Percepción de la utilidad de la inteligencia artificial en residentes médicos del hospital IESS Ceibos
Perception of the usefulness of artificial intelligence in medical residents of the IESS Ceibos Hospital
DOI:
https://doi.org/10.56712/latam.v7i2.5806Palabras clave:
inteligencia artificial, educación médica, residentes, percepción, salud digitalResumen
Este estudio examinó cómo los médicos residentes del Hospital General del Norte de Guayaquil IESS Ceibos perciben la utilidad de la inteligencia artificial (IA), teniendo en cuenta su cada vez mayor importancia tanto en el ejercicio clínico como en la formación médica actual. Se utilizó una metodología mixta de carácter no experimental, descriptivo y transversal, se realizó una encuesta estructurada a 120 residentes, la cual fue complementada con preguntas abiertas para explorar en detalle las experiencias y valoraciones de los participantes. Los resultados mostraron que, en general, la IA es percibida de manera positiva, particularmente en cuanto a su habilidad para mejorar el trabajo clínico, perfeccionar la toma de decisiones y consolidarse como una herramienta común en la medicina del futuro. No obstante, se observó una discrepancia notable entre esta evaluación positiva y la escasa educación formal adquirida, además de obstáculos relacionados con el desconocimiento técnico y la falta de directrices institucionales; la evaluación cualitativa posibilitó el reconocimiento de categorías emergentes vinculadas a la IA como instrumento auxiliar, la falta de formación, las inquietudes éticas y la necesidad de regulación. En general, los descubrimientos indican que, a pesar de la gran disposición para adoptar la IA, su incorporación efectiva está sujeta al fortalecimiento de la educación en habilidades digitales y a la creación de estrategias institucionales que aseguren su uso crítico y clínicamente relevante. Se determina que, para incluir la IA en la práctica médica, es esencial tener una percepción de utilidad; sin embargo, esta debe ir acompañada de procesos educativos bien organizados.
Descargas
Citas
Ahsan, M. M. (2025). Artificial intelligence in healthcare: Applications, challenges, and future directions. Journal of Medical Systems, 49(2), 45–60. https://doi.org/10.1007/s10916-025-01890-2
Almache, J., Cedeño, M., & Torres, P. (2025). Transformación digital en la educación médica: Integración de tecnologías emergentes en América Latina. Revista Latinoamericana de Educación Médica, 13(1), 25–38.
Bolaño-García, M., & Duarte-Acosta, M. (2023). Inteligencia artificial y salud en América Latina: Retos y oportunidades en la formación médica. Salud Pública de México, 65(4), 512–520. https://doi.org/10.21149/13945
Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd ed.). SAGE Publications.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill.
Jebreen, A., Alhassan, S., & Alotaibi, R. (2024). Medical students’ and residents’ perceptions of artificial intelligence in clinical practice: A cross-sectional study. BMC Medical Education, 24(1), 112. https://doi.org/10.1186/s12909-024-04567-8
Li, X., & Qin, J. (2023). Artificial intelligence in medical education: Current applications and future directions. Medical Education Online, 28(1), 219–230. https://doi.org/10.1080/10872981.2023.2189012
Luzuriaga, D., Pérez, V., & Andrade, L. (2025). Competencias digitales en residentes médicos: Desafíos en la era de la inteligencia artificial. Revista Ecuatoriana de Educación Médica, 9(2), 55–67.
Molina, R., Sánchez, J., & Herrera, F. (2025). Integración de la inteligencia artificial en sistemas de salud: Implicaciones para la formación médica. Revista de Salud Digital, 7(1), 15–29.
Peng, Y., Zhang, Q., & Wang, H. (2025). Artificial intelligence in clinical decision-making: A systematic review of applications and outcomes. The Lancet Digital Health, 7(1), e15–e28. https://doi.org/10.1016/S2589-7500(24)00234-6
Pérez-Velasco, M., & Álvarez-Hernández, J. (2025). Alfabetización en inteligencia artificial en profesionales de la salud: Una revisión crítica. Educación Médica Superior, 39(1), e3456.
Pucchio, A., Capraro, M., & Gatti, M. (2022). Knowledge and attitudes toward artificial intelligence among healthcare professionals: A global perspective. Frontiers in Digital Health, 4, 876543. https://doi.org/10.3389/fdgth.2022.876543
Regatto-Bonifaz, N., Torres, E., & Villacrés, F. (2023). Aprendizaje autorregulado en educación médica: Nuevos desafíos en entornos digitales. Revista Iberoamericana de Educación Superior, 14(40), 120–135.
Seneviratne, M., Shah, N. H., & Chu, L. (2025). Bridging the gap between artificial intelligence and clinical practice: Challenges and opportunities. Nature Medicine, 31(2), 210–218. https://doi.org/10.1038/s41591-025-02876-4
Shishehgar, M., Kerr, D., & Blake, J. (2025). The role of artificial intelligence in healthcare: A systematic review of perceptions and adoption. Journal of Medical Internet Research, 27, e54321. https://doi.org/10.2196/54321
Zimmerman, B. J. (2013). From cognitive modeling to self-regulation: A social cognitive career path. Educational Psychologist, 48(3), 135–147. https://doi.org/10.1080/00461520.2013.794676
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Diana Cristina Castillo Ortiz

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













