Panorama general del uso de programas de inteligencia artificial por el farmacéutico hospitalario
una revisión integradora
DOI:
https://doi.org/10.59681/2175-4411.v18.2026.1544Palabras clave:
Inteligencia artificial, Prescripción de MedicamentosResumen
Objetivo: Analizar el panorama general del uso de programas de inteligencia artificial (IA) en el análisis de prescripciones por farmacéuticos hospitalarios. Métodos: Revisión integrativa sobre el uso de programas de inteligencia artificial en la revisión de prescripciones. La recolección de datos se realizó en las bases de datos indexadas MedLine/PubMed, BVS-BIREME, Web of Science, Scopus y literatura gris. Los estudios fueron categorizados y analizados según su calidad metodológica. Resultados: Se incluyeron nueve artículos, agrupados en dos categorías: detección de errores y optimización de procesos (5 estudios) y prevención de eventos adversos y priorización de casos críticos (4 estudios). La IA contribuyó a reducir los errores de medicación, automatizar tareas repetitivas y priorizar prescripciones de alto riesgo, aumentando la eficiencia y la seguridad. Conclusión: Aunque existe cierta evidencia de los impactos positivos de que la IA optimiza el análisis de prescripciones en farmacias hospitalarias, existen limitaciones como la dependencia de la calidad de los datos, la necesidad de actualizaciones frecuentes, la integración con registros médicos electrónicos y el uso por profesionales capacitados.
Descargas
Citas
Gomes AD, Galato D, Silva EV. Erros de prescrição de medicamentos potencialmente perigosos em um hospital terciário. Rev Bras Farm Hosp Serv Saude. 2017;8(3):42-7.
Leitão CL et al. Artificial intelligence in the clinical pharmacy service in a public hospital in Belo Horizonte/MG. Rev Bras Farm Hosp Serv Saude. 2023;14(3):0991.
Schiff GD et al. Screening for medication errors using an outlier detection system. J Am Med Inform Assoc. 2017;24(2):281-7.
Damasceno EMA et al. O papel do profissional farmacêutico no âmbito hospitalar. Rev Multitexto. 2019;7(1):47-52.
Amazonas LEL. A intervenção farmacêutica nos erros de prescrição em unidades de saúde: uma revisão integrativa [Trabalho de Conclusão de Curso]. Manaus: Universidade Federal do Amazonas; 2021.
Rocha MB, Silveira BP, Pilger D. Aprendizado de máquina nos serviços farmacêuticos: uma revisão integrativa. Clin Biomed Res. 2023;43(1):75-82.
Silva WAM. Tecnologias emergentes na assistência farmacêutica: explorando o uso da inteligência artificial na prevenção de erros de medicação [Trabalho de Conclusão de Curso]. Recife: Universidade Federal de Pernambuco; 2023.
Alshakrah MA, Steinke DT, Lewis PJ. Patient prioritization for pharmaceutical care in hospital: a systematic review of assessment tools. Res Social Adm Pharm. 2019;15(6):767-79.
Nunes HC, Guimarães RMC, Dadalto L. Desafios bioéticos do uso da inteligência artificial em hospitais. Rev Bioét. 2022;30(1):82-93.
Botelho LLR, Cunha CCA, Macedo M. O método da revisão integrativa nos estudos organizacionais. Gestão Soc. 2011;5(11):121-36.
Mascarenhas VH et al. Evidências científicas sobre métodos não farmacológicos para alívio da dor do parto. Acta Paul Enferm. 2019;32(3):350-7.
Ouzzani M et al. Rayyan: a web and mobile app for systematic reviews. Syst Rev. 2016;5(1):210.
Page MJ et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71.
Howick J et al. The Oxford 2011 levels of evidence. Oxford Centre for Evidence-Based Medicine. 2011 [citado 2024 out 25]. Disponível em: https://www.cebm.ox.ac.uk/resources/levels-of-evidence/ocebm-levels-of-evidence.
Smoke S. Inteligência artificial em farmácia: um guia para clínicos. Am J Health Syst Pharm. 2024;81(14):641-6.
Huang K et al. CASTER: predicting drug interactions with chemical substructure representation. AAAI Conf Artif Intell. 2020;34(1):702-9.
Flynn A. Using artificial intelligence in health-system pharmacy practice: finding new patterns that matter. Am J Health Syst Pharm. 2019;76(9):622-7.
Obermeyer Z et al. Dissecting racial bias in an algorithm used to manage the health of populations. Science. 2019;366(6464):447-53.
Zhou N et al. Concordance study between IBM Watson for Oncology and clinical practice for patients with cancer in China. Oncologist. 2019;24(6):812-9.
Vaid A et al. Implications of the use of artificial intelligence predictive models in health care settings: a simulation study. Ann Intern Med. 2023;176(10):1358-69.
Lee P, Bubeck S, Petro J. Benefits, limits, and risks of GPT-4 as an artificial intelligence chatbot for medicine. N Engl J Med. 2023;388(13):1233-9.
De Freitas GRM et al. Principais dificuldades enfrentadas por farmacêuticos para exercerem suas atribuições clínicas no Brasil. Rev Bras Farm Hosp Serv Saude. 2016;7(3):35-41.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Camili Gomes Pereira, Isabel Galdino da Silva Côrrea, Zilda de Santana Gonsalves
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
La sumisión de un artículo a el Journal of Health Informatics es entendida como exclusiva y que no esta siendo considerado para publicación en otro periódico. La permisión de los autores para la publicación de su artículo en lo JHI implica en la exclusiva autorización concedida a los editores para su inclusión en la revista. Al someter un artículo, a lo autor será solicitada la permisión electrónica de una Nota de Copyright. Una mensaje electrónica será enviada a lo autor correspondiente confirmando el recibo del manuscrito y lo aceite de la Nota de Copyright.
