De los datos a la decisión: Inteligencia Artificial y Machine Learning en la gestión administrativa en salud

Claudia Angelica Dazza Pineda; Fabian Armando Garzón Leon

doi:10.22490/26194759.11901

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: Inteligencia Artificial y Machine Learning en la gestión administrativa en salud

DOI: https://doi.org/10.22490/26194759.11901

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 (IA) y el Machine Learning (ML) en la optimización de la gestión administrativa de las Instituciones de Salud, identificando sus principales aplicaciones, beneficios y desafíos en la toma de decisiones basada en datos. Metodología. Se desarrolló una revisión sistemática de la literatura siguiendo los lineamientos de PRISMA 2020, consultando las bases de datos PubMed, Scopus, SciELO y Web of Science, con publicaciones comprendidas entre 2016 y 2025. Los estudios seleccionados se organizaron en tres categorías analíticas: 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. Las principales aplicaciones identificadas fueron la predicción de ocupación de camas, la programación automatizada de personal, la gestión inteligente de inventarios, la detección de fraude, la predicción de glosas, los chatbots administrativos y los modelos predictivos de inasistencia a citas médicas. Conclusiones. La IA y el ML constituyen herramientas estratégicas para fortalecer la gestión administrativa en salud; sin embargo, su implementación efectiva exige interoperabilidad tecnológica, una sólida cultura de datos y el desarrollo de competencias digitales institucionales.

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

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

2. Alghareeb E, Aljehani N. AI in health care service quality: systematic review. JMIR AI. 2025;4:e69209. doi:10.2196/69209. DOI: https://doi.org/10.2196/69209

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

4. Bhagat SV, Kanyal D. Navigating the future: the transformative impact of artificial intelligence on hospital management—a comprehensive review. Cureus. 2024;16(2):e54518. doi:10.7759/cureus.54518. DOI: https://doi.org/10.7759/cureus.54518

5. Bohr A, Memarzadeh K, editors. Artificial intelligence in healthcare. Academic Press; 2020. DOI: https://doi.org/10.1016/B978-0-12-818438-7.00002-2

6. Bresnick J. How artificial intelligence is transforming healthcare administration [Internet]. HealthITAnalytics; 2019. Available from: https://healthitanalytics.com/features/how-artificial-intelligence-is-transforming-healthcare-administration

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

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

9. Esteva A, Robicquet A, Ramsundar B, Kuleshov V, DePristo M, Chou K, et al. A guide to deep learning in healthcare. Nature Medicine. 2019;25(1):24-29. doi:10.1038/s41591-018-0316-z. DOI: https://doi.org/10.1038/s41591-018-0316-z

10. Gehder S, Goeldner M. 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. 2025;27:e66356.

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

12. Huang H, Lyu W, Hasan MM, Houser SH. Adoption of machine learning in US hospital electronic health record systems: retrospective observational study. Journal of Medical Internet Research. 2025;27:e76126. doi:10.2196/76126. DOI: https://doi.org/10.2196/76126

13. Jha S, Topol EJ, Adibuzzaman M. Operational applications of artificial intelligence in healthcare administration: a review. Healthcare. 2023;11(7):945. doi:10.3390/healthcare11070945. DOI: https://doi.org/10.3390/healthcare11070945

14. Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, et al. Artificial intelligence in healthcare: past, present and future. Stroke and Vascular Neurology. 2017;2(4):230-243. doi:10.1136/svn-2017-000101. DOI: https://doi.org/10.1136/svn-2017-000101

15. Krittanawong C, Rogers AJ, Johnson KW, Wang Z, Turakhia MP, Halperin JL, et al. Integration of novel monitoring devices with machine learning technology for scalable cardiovascular management. Nature Reviews Cardiology. 2017;14(12):753-763. doi:10.1038/nrcardio.2017.115. DOI: https://doi.org/10.1038/nrcardio.2017.115

16. Kuo MH, Sahama T, Kushniruk AW, Borycki EM, Grunwell DK. Health big data analytics: current perspectives, challenges and potential solutions. International Journal of Big Data Intelligence. 2014;1(1-2):114-126. doi:10.1504/IJBDI.2014.065849. DOI: https://doi.org/10.1504/IJBDI.2014.063835

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

18. 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;372:n71. doi:10.1136/bmj.n71. DOI: https://doi.org/10.1136/bmj.n71

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

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

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

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

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

24. Wang Y, Kung L, Wang WYC, Cegielski CG. An integrated big data analytics-enabled transformation model: application to health care. Information & Management. 2018;55(1):64-79. doi:10.1016/j.im.2017.04.001. DOI: https://doi.org/10.1016/j.im.2017.04.001

25. Yu KH, Beam AL, Kohane IS. Artificial intelligence in healthcare. Nature Biomedical Engineering. 2018;2(10):719-731. doi:10.1038/s41551-018-0305-z. DOI: https://doi.org/10.1038/s41551-018-0305-z

26. Zhang Z, Cui F, Li M. Machine learning applications in hospital operations and management: a systematic review. Healthcare Analytics. 2022;2:100091. doi:10.1016/j.health.2022.100091.

Licencia

Cómo citar

Dazza Pineda, C. A., & Garzón Leon, F. A. (2026). De los datos a la decisión: Inteligencia Artificial y Machine Learning en la gestión administrativa en salud. Biociencias (UNAD), 9(1). https://doi.org/10.22490/26194759.11901

Descargar cita

Almétricas