Avances en la integración de la inteligencia artificial (IA) en la planificación quirúrgica ortopédica: de la predicción de resultados a la cirugía asistida por IA

AUTORES

1. Javier Oliva Torcal. Servicio de Cirugía Ortopédica y Traumatología. Hospital Clínico Universitario Lozano Blesa, Zaragoza. España.
2. Alberto San Pedro Murillo. Servicio de Cirugía Ortopédica y Traumatología. Hospital Clínico Universitario Lozano Blesa, Zaragoza. España.
3. Irene Cemborain Goñi. Servicio de Cirugía Ortopédica y Traumatología. Hospital Clínico Universitario Lozano Blesa, Zaragoza. España.
4. Elena García Cristobal. Servicio de Cirugía Ortopédica y Traumatología. Hospital Clínico Universitario Lozano Blesa, Zaragoza. España.
5. Roberto Alexander Feliz Velasquez. Servicio de Cirugía Ortopédica y Traumatología. Hospital Clínico Universitario Lozano Blesa, Zaragoza. España.
6. Gabriel Benigno Ferrer Expósito. Servicio de Cirugía Ortopédica y Traumatología. Hospital Clínico Universitario Lozano Blesa, Zaragoza. España.

RESUMEN

La inteligencia artificial (IA) se ha consolidado en los últimos años como una herramienta con gran potencial transformador en el ámbito de la cirugía ortopédica, especialmente en los procesos de planificación quirúrgica. El objetivo de esta revisión es analizar de forma sistemática la evidencia científica disponible sobre la integración de la IA en la planificación quirúrgica ortopédica, desde la predicción de resultados clínicos hasta la asistencia intraoperatoria. Se realizó una revisión bibliográfica en las bases de datos PubMed/MEDLINE, Scopus y Web of Science, incluyendo estudios publicados entre enero de 2018 y abril de 2025 en español e inglés. Los resultados muestran que los algoritmos de aprendizaje automático y aprendizaje profundo permiten mejorar la precisión diagnóstica, optimizar la planificación preoperatoria, predecir complicaciones postoperatorias y facilitar el desarrollo de cirugía asistida por sistemas inteligentes. Asimismo, se identifican avances relevantes en segmentación de imágenes, modelado tridimensional y personalización de implantes. No obstante, persisten limitaciones relacionadas con la validación clínica externa, la calidad de los datos y los aspectos éticos y legales. En conclusión, la IA representa una herramienta estratégica para mejorar la precisión, seguridad y eficiencia de la cirugía ortopédica, si bien su implementación generalizada requiere marcos regulatorios sólidos y formación específica de los profesionales sanitarios.

PALABRAS CLAVE

Inteligencia artificial, cirugía ortopédica, planificación quirúrgica, aprendizaje automático, modelos predictivos.

ABSTRACT

Artificial intelligence (AI) has become, in recent years, a tool with great transformative potential in the field of orthopaedic surgery, particularly in surgical planning processes. The aim of this review is to systematically analyse the available scientific evidence on the integration of AI in orthopaedic surgical planning, ranging from the prediction of clinical outcomes to intraoperative assistance. A literature review was conducted using the PubMed/MEDLINE, Scopus and Web of Science databases, including studies published between January 2018 and April 2025 in Spanish and English. The results show that machine learning and deep learning algorithms improve diagnostic accuracy, optimise preoperative planning, predict postoperative complications and facilitate the development of surgery assisted by intelligent systems. In addition, relevant advances have been identified in image segmentation, three-dimensional modelling and implant personalisation. Nevertheless, limitations related to external clinical validation, data quality and ethical and legal aspects persist. In conclusion, AI represents a strategic tool to improve the precision, safety and efficiency of orthopaedic surgery, however, its widespread implementation requires robust regulatory frameworks and specific training for healthcare professionals.

KEY WORDS

Artificial intelligence, orthopaedic surgery, surgical planning, machine learning, predictive models.

INTRODUCCIÓN

El uso de la inteligencia artificial (IA) ha crecido rápidamente en muchos ámbitos, y el campo de la medicina no es una excepción. Tradicionalmente, la IA es un término general que originalmente teorizaba la replicación del intelecto humano mediante ordenadores. Se estima que la IA podría reducir los costes anuales del sistema sanitario estadounidense en 150.000 millones de dólares para 2026. Una parte considerable de esta reducción de costes proviene de adoptar un enfoque proactivo en la gestión de la salud, lo que se espera que derive en menos hospitalizaciones, menos visitas al médico y menor duración de los tratamientos¹.

Las enfermedades musculoesqueléticas son la principal causa de discapacidad a nivel mundial, afectando aproximadamente a 1.710 millones de personas. En consecuencia, la demanda actual de procedimientos quirúrgicos ortopédicos programados está sobrecargando los sistemas sanitarios a nivel global, situación que se ha visto agravada por la pandemia de COVID-19 y los efectos del envejecimiento poblacional. Los pacientes enfrentan tiempos de espera prolongados para recibir el tratamiento necesario, lo que conlleva un deterioro adicional de su estado y potencialmente peores resultados clínicos cuando finalmente se someten a cirugía².

La IA ofrece un gran potencial para transformar la ortopedia programada, con aplicaciones muy diversas a lo largo del periodo perioperatorio, incluyendo la automatización del diagnóstico por imagen, herramientas de apoyo en la toma de decisiones clínicas, optimización del diseño de implantes, cirugía robótica y monitorización remota de pacientes. La incorporación de estas herramientas en el entorno clínico podría optimizar la atención al paciente y mejorar la eficiencia del sistema, con el consiguiente potencial de reducir las listas de espera. Sin embargo, a pesar del creciente cuerpo de investigaciones ortopédicas en IA, persisten diversos desafíos y su aplicación actual en la práctica clínica sigue siendo limitada².

METODOLOGÍA

Se realizó una revisión bibliográfica narrativa con el objetivo de analizar y sintetizar la evidencia científica disponible sobre la aplicación de inteligencia artificial (IA) en la planificación quirúrgica ortopédica, abarcando desde la predicción de resultados hasta la asistencia intraoperatoria. La búsqueda se efectuó en las bases de datos biomédicas PubMed/MEDLINE, Scopus y Web of Science, incluyendo literatura publicada entre enero de 2018 y abril de 2025, en inglés y español.

Los términos empleados para la estrategia de búsqueda fueron combinaciones de palabras clave y operadores booleanos: “artificial intelligence” OR “machine learning” OR “deep learning” AND “orthopaedic surgery” OR “orthopedic planning” OR “surgical planning” OR “computer-assisted surgery”. Se aplicaron filtros para seleccionar únicamente estudios en humanos, artículos originales, revisiones sistemáticas, metaanálisis y comunicaciones científicas relevantes.

Los criterios de inclusión fueron:

• Estudios que abordaran aplicaciones clínicas o experimentales de IA en cirugía ortopédica.
• Artículos que describieran metodologías específicas de integración de IA en la planificación

preoperatoria o en sistemas de asistencia quirúrgica.

• Publicaciones en revistas científicas con revisión por pares.

Se excluyeron trabajos duplicados, artículos sin acceso al texto completo, publicaciones centradas exclusivamente en otras especialidades médicas, así como estudios preliminares sin validación clínica o aplicabilidad quirúrgica directa.

La información extraída se organizó según el tipo de aplicación de IA (planificación, predicción de resultados, asistencia robótica, segmentación de imágenes, modelado 3D), el nivel de evidencia, los métodos utilizados y las conclusiones principales.

RESULTADOS

En el ámbito clínico, la IA ha demostrado una utilidad creciente en la traumatología ortopédica. Algoritmos de aprendizaje automático han sido entrenados para analizar imágenes médicas, historias clínicas electrónicas y datos de sensores con el fin de mejorar la detección de fracturas, estimar el riesgo de complicaciones postoperatorias y asistir en la toma de decisiones prequirúrgicas. El uso de modelos predictivos ha logrado reducir el error diagnóstico en fracturas ocultas y ha optimizado la planificación de tratamientos individualizados³.

La capacidad de los modelos de lenguaje de gran escala (LLMs) para generar contenido científico relevante también ha sido objeto de estudio. En un experimento controlado, se demostró que un LLM puede redactar artículos en ortopedia indistinguibles de los manuscritos escritos por especialistas, al menos en términos de estructura y redacción científica. Los revisores humanos no lograron identificar correctamente el origen de los textos en un número significativo de casos, lo que subraya el potencial de estas herramientas para apoyar la producción académica y la redacción de documentación clínica⁴.

Desde una perspectiva más amplia, se ha documentado que la evolución de la IA en cirugía ortopédica ha pasado de sistemas básicos de apoyo a la decisión a modelos complejos de redes neuronales convolucionales, capaces de segmentar imágenes tridimensionales, planificar trayectorias de corte y anticipar el comportamiento

biomecánico de los implantes. No obstante, persisten desafíos importantes, como la validación clínica externa de los algoritmos, el acceso a datos clínicos estructurados y la regulación ética y legal del uso de IA en medicina⁵.

Por otro lado, la inteligencia artificial está comenzando a ocupar un lugar relevante en la formación médica y en la investigación, especialmente entre residentes y jóvenes investigadores. Su uso en tareas como la minería de datos, la automatización de revisiones bibliográficas o la elaboración de bases de datos ha permitido optimizar el tiempo y mejorar la productividad científica en etapas formativas⁶.

Finalmente, una recopilación de casos clínicos y experiencias prácticas demuestra cómo la IA se está incorporando de forma transversal en diversas subespecialidades ortopédicas, desde la artroplastia hasta la cirugía ortopédica pediátrica. Particularmente destacable es su uso en la generación de modelos anatómicos tridimensionales personalizados para la planificación quirúrgica, la navegación intraoperatoria y la adaptación de implantes, lo cual ha demostrado reducir los errores quirúrgicos y mejorar la precisión técnica⁷.

En conjunto, los resultados de esta revisión confirman el avance progresivo y transversal de la inteligencia artificial en ortopedia, tanto en la práctica clínica como en el ámbito académico, abriendo nuevas posibilidades para una cirugía más precisa, personalizada y eficiente.

CONCLUSIONES

La integración progresiva de la inteligencia artificial en la cirugía ortopédica representa un cambio de paradigma en la forma en que los cirujanos planifican, ejecutan y evalúan los procedimientos quirúrgicos. La evidencia revisada demuestra que la IA tiene ya un impacto real y medible en múltiples etapas del proceso clínico, desde el diagnóstico y la predicción de complicaciones, hasta la generación automatizada de conocimiento y el apoyo a la formación especializada¹.

En el ámbito de la traumatología ortopédica, los algoritmos de aprendizaje automático han mostrado una capacidad notable para mejorar la precisión diagnóstica, identificar patrones complejos en la imagen médica y facilitar la toma de decisiones terapéuticas en escenarios de alta carga asistencial. Esta automatización no pretende reemplazar al cirujano, sino complementarlo, proporcionando herramientas objetivas y reproducibles que reducen la variabilidad interobservador¹.

Asimismo, los avances en modelos de lenguaje como los LLM abren nuevas posibilidades en la redacción científica y en la documentación clínica. La capacidad de estos sistemas para generar textos estructurados y científicamente verosímiles, como ha demostrado Brameier et al., sugiere que la IA puede desempeñar un papel relevante en la elaboración de informes, publicaciones e incluso en la educación médica continua⁴.

La evolución histórica de la IA en ortopedia revela una transición desde herramientas analíticas simples a sistemas complejos basados en redes neuronales profundas. No obstante, aún existen barreras que dificultan su implementación clínica universal, entre ellas la falta de validación externa, la integración con sistemas de historia clínica electrónica y las incertidumbres legales sobre la responsabilidad en decisiones asistidas por IA⁵.

Además, el uso de IA por parte de residentes y jóvenes investigadores pone de manifiesto su valor como herramienta formativa y de apoyo a la investigación, facilitando la revisión bibliográfica, la estructuración de datos clínicos y la formulación de hipótesis. Este enfoque podría contribuir a democratizar el acceso a la producción científica y mejorar la eficiencia investigadora⁸.

Por último, la aplicación transversal de la IA en distintas subespecialidades ortopédicas, tal como se describe en la obra de Familiari et al., sugiere un futuro donde la planificación quirúrgica personalizada, la simulación preoperatoria basada en datos y la asistencia robótica estarán cada vez más presentes en la práctica clínica habitual⁷.

En conclusión, la IA se perfila como una herramienta estratégica para transformar la cirugía ortopédica, haciendo que los procedimientos sean más seguros, precisos y personalizados. Sin embargo, su incorporación plena requerirá esfuerzos coordinados en validación clínica, integración tecnológica, formación profesional y regulación ética.

BIBLIOGRAFÍA

1. Lisacek-Kiosoglous, A. B., Powling, A. S., Fontalis, A., Gabr, A., Mazomenos, E., & Haddad, F. S. (2023). Artificial intelligence in orthopaedic surgery. Bone & joint research, 12(7), 447–454. https://doi.org/10.1302/2046-3758.127.BJR-2023-0111.R1
2. Georgiakakis, E. C. T., Khan, A. M., Logishetty, K., & Sarraf, K. M. (2024). Artificial intelligence in planned orthopaedic care. SICOT-J, 10, 49. https://doi.org/10.1051/sicotj/2024044
3. Tian, C., Chen, X., Zhu, H., Qin, S., Shi, L., & Rui, Y. (2023). Zhongguo xiu fu chong jian wai ke za zhi = Zhongguo xiufu chongjian waike zazhi = Chinese journal of reparative and reconstructive surgery, 37(12), 1562–1568. https://doi.org/10.7507/1002-1892.202308064
4. Brameier, D. T., Alnasser, A. A., Carnino, J. M., Bhashyam, A. R., von Keudell, A. G., & Weaver, M. J. (2023). Artificial Intelligence in Orthopaedic Surgery: Can a Large Language Model «Write» a Believable Orthopaedic Journal Article?. The Journal of bone and joint surgery. American volume, 105(17), 1388– 1392. https://doi.org/10.2106/JBJS.23.00473
5. Kurmis, A. P., & Ianunzio, J. R. (2022). Artificial intelligence in orthopedic surgery: evolution, current state and future directions. Arthroplasty (London, England), 4(1), 9. https://doi.org/10.1186/s42836- 022-00112-z
6. Perez, R. D. A., & Garcia, R. L. (2025). Artificial intelligence in orthopedic research assistance: a resident’s perspective. Musculoskeletal surgery, 10.1007/s12306-025-00894-w. Advance online publication. https://doi.org/10.1007/s12306-025-00894-w
7. Familiari, F., Galasso, O., Massazza, F., Mercurio, M., Fox, H., Srikumaran, U., & Gasparini, G. (2022). Artificial Intelligence in the Management of Rotator Cuff Tears. International journal of environmental research and public health, 19(24), 16779. https://doi.org/10.3390/ijerph192416779
8. Pérez, R. D. A., & García, R. L. (2025). Artificial intelligence in orthopedic research assistance: a resident’s perspective. Musculoskeletal surgery, 10.1007/s12306-025-00894-w. Advance online publication. https://doi.org/10.1007/s12306-025-00894-w