fuerzas Armadas N°1
• Localización: Revista Multidisciplinar Epistemología de las Ciencias, ISSN-e 3061-7812, Vol. 3, Nº. 2, 2026, págs. 596-607
• Idioma: español
• Títulos paralelos:
  • AI applications in primary health care: opportunities and challenges for Latin America
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    La inteligencia artificial (IA) se ha incorporado progresivamente en la práctica médica, especialmente en la Atención Primaria de Salud (APS), donde las limitaciones estructurales evidencian la necesidad de optimizar procesos. Este estudio analiza la literatura publicada entre 2015 y 2024 con el objetivo de identificar sus principales aplicaciones y los factores que condicionan su implementación en América Latina. Se realizó una revisión narrativa con enfoque sistematizado inspirada en PRISMA 2020. Se identificaron cuatro áreas principales.

    apoyo a la decisión clínica, triaje automatizado, modelos predictivos y telemonitoreo. Los resultados muestran beneficios en la organización de servicios y la detección temprana de enfermedades. Sin embargo, persisten limitaciones relacionadas con la calidad de los datos, su fragmentación y la necesidad de adaptación al contexto local. La IA debe entenderse como una herramienta complementaria cuyo impacto dependerá de su implementación progresiva.

  • English

    Artificial intelligence (AI) has progressively been incorporated into medical practice, particularly in Primary Health Care (PHC), where structural limitations highlight the need to optimize processes. This study analyzes literature published between 2015 and 2024 to identify its main applications and the factors influencing its implementation in Latin America. A narrative review with a systematized approach inspired by PRISMA 2020 was conducted. Four main areas were identified: clinical decision support, automated triage, predictive models, and telemonitoring. Findings suggest improvements in service organization and early disease detection. However, limitations persist regarding data quality, fragmentation, and the need for local adaptation. AI should be understood as a complementary tool whose impact depends on its contextual implementation.