Inteligencia artificial y triaje en urgencias: ¿sustitución o apoyo al juicio clínico enfermero?

AUTORES

1. Angela Palacios Moreno. Enfermera. Zaragoza, España.
2. Julia de la Pinta Canut. Enfermera. Zaragoza, España.
3. Cristian Ruiz Sánchez. Enfermero. Zaragoza, España.
4. Álvaro Oliva Domínguez. Enfermero. Zaragoza, España.
5. Alfonso Gracía Afonso. Enfermero. Zaragoza, España.

RESUMEN

El triaje en los servicios de urgencias constituye una herramienta esencial para garantizar la priorización adecuada de los pacientes a la hora de ser atendidos en la unidad de urgencias. En los últimos años, la inteligencia artificial (IA) ha emergido como una estrategia innovadora para optimizar este proceso mediante algoritmos predictivos y sistemas automatizados. Sin embargo, su aplicación plantea interrogantes relevantes sobre la posible sustitución del juicio clínico enfermero.

El objetivo de esta revisión sistemática es analizar la evidencia científica acerca del uso de la inteligencia artificial en el triaje de pacientes, centrándose especialmente en los resultados obtenidos en distintos estudios y en la percepción del personal de enfermería.

Se realizó una búsqueda en PubMed incluyendo artículos recientes, de acceso libre y en inglés. Los resultados muestran que la IA puede mejorar la eficiencia del triaje, reducir tiempos de espera y aumentar la precisión en la clasificación de pacientes. No obstante, se evidencian limitaciones importantes relacionadas con la interpretación clínica del paciente, especialmente en situaciones complejas.

Las opiniones del personal de enfermería reflejan una aceptación moderada de la IA como herramienta de apoyo, destacando su utilidad organizativa, pero manifestando la necesidad de mantener el juicio clínico. El denominado “ojo clínico” enfermero sigue siendo determinante para la correcta valoración del paciente.

En conclusión, la inteligencia artificial debe integrarse como herramienta complementaria en el triaje, manteniendo el liderazgo del profesional enfermero en la toma de decisiones clínicas.

PALABRAS CLAVE

Enfermero, servicio de urgencias en hospital, triaje.

ABSTRACT

Triage in emergency departments constitutes an essential tool to ensure the appropiate priorization of patients when being attended to the emergency department. In recent years, artificial intelligence (AI) has emerged as an innovative strategy to optimize this process through predictive algorithms and automated systems. However, its implementation raises concerns regarding the potential replacement of nursing clinical judgment.

The aim of this systematic review is to analyze scientific evidence on the use of AI in patient triage, focusing particularly on outcomes and nurses’ perceptions.

A PubMed search including recent, free full-text articles in English was conducted. Results show that AI can improve triage efficiency, reduce waiting times, and enhance classification accuracy. Nevertheless, significant limitations are observed in clinical interpretation, particularly in complex cases.

Nurses’ perceptions indicate moderate acceptance of AI as a supportive tool, highlighting organizational benefits but emphasizing the need to preserve clinical judgment. Nursing intuition remains essential for accurate patient assessment.

In conclusion, AI should be integrated as a complementary tool in triage, while maintaining the central role of nurses in clinical decision-making.

KEY WORDS

Nurse, emergency service, hospital, triage.

INTRODUCCIÓN

El triaje es un proceso fundamental en los servicios de urgencias que permite clasificar a los pacientes en función de la gravedad de su situación clínica y priorizar su atención¹. Tradicionalmente, esta función ha sido desempeñada por profesionales de enfermería, quienes combinan protocolos estructurados con la experiencia clínica para tomar decisiones adecuadas¹.

En los últimos años, la inteligencia artificial ha adquirido un papel creciente en la atención sanitaria, especialmente en áreas relacionadas con la toma de decisiones clínicas. Convirtiéndose en una herramienta capaz de procesar un gran volúmen de datos clínicos y generar decisiones automatizadas². En el contexto del triaje, su utilización se basa en el análisis automatizado de variables clínicas para clasificar a los pacientes de forma rápida y estandarizada³.

Sin embargo, el proceso de triaje no es completamente objetivo. La valoración enfermera incorpora aspectos subjetivos, como la impresión general del paciente, la experiencia previa y la capacidad de detectar signos clínicos sutiles. Este “ojo clínico” permite, en muchas ocasiones, reclasificar situaciones que no encajan completamente en los algoritmos establecidos, en función de la situación real del paciente⁴.

OBJETIVOS

Objetivo general:

• Analizar el impacto del uso de inteligencia artificial en el triaje de pacientes en el servicio de urgencias.

Objetivos específicos:

• Evaluar la eficacia de la inteligencia artificial en la clasificación de pacientes.
• Examinar las percepciones del personal de enfermería sobre su uso.
• Identificar las limitaciones del triaje automatizado.
• Comparar el rendimiento de la IA con el juicio clínico enfermero.

METODOLOGÍA

Se realizó una revisión sistemática de la literatura mediante búsqueda en bases de datos biomédicas como Pubmed.

Criterios de inclusión:

• Artículos publicados en los últimos 5 años.
• Texto completo gratuito.
• Idioma inglés.
• Relación con IA y triaje.

En dicha búsqueda, se obtuvieron 21 resultados. Se analizaron los estudios seleccionados mediante síntesis cualitativa y finalmente se emplearon 7 artículos.

RESULTADOS

Los estudios revisados evidencian que la inteligencia artificial es capaz de mejorar la eficiencia del triaje al reducir el tiempo necesario para clasificar a los pacientes². Además, se ha observado una mejora en la precisión en determinados contextos clínicos, especialmente en el reconocimiento de cuadros graves⁵.

Sin embargo, los sistemas de IA presentan limitaciones en la interpretación de datos no estructurados, como la comunicación verbal, el estado emocional o los cambios sutiles en el estado general del paciente ⁴. Estos factores, habitualmente detectados por profesionales de enfermería, son difíciles de integrar en algoritmos automatizados, llegando a generar discrepancias en la clasificación.

Desde la perspectiva del personal sanitario, los estudios cualitativos muestran que las enfermeras valoran positivamente la IA como herramienta de apoyo, destacando su utilidad para reducir la carga de trabajo y mejorar la organización asistencial⁶. No obstante, también se identifican preocupaciones relacionadas con la pérdida de autonomía profesional y la dependencia tecnológica⁶.

Asimismo, se destaca la importancia del juicio clínico en la toma de decisiones. En numerosas situaciones, la valoración enfermera permite modificar el nivel de prioridad asignado por sistemas automatizados, basándose en la experiencia y en la impresión clínica global del paciente.

DISCUSIÓN-CONCLUSIONES

La inteligencia artificial representa una herramienta prometedora para mejorar la eficiencia del triaje en los servicios de urgencias³. Sin embargo, su capacidad para sustituir el juicio clínico enfermero es limitada, debido a que no se trata de un proceso rígido. Es una clasificación que implica una evaluación multifactorial.

El triaje es un proceso complejo que requiere, no solo la interpretación de datos objetivos, sino también la integración de elementos subjetivos y experiencia clínica⁴. El llamado “ojo clínico” enfermero permite identificar situaciones de riesgo que pueden no ser detectadas por sistemas automatizados.

Además, la implementación de IA plantea retos éticos y profesionales, relacionados con la autonomía del profesional y la seguridad del paciente⁷. Por ello, su uso debe plantearse como un apoyo a la toma de decisiones y no como un sustituto.

En conclusión, la combinación entre inteligencia artificial y juicio clínico enfermero constituye el modelo más adecuado para optimizar el triaje, garantizando una atención segura, eficaz y centrada en el paciente.

BIBLIOGRAFÍA

1. Mao X., Liu N., Wang H., Wang Q., Xia S., Ma X., et al. Perceptions and attitudes of emergency department nurses toward artificial intelligence applications in triage: a qualitative study. Front Public Health. 2026;14:1795233. doi: 10.3389/fpubh.2026.1795233. Disponible en: https://pmc.ncbi.nlm.nih.gov/articles/PMC13033648/
2. Cho A., Min I.K., Hong S., Chung H.S., Lee H.S., Kim J.H. Effect of applying a real-time medical record input assistance system with voice artificial intelligence on triage task performance in the emergency department: Prospective Interventional Study. JMIR Med Inform. 2022;10(8):e39892. doi: 10.2196/39892 . Disponible en: https://pmc.ncbi.nlm.nih.gov/articles/PMC9475416/
3. Liu X., Lai R., Wu C., Yan C., Gan Z., Yang Y., et al . Assessing the utility of artificial intelligence throughout the triage outpatients: a prospective randomized controlled clinical study. Front Public Health. 2024;12:1391906. doi: 10.3389/fpubh.2024.1391906 Disponible en: https://pmc.ncbi.nlm.nih.gov/articles/PMC11171710/
4. Ilicki J. Challenges in evaluating the accuracy of AI-containing digital triage systems: A systematic review. PLoS One. 2022 Dec 27;17(12):e0279636. doi: 10.1371/journal.pone.0279636 . Disponible en: https://pmc.ncbi.nlm.nih.gov/articles/PMC9794085/
5. Hinson J.S., Levin S.R., Steinhart B.D., Chmura C., Sangal R.B., Venkatesh A.K.,et al. Enhancing emergency department triage equity with artificial intelligence:Outcomes From a Multisite Implementation. Annals of Emergency Medicine. 2025 Mar ;85(3):288–290. Disponible en: https://www.annemergmed.com/article/S0196-0644(24)01141-7/fulltext
6. Petrica A., Marza A.M., Barsac C., Cebzan A., Dragan I., Zaharie D., et al. Artificial intelligence in emergency department triage: perspective of human professionals. Front Digit Health. 2025 Jan 6;7:1693060. doi: 10.3389/fdgth.2025.1693060. Disponible en: https://pmc.ncbi.nlm.nih.gov/articles/PMC12816261/
7. Friedman A.B., Delgado M.K., Weissman G.E. Artificial intelligence for emergency care triage. JAMA Netw Open. 2024 May 7 ;7(5):e248857. doi:10.1001/jamanetworkopen.2024.8857. Disponible en: https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2818391