“Sistemas de Apoyo a la Toma de Decisiones Clínicas basados en Inteligencia Artificial para el Manejo de la Depresión”.

Autores
Chiang, María de los Angeles
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de trabajo
Estado
versión aceptada
Descripción
La depresión representa un problema prioritario de salud pública por su elevada prevalencia, su impacto debilitante y su crecimiento sostenido a nivel global. Ante dicha realidad, la Inteligencia Artificial (IA) emerge como una herramienta prometedora en el ámbito clínico, particularmente a través de su integración en los sistemas de apoyo a la toma de decisiones clínicas (CDSS, por sus siglas en inglés). El objetivo del presente final es analizar el estado actual del uso de CDSS basados en IA aplicados al abordaje de la depresión, destacando sus beneficios, limitaciones y desafíos, con el objetivo de aportar conocimiento riguroso que oriente futuros desarrollos tecnológicos y clínicos. Para ello, se realiza una revisión sistemática de estudios primarios publicados entre 2015 y 2024, disponibles en inglés, a través de las bases de datos IEEE Xplore, ScienceDirect, PubMed y SpringerLink. Como resultado, se seleccionan quince estudios que cumplen con los criterios de inclusión, los cuales abordan diferentes enfoques en la aplicación de IA en CDSS, tales como la selección de tratamientos, la predicción de riesgos y el apoyo en la evaluación clínica. En general, los resultados muestran un alto potencial de dichas herramientas para complementar la toma de decisiones médicas, aunque también revelan limitaciones comunes, como el uso de muestras pequeñas, la falta de diversidad en los datos y la escasa validación en entornos clínicos reales. Pese a tales desafíos, la evidencia encontrada indica que los CDSS con IA podrían mejorar la precisión, eficiencia y personalización del tratamiento de la depresión. Además, se destaca la necesidad de seguir investigando, con estudios más amplios, diversos y orientados a la práctica clínica, que permitan fortalecer su adopción futura.
Depression represents a major public health concern due to its high prevalence, debilitating impact, and sustained global growth. In light of this reality, Artificial Intelligence (AI) emerges as a promising tool in the clinical field, particularly through its integration into Clinical Decision Support Systems (CDSS). The objective of this study is to analyze the current state of AI-based CDSS applied to the management of depression, highlighting their benefits, limitations, and challenges, with the aim of contributing rigorous knowledge to guide future technological and clinical developments. To this end, a systematic review is conducted on primary studies published between 2015 and 2024, available in English, using the IEEE Xplore, ScienceDirect, PubMed, and SpringerLink databases. As a result, fifteen studies are selected that meet the inclusion criteria. These studies present different approaches to the application of AI in CDSS, including treatment selection, risk prediction, and support for clinical evaluation. Overall, the findings show strong potential for these tools to complement medical decision-making, while also revealing common limitations such as small sample sizes, lack of data diversity, and limited validation in real-world clinical settings. Despite these challenges, the evidence suggests that AI-enabled CDSS could enhance the accuracy, efficiency, and personalization of depression treatment. Moreover, the need for continued research is emphasized, with broader, more diverse, and practice-oriented studies required to strengthen future adoption.
Fil: Chiang María de los Angeles, Universidad Tecnológica Nacional , Facultad Regional Buenos Aires, Escuela de Posgrado, Argentina.
Peer Reviewed
Materia
Inteligencia Artificial, sistema de apoyo a la toma de decisiones clínicas, depresión
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Facultad Regional Buenos Aires
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/13390
Acceder
id RIAUTN_c0cbb1660f7ac0251fd8f1ea2787ec77
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/13390
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling “Sistemas de Apoyo a la Toma de Decisiones Clínicas basados en Inteligencia Artificial para el Manejo de la Depresión”.Chiang, María de los AngelesInteligencia Artificial, sistema de apoyo a la toma de decisiones clínicas, depresiónLa depresión representa un problema prioritario de salud pública por su elevada prevalencia, su impacto debilitante y su crecimiento sostenido a nivel global. Ante dicha realidad, la Inteligencia Artificial (IA) emerge como una herramienta prometedora en el ámbito clínico, particularmente a través de su integración en los sistemas de apoyo a la toma de decisiones clínicas (CDSS, por sus siglas en inglés). El objetivo del presente final es analizar el estado actual del uso de CDSS basados en IA aplicados al abordaje de la depresión, destacando sus beneficios, limitaciones y desafíos, con el objetivo de aportar conocimiento riguroso que oriente futuros desarrollos tecnológicos y clínicos. Para ello, se realiza una revisión sistemática de estudios primarios publicados entre 2015 y 2024, disponibles en inglés, a través de las bases de datos IEEE Xplore, ScienceDirect, PubMed y SpringerLink. Como resultado, se seleccionan quince estudios que cumplen con los criterios de inclusión, los cuales abordan diferentes enfoques en la aplicación de IA en CDSS, tales como la selección de tratamientos, la predicción de riesgos y el apoyo en la evaluación clínica. En general, los resultados muestran un alto potencial de dichas herramientas para complementar la toma de decisiones médicas, aunque también revelan limitaciones comunes, como el uso de muestras pequeñas, la falta de diversidad en los datos y la escasa validación en entornos clínicos reales. Pese a tales desafíos, la evidencia encontrada indica que los CDSS con IA podrían mejorar la precisión, eficiencia y personalización del tratamiento de la depresión. Además, se destaca la necesidad de seguir investigando, con estudios más amplios, diversos y orientados a la práctica clínica, que permitan fortalecer su adopción futura.Depression represents a major public health concern due to its high prevalence, debilitating impact, and sustained global growth. In light of this reality, Artificial Intelligence (AI) emerges as a promising tool in the clinical field, particularly through its integration into Clinical Decision Support Systems (CDSS). The objective of this study is to analyze the current state of AI-based CDSS applied to the management of depression, highlighting their benefits, limitations, and challenges, with the aim of contributing rigorous knowledge to guide future technological and clinical developments. To this end, a systematic review is conducted on primary studies published between 2015 and 2024, available in English, using the IEEE Xplore, ScienceDirect, PubMed, and SpringerLink databases. As a result, fifteen studies are selected that meet the inclusion criteria. These studies present different approaches to the application of AI in CDSS, including treatment selection, risk prediction, and support for clinical evaluation. Overall, the findings show strong potential for these tools to complement medical decision-making, while also revealing common limitations such as small sample sizes, lack of data diversity, and limited validation in real-world clinical settings. Despite these challenges, the evidence suggests that AI-enabled CDSS could enhance the accuracy, efficiency, and personalization of depression treatment. Moreover, the need for continued research is emphasized, with broader, more diverse, and practice-oriented studies required to strengthen future adoption.Fil: Chiang María de los Angeles, Universidad Tecnológica Nacional , Facultad Regional Buenos Aires, Escuela de Posgrado, Argentina.Peer ReviewedEscuela de Posgrado FRBA2025-06-30T17:58:14Z2025-06-26info:eu-repo/semantics/workingPaperinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_8042info:ar-repo/semantics/documentoDeTrabajoplainapplication/pdfhttps://hdl.handle.net/20.500.12272/13390spainfo:eu-repo/semantics/openAccessFacultad Regional Buenos AiresAtribución – No Comercial – Sin Obra Derivada (by-nc-nd): No sepermite un uso comercial de la obra original ni la generación de obras derivadas.reponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-10-01T11:58:18Zoai:ria.utn.edu.ar:20.500.12272/13390instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-10-01 11:58:18.448Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv “Sistemas de Apoyo a la Toma de Decisiones Clínicas basados en Inteligencia Artificial para el Manejo de la Depresión”.
title “Sistemas de Apoyo a la Toma de Decisiones Clínicas basados en Inteligencia Artificial para el Manejo de la Depresión”.
spellingShingle “Sistemas de Apoyo a la Toma de Decisiones Clínicas basados en Inteligencia Artificial para el Manejo de la Depresión”.
Chiang, María de los Angeles
Inteligencia Artificial, sistema de apoyo a la toma de decisiones clínicas, depresión
title_short “Sistemas de Apoyo a la Toma de Decisiones Clínicas basados en Inteligencia Artificial para el Manejo de la Depresión”.
title_full “Sistemas de Apoyo a la Toma de Decisiones Clínicas basados en Inteligencia Artificial para el Manejo de la Depresión”.
title_fullStr “Sistemas de Apoyo a la Toma de Decisiones Clínicas basados en Inteligencia Artificial para el Manejo de la Depresión”.
title_full_unstemmed “Sistemas de Apoyo a la Toma de Decisiones Clínicas basados en Inteligencia Artificial para el Manejo de la Depresión”.
title_sort “Sistemas de Apoyo a la Toma de Decisiones Clínicas basados en Inteligencia Artificial para el Manejo de la Depresión”.
dc.creator.none.fl_str_mv Chiang, María de los Angeles
author Chiang, María de los Angeles
author_facet Chiang, María de los Angeles
author_role author
dc.subject.none.fl_str_mv Inteligencia Artificial, sistema de apoyo a la toma de decisiones clínicas, depresión
topic Inteligencia Artificial, sistema de apoyo a la toma de decisiones clínicas, depresión
dc.description.none.fl_txt_mv La depresión representa un problema prioritario de salud pública por su elevada prevalencia, su impacto debilitante y su crecimiento sostenido a nivel global. Ante dicha realidad, la Inteligencia Artificial (IA) emerge como una herramienta prometedora en el ámbito clínico, particularmente a través de su integración en los sistemas de apoyo a la toma de decisiones clínicas (CDSS, por sus siglas en inglés). El objetivo del presente final es analizar el estado actual del uso de CDSS basados en IA aplicados al abordaje de la depresión, destacando sus beneficios, limitaciones y desafíos, con el objetivo de aportar conocimiento riguroso que oriente futuros desarrollos tecnológicos y clínicos. Para ello, se realiza una revisión sistemática de estudios primarios publicados entre 2015 y 2024, disponibles en inglés, a través de las bases de datos IEEE Xplore, ScienceDirect, PubMed y SpringerLink. Como resultado, se seleccionan quince estudios que cumplen con los criterios de inclusión, los cuales abordan diferentes enfoques en la aplicación de IA en CDSS, tales como la selección de tratamientos, la predicción de riesgos y el apoyo en la evaluación clínica. En general, los resultados muestran un alto potencial de dichas herramientas para complementar la toma de decisiones médicas, aunque también revelan limitaciones comunes, como el uso de muestras pequeñas, la falta de diversidad en los datos y la escasa validación en entornos clínicos reales. Pese a tales desafíos, la evidencia encontrada indica que los CDSS con IA podrían mejorar la precisión, eficiencia y personalización del tratamiento de la depresión. Además, se destaca la necesidad de seguir investigando, con estudios más amplios, diversos y orientados a la práctica clínica, que permitan fortalecer su adopción futura.
Depression represents a major public health concern due to its high prevalence, debilitating impact, and sustained global growth. In light of this reality, Artificial Intelligence (AI) emerges as a promising tool in the clinical field, particularly through its integration into Clinical Decision Support Systems (CDSS). The objective of this study is to analyze the current state of AI-based CDSS applied to the management of depression, highlighting their benefits, limitations, and challenges, with the aim of contributing rigorous knowledge to guide future technological and clinical developments. To this end, a systematic review is conducted on primary studies published between 2015 and 2024, available in English, using the IEEE Xplore, ScienceDirect, PubMed, and SpringerLink databases. As a result, fifteen studies are selected that meet the inclusion criteria. These studies present different approaches to the application of AI in CDSS, including treatment selection, risk prediction, and support for clinical evaluation. Overall, the findings show strong potential for these tools to complement medical decision-making, while also revealing common limitations such as small sample sizes, lack of data diversity, and limited validation in real-world clinical settings. Despite these challenges, the evidence suggests that AI-enabled CDSS could enhance the accuracy, efficiency, and personalization of depression treatment. Moreover, the need for continued research is emphasized, with broader, more diverse, and practice-oriented studies required to strengthen future adoption.
Fil: Chiang María de los Angeles, Universidad Tecnológica Nacional , Facultad Regional Buenos Aires, Escuela de Posgrado, Argentina.
Peer Reviewed
description La depresión representa un problema prioritario de salud pública por su elevada prevalencia, su impacto debilitante y su crecimiento sostenido a nivel global. Ante dicha realidad, la Inteligencia Artificial (IA) emerge como una herramienta prometedora en el ámbito clínico, particularmente a través de su integración en los sistemas de apoyo a la toma de decisiones clínicas (CDSS, por sus siglas en inglés). El objetivo del presente final es analizar el estado actual del uso de CDSS basados en IA aplicados al abordaje de la depresión, destacando sus beneficios, limitaciones y desafíos, con el objetivo de aportar conocimiento riguroso que oriente futuros desarrollos tecnológicos y clínicos. Para ello, se realiza una revisión sistemática de estudios primarios publicados entre 2015 y 2024, disponibles en inglés, a través de las bases de datos IEEE Xplore, ScienceDirect, PubMed y SpringerLink. Como resultado, se seleccionan quince estudios que cumplen con los criterios de inclusión, los cuales abordan diferentes enfoques en la aplicación de IA en CDSS, tales como la selección de tratamientos, la predicción de riesgos y el apoyo en la evaluación clínica. En general, los resultados muestran un alto potencial de dichas herramientas para complementar la toma de decisiones médicas, aunque también revelan limitaciones comunes, como el uso de muestras pequeñas, la falta de diversidad en los datos y la escasa validación en entornos clínicos reales. Pese a tales desafíos, la evidencia encontrada indica que los CDSS con IA podrían mejorar la precisión, eficiencia y personalización del tratamiento de la depresión. Además, se destaca la necesidad de seguir investigando, con estudios más amplios, diversos y orientados a la práctica clínica, que permitan fortalecer su adopción futura.
publishDate 2025
dc.date.none.fl_str_mv 2025-06-30T17:58:14Z
2025-06-26
dc.type.none.fl_str_mv info:eu-repo/semantics/workingPaper
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_8042
info:ar-repo/semantics/documentoDeTrabajo
format workingPaper
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12272/13390
url https://hdl.handle.net/20.500.12272/13390
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Facultad Regional Buenos Aires
Atribución – No Comercial – Sin Obra Derivada (by-nc-nd): No sepermite un uso comercial de la obra original ni la generación de obras derivadas.
eu_rights_str_mv openAccess
rights_invalid_str_mv Facultad Regional Buenos Aires
Atribución – No Comercial – Sin Obra Derivada (by-nc-nd): No sepermite un uso comercial de la obra original ni la generación de obras derivadas.
dc.format.none.fl_str_mv plain
application/pdf
dc.publisher.none.fl_str_mv Escuela de Posgrado FRBA
publisher.none.fl_str_mv Escuela de Posgrado FRBA
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877862390931914752
score 13.364332

Publicaciones similares