De los datos a la decisión: revisión sistemática del rol de la inteligencia artificial y el machine learning en la optimización de la gestión administrativa de Instituciones de Salud

Claudia Angelica Dazza Pineda; Fabian Armando Garzón Leon

doi:10.22490/26194759.11707

La Edición Especial FIKLiv 2026 de la Revista Biociencias reúne investigaciones y experiencias interdisciplinarias en cinco ejes: 1) salud, territorio, interculturalidad y transformación social; 2) determinantes, prevención, ambiente y cuidado de la salud; 3) formación, innovación y nuevas estrategias para el cuidado; 4) inteligencia artificial, salud digital, bioética y gestión basada en datos; y 5) IA, educación, ciencia abierta y futuro de la academia.

Vol. 9 Núm. 1 (2026): EDICIÓN ESPECIAL FIKLIV

Publicado 2026-08-18

Licencia

Derechos de autor 2026 Biociencias (UNAD)

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

III.METASALUD

De los datos a la decisión: revisión sistemática del rol de la inteligencia artificial y el machine learning en la optimización de la gestión administrativa de Instituciones de Salud

DOI: https://doi.org/10.22490/26194759.11707

Claudia Angelica Dazza Pineda Universidad Nacional Abierta y a Distancia

Fabian Armando Garzón Leon Universidad Nacional Abierta y a Distancia

PDF

Resumen
Referencias

Objetivo. Analizar el rol de la Inteligencia Artificial y el Machine Learning en la optimización de la gestión administrativa en Instituciones de Salud, identificando sus principales aplicaciones, beneficios y desafíos en la toma de decisiones basada en datos. Método. Se realizó una revisión sistemática de la literatura siguiendo los lineamientos de PRISMA 2020. La búsqueda se desarrolló en las bases de datos PubMed, Scopus, SciELO y Web of Science, considerando publicaciones entre 2016 y 2025 relacionadas con inteligencia artificial, machine learning y gestión administrativa en salud. Los estudios seleccionados fueron organizados en tres categorías de análisis: optimización de recursos y logística, finanzas y ciclo de ingresos, y experiencia y flujo del paciente. Resultados. Se incluyeron 25 artículos científicos en el análisis final. Los hallazgos evidenciaron que las principales aplicaciones de IA y Machine Learning se orientan a la predicción de ocupación de camas, programación automatizada de personal, gestión inteligente de inventarios, detección de fraude, predicción de glosas, chatbots administrativos y modelos predictivos de inasistencia a citas. Asimismo, se identificaron beneficios relacionados con eficiencia operativa, sostenibilidad financiera y mejora de la experiencia administrativa del paciente. Conclusiones. La Inteligencia Artificial y el Machine Learning representan herramientas estratégicas para fortalecer la gestión administrativa en salud; sin embargo, su implementación efectiva requiere interoperabilidad tecnológica, fortalecimiento de la cultura de datos y desarrollo de competencias digitales institucionales.

Palabras clave: Inteligencia Artificial, Machine Learning, Gestión Administrativa en Salud, Toma de Decisiones, Instituciones de Salud, Optimización de procesos

Alghareeb, E., & Aljehani, N. (2025). AI in health care service quality: Systematic review. JMIR AI, 4, e69209. https://doi.org/10.2196/69209 DOI: https://doi.org/10.2196/69209

Alves, M., Seringa, J., Silvestre, T., & Magalhães, T. (2024). Use of artificial intelligence tools in supporting decision-making in hospital management. BMC Health Services Research, 24(1), 1282. https://doi.org/10.1186/s12913-024-11602-y DOI: https://doi.org/10.1186/s12913-024-11602-y

Bhagat, S. V., & Kanyal, D. (2024). Navigating the future: The transformative impact of artificial intelligence on hospital management—A comprehensive review. Cureus, 16(2), e54518. https://doi.org/10.7759/cureus.54518 DOI: https://doi.org/10.7759/cureus.54518

Chen, M., & Decary, M. (2020). Artificial intelligence in healthcare: An essential guide for health leaders. Healthcare Management Forum, 33(1), 10–18. https://doi.org/10.1177/0840470419873123 DOI: https://doi.org/10.1177/0840470419873123

Davenport, T., & Kalakota, R. (2019). The potential for artificial intelligence in healthcare. Future Healthcare Journal, 6(2), 94–98. https://doi.org/10.7861/futurehosp.6-2-94 DOI: https://doi.org/10.7861/futurehosp.6-2-94

Gehder, S., & Goeldner, M. (2025). Análisis de los factores de rendimiento de los sistemas de innovación y estudio del intento de Alemania de fomentar el papel del paciente mediante una vía de acceso al mercado para las aplicaciones de salud digital (DiGAs): estudio exploratorio de métodos mixtos. Journal of Medical Internet Research, 27, e66356.

He, J., Baxter, S. L., Xu, J., Xu, J., Zhou, X., & Zhang, K. (2019). The practical implementation of artificial intelligence technologies in medicine. Nature Medicine, 25(1), 30–36. https://doi.org/10.1038/s41591-018-0307-0 DOI: https://doi.org/10.1038/s41591-018-0307-0

Huang, H., Lyu, W., Hasan, M. M., & Houser, S. H. (2025). Adoption of machine learning in US hospital electronic health record systems: Retrospective observational study. Journal of Medical Internet Research, 27, e76126. https://doi.org/10.2196/76126 DOI: https://doi.org/10.2196/76126

Jiang, F., Jiang, Y., Zhi, H., Dong, Y., Li, H., Ma, S., Wang, Y., Dong, Q., Shen, H., & Wang, Y. (2017). Artificial intelligence in healthcare: Past, present and future. Stroke and Vascular Neurology, 2(4), 230–243. https://doi.org/10.1136/svn-2017-000101 DOI: https://doi.org/10.1136/svn-2017-000101

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71 DOI: https://doi.org/10.1136/bmj.n71

Rajkomar, A., Dean, J., & Kohane, I. (2019). Machine learning in medicine. The New England Journal of Medicine, 380(14), 1347–1358. https://doi.org/10.1056/NEJMra1814259 DOI: https://doi.org/10.1056/NEJMra1814259

Reddy, S., Fox, J., & Purohit, M. P. (2019). Artificial intelligence-enabled healthcare delivery. Journal of the Royal Society of Medicine, 112(1), 22–28. https://doi.org/10.1177/0141076818815510 DOI: https://doi.org/10.1177/0141076818815510

Secinaro, S., Calandra, D., Secinaro, A., Muthurangu, V., & Biancone, P. (2021). The role of artificial intelligence in healthcare: A structured literature review. BMC Medical Informatics and Decision Making, 21(1), 125. https://doi.org/10.1186/s12911-021-01488-9 DOI: https://doi.org/10.1186/s12911-021-01488-9

Topol, E. (2019). High-performance medicine: The convergence of human and artificial intelligence. Nature Medicine, 25(1), 44–56. https://doi.org/10.1038/s41591-018-0300-7 DOI: https://doi.org/10.1038/s41591-018-0300-7

Wang, Y., Kung, L., Wang, W. Y. C., & Cegielski, C. G. (2018). An integrated big data analytics-enabled transformation model: Application to health care. Information & Management, 55(1), 64–79. https://doi.org/10.1016/j.im.2017.04.001 DOI: https://doi.org/10.1016/j.im.2017.04.001

Yu, K. H., Beam, A. L., & Kohane, I. S. (2018). Artificial intelligence in healthcare. Nature Biomedical Engineering, 2(10), 719–731. https://doi.org/10.1038/s41551-018-0305-z DOI: https://doi.org/10.1038/s41551-018-0305-z

Zhang, Z., Cui, F., & Li, M. (2022). Machine learning applications in hospital operations and management: A systematic review. Healthcare Analytics, 2, 100091. https://doi.org/10.1016/j.health.2022.100091

Ahmed, Z., Mohamed, K., Zeeshan, S., & Dong, X. (2020). Artificial intelligence with multi-functional machine learning platform development for better healthcare and precision medicine. Database, 2020, baaa010. https://doi.org/10.1093/database/baaa010 DOI: https://doi.org/10.1093/database/baaa010

Sharma, M., Savage, C., Nair, M., Larsson, I., Svedberg, P., & Nygren, J. M. (2022). Artificial intelligence applications in health care practice: Scoping review. Journal of Medical Internet Research, 24(10), e40238. https://doi.org/10.2196/40238 DOI: https://doi.org/10.2196/40238

Bohr, A., & Memarzadeh, K. (Eds.). (2020). Artificial intelligence in healthcare. Academic Press. DOI: https://doi.org/10.1016/B978-0-12-818438-7.00002-2

Krittanawong, C., Rogers, A. J., Johnson, K. W., Wang, Z., Turakhia, M. P., Halperin, J. L., & Narayan, S. M. (2017). Integration of novel monitoring devices with machine learning technology for scalable cardiovascular management. Nature Reviews Cardiology, 14(12), 753–763. https://doi.org/10.1038/nrcardio.2017.115 DOI: https://doi.org/10.1038/nrcardio.2017.115

Esteva, A., Robicquet, A., Ramsundar, B., Kuleshov, V., DePristo, M., Chou, K., Cui, C., Corrado, G., Thrun, S., & Dean, J. (2019). A guide to deep learning in healthcare. Nature Medicine, 25(1), 24–29. https://doi.org/10.1038/s41591-018-0316-z DOI: https://doi.org/10.1038/s41591-018-0316-z

Mesko, B., Hetenyi, G., & Gyorffy, Z. (2018). Will artificial intelligence solve the human resource crisis in healthcare? BMC Health Services Research, 18(1), 545. https://doi.org/10.1186/s12913-018-3359-4 DOI: https://doi.org/10.1186/s12913-018-3359-4

Jha, S., Topol, E. J., & Adibuzzaman, M. (2023). Operational applications of artificial intelligence in healthcare administration: A review. Healthcare, 11(7), 945. https://doi.org/10.3390/healthcare11070945 DOI: https://doi.org/10.3390/healthcare11070945

Kuo, M. H., Sahama, T., Kushniruk, A. W., Borycki, E. M., & Grunwell, D. K. (2014). Health big data analytics: Current perspectives, challenges and potential solutions. International Journal of Big Data Intelligence, 1(1–2), 114–126. https://doi.org/10.1504/IJBDI.2014.065849 DOI: https://doi.org/10.1504/IJBDI.2014.063835

Bresnick, J. (2019). How artificial intelligence is transforming healthcare administration. HealthITAnalytics. https://healthitanalytics.com/features/how-artificial-intelligence-is-transforming-healthcare-administration

Licencia

Cómo citar

Dazza Pineda, C. A., & Garzón Leon, F. A. (2026). De los datos a la decisión: revisión sistemática del rol de la inteligencia artificial y el machine learning en la optimización de la gestión administrativa de Instituciones de Salud. Biociencias (UNAD), 9(1). https://doi.org/10.22490/26194759.11707

Descargar cita

Almétricas