Innovaciones en monitoreo anestésico y control de la profundidad anestésica: Avances tecnológicos y su impacto en la seguridad del paciente
Autor principal: Dr. Josué Campos Chinchilla
Vol. XX; nº 09; 438
Innovations in anesthetic monitoring and depth of anesthesia control: Technological advances and their impact on patient safety
Fecha de recepción: 24 de marzo de 2025
Fecha de aceptación: 6 de mayo de 2025
Incluido en Revista Electrónica de PortalesMedicos.com Volumen XX. Número 09 Primera quincena de mayo de 2025 – Página inicial: Vol. XX; nº 09; 438
Autores:
Dr. Josué Campos Chinchilla
Médico Especialista en Medicina Interna, en Hospital Clínica Alpha. Alajuela, Costa Rica.
Orcid: https://orcid.org/0009-0001-9600-0173
Código Médico 13402.
Dra. Adriana Madrigal Rodríguez
Médico Especialista en Medicina Interna, en Hospital Monseñor Sanabria. Puntarenas, Costa Rica. Orcid: https://orcid.org/0000-0002-1785-1245
Código Médico: 14535.
Dra. Paula Ulate Blanco
Médico General, en Hospital Nacional de Niños. San José, Costa Rica
Orcid: https://orcid.org/0000-0002-2081-7195
Código médico: 18746.
Dr. Alexander Yisan Wang Shih
Médico General, Hospital Rafael Ángel Calderón Guardia. San José, Costa Rica.
Orcid: https://orcid.org/0009-0001-5197-9824
Código Médico: 18898.
Dra. Yirlania Campos Picado
Médico General, investigadora Independiente. Heredia, Costa Rica.
Orcid: https://orcid.org/0009-0007-8262-0228
Código Médico 11147.
Los autores de este manuscrito declaran que:
Todos ellos han participado en su elaboración y no tienen conflictos de intereses
La investigación se ha realizado siguiendo las Pautas éticas internacionales para la investigación relacionada con la salud con seres humanos elaboradas por el Consejo de Organizaciones Internacionales de las Ciencias Médicas (CIOMS) en colaboración con la Organización Mundial de la Salud (OMS).
El manuscrito es original y no contiene plagio.
El manuscrito no ha sido publicado en ningún medio y no está en proceso de revisión en otra revista.
Han obtenido los permisos necesarios para las imágenes y gráficos utilizados.
Han preservado las identidades de los pacientes.
Palabras clave: Monitoreo anestésico, electroencefalografía, inteligencia artificial, profundidad anestésica, espectroscopía de infrarrojo cercano, variabilidad de la frecuencia cardíaca.
Key words: Anesthetic monitoring, electroencephalography, artificial intelligence, anesthetic depth, near-infrared spectroscopy, heart rate variability.
Resumen:
La monitorización anestésica es esencial para garantizar la seguridad del paciente durante los procedimientos quirúrgicos, optimizando la administración de fármacos anestésicos y minimizando complicaciones. La profundidad anestésica está determinada por la concentración de agentes anestésicos en el sistema nervioso central, lo que influye en la conciencia y las respuestas fisiológicas. Tradicionalmente, la evaluación de la profundidad anestésica se ha basado en parámetros hemodinámicos y signos clínicos, aunque estos pueden ser imprecisos en ciertas circunstancias. La electroencefalografía ha emergido como una herramienta clave para evaluar en tiempo real la actividad cerebral, permitiendo un control más preciso de la anestesia y reduciendo el riesgo de conciencia intraoperatoria y sobredosificación.
El desarrollo de tecnologías avanzadas, como el índice biespectral y la espectroscopía de infrarrojo cercano, ha mejorado la monitorización perioperatoria al proporcionar información detallada sobre el estado neurológico y la oxigenación cerebral. Además, la integración de inteligencia artificial y algoritmos de aprendizaje automático permite una personalización más efectiva de la anestesia, ajustando la dosificación en tiempo real según las necesidades del paciente.
Si bien la monitorización avanzada ofrece beneficios significativos, su implementación enfrenta desafíos como el alto costo, la accesibilidad limitada en entornos con menos recursos y la variabilidad en la interpretación de los datos. La capacitación del personal y la consideración de aspectos éticos son fundamentales para garantizar un uso adecuado de estas tecnologías. A medida que la tecnología sigue evolucionando, la combinación de monitoreo avanzado e inteligencia artificial promete mejorar la seguridad y eficacia de la anestesia en el futuro.
Abstract:
Anesthetic monitoring is essential to ensure patient safety during surgical procedures, optimizing the administration of anesthetic drugs, and minimizing complications. Anesthetic depth is determined by the concentration of anesthetic agents in the central nervous system, which influences consciousness and physiological responses. Traditionally, the assessment of anesthetic depth has been based on hemodynamic parameters and clinical signs, although these can be imprecise in certain circumstances. Electroencephalography has emerged as a key tool for assessing brain activity in real time, allowing for more precise control of anesthesia and reducing the risk of intraoperative consciousness and overdosing.
The development of advanced technologies, such as bispectral index and near-infrared spectroscopy, has improved perioperative monitoring by providing detailed information on neurological status and cerebral oxygenation. Furthermore, the integration of artificial intelligence and machine learning algorithms allows for more effective personalization of anesthesia, adjusting dosage in real time according to patient needs.
While advanced monitoring offers significant benefits, its implementation faces challenges such as high cost, limited accessibility in low-resource settings, and variability in data interpretation. Staff training and consideration of ethical issues are critical to ensuring the appropriate use of these technologies. As technology continues to evolve, the combination of advanced monitoring and artificial intelligence promises to improve the safety and effectiveness of anesthesia in the future.
Introducción:
La monitorización anestésica es un componente fundamental para garantizar la seguridad del paciente durante los procedimientos quirúrgicos. Su objetivo es optimizar el manejo de la anestesia y minimizar los efectos adversos intraoperatorios, lo que contribuye a una mejor recuperación postoperatoria. A lo largo de la historia, la monitorización de la profundidad anestésica ha evolucionado significativamente con el desarrollo de nuevas tecnologías que han mejorado la precisión en la administración de los fármacos anestésicos y, en consecuencia, los resultados clínicos de los pacientes. En este contexto, la integración de sistemas de monitorización innovadores, como los dispositivos basados en electroencefalogramas, ha permitido evaluar la profundidad de la anestesia en tiempo real, facilitando ajustes individualizados en la dosificación y reduciendo el riesgo de complicaciones. Estos avances reflejan una tendencia hacia la personalización de los regímenes anestésicos y la mejora de la atención perioperatoria (1; 2).
La importancia de la monitorización anestésica radica en su capacidad para prevenir la conciencia intraoperatoria y mitigar los efectos adversos cardiovasculares y sistémicos, lo que mejora significativamente la seguridad del paciente (1). Para ello, se han desarrollado dispositivos avanzados de monitorización, como los monitores multiparamétricos y los sistemas de función cerebral, que permiten evaluaciones en tiempo real y han demostrado ser efectivos para optimizar la estabilidad hemodinámica durante el periodo perioperatorio (1). En particular, los sistemas de monitorización basados en electroencefalogramas han revolucionado el seguimiento anestésico al proporcionar información detallada sobre la actividad cerebral, lo que resulta crucial para ajustar la medicación y garantizar una administración eficaz de la anestesia (1).
Desde un punto de vista histórico, los métodos tradicionales de evaluación de la profundidad anestésica, como el índice biespectral, han presentado limitaciones en cuanto a precisión y capacidad de respuesta en tiempo real, lo que ha llevado al desarrollo de sistemas más sofisticados para mejorar la monitorización intraoperatoria (3). Entre los avances recientes destacan los sistemas inalámbricos basados en electroencefalogramas, que ofrecen una monitorización más precisa y en tiempo real de la profundidad de la anestesia, con una mayor capacidad de clasificación y ajuste en comparación con los métodos convencionales (4). Asimismo, la evolución de las técnicas de neuromonitorización, como la neuromonitorización continua intraoperatoria, ha supuesto una mejora en la precisión y la seguridad de los procedimientos quirúrgicos, lo que refleja los progresos en la monitorización anestésica y la optimización de la gestión perioperatoria (5).
El objetivo de este artículo es analizar las innovaciones en la monitorización anestésica y su impacto en el control de la profundidad anestésica, con énfasis en los avances tecnológicos que han optimizado la seguridad y eficacia de la anestesia. Se busca explorar la evolución de los métodos de monitorización, desde los enfoques tradicionales hasta los sistemas modernos basados en electroencefalogramas y neuromonitorización continua. Además, se examinará el papel de estas herramientas en la prevención de la conciencia intraoperatoria, la reducción de efectos adversos y la personalización de la administración de fármacos anestésicos.
Metodología:
Para el desarrollo de esta investigación sobre innovaciones en la monitorización anestésica y el control de la profundidad anestésica, se llevó a cabo una revisión bibliográfica exhaustiva con el objetivo de analizar los avances tecnológicos en la evaluación intraoperatoria de la anestesia, su impacto en la seguridad del paciente y su contribución a la optimización de los procedimientos anestésicos. Esta revisión incluyó aspectos clave como la evolución histórica de los métodos de monitorización, la integración de dispositivos basados en electroencefalogramas, las ventajas de la neuromonitorización continua intraoperatoria y los beneficios clínicos de la personalización en la administración de anestésicos.
Para garantizar la calidad y relevancia de la información seleccionada, se consultaron bases de datos científicas reconocidas, como PubMed, Scopus y Web of Science, debido a su prestigio y amplia cobertura en temas de anestesiología, neurociencia y tecnología médica. Se establecieron rigurosos criterios de inclusión y exclusión. Se incluyeron estudios publicados entre 2020 y 2025, en inglés o español, que abordaran la precisión de los sistemas de monitorización de la profundidad anestésica, su impacto en la reducción de complicaciones intraoperatorias y los avances en tecnologías de neuromonitorización. Se excluyeron investigaciones con datos incompletos, publicaciones duplicadas o aquellas sin revisión por pares. Para la búsqueda, se utilizaron palabras clave como: Monitoreo anestésico, electroencefalografía, inteligencia artificial, profundidad anestésica, espectroscopía de infrarrojo cercano, variabilidad de la frecuencia cardíaca.
La búsqueda inicial identificó 24 fuentes relevantes, entre las cuales se incluyeron artículos originales, revisiones sistemáticas, estudios clínicos y documentos de organismos especializados en anestesiología y neurociencia. A partir de estas fuentes, se realizó un análisis detallado para extraer información sobre la eficacia de las tecnologías de monitorización en tiempo real, la comparación entre métodos tradicionales y emergentes, y el impacto de estos avances en la reducción de eventos adversos durante la anestesia.
El análisis se llevó a cabo utilizando enfoques cualitativos y comparativos. Se sintetizaron los hallazgos y se organizaron en categorías temáticas, lo que permitió identificar patrones en la optimización anestésica, correlaciones con la disminución de complicaciones postoperatorias y la efectividad de los nuevos sistemas de monitorización en la mejora de la seguridad del paciente. Este enfoque integral ofrece una visión estructurada del estado actual del conocimiento sobre la monitorización anestésica, destacando oportunidades para futuras investigaciones y la implementación de estrategias más precisas en anestesiología.
Fundamentos del monitoreo anestésico:
La profundidad anestésica está determinada por la concentración de agentes anestésicos que actúan sobre el sistema nervioso central, modulando la conciencia y las respuestas fisiológicas del paciente. La adecuada regulación de estos agentes es esencial para garantizar un estado anestésico óptimo, minimizando la probabilidad de eventos adversos intraoperatorios y postoperatorios (6). En este contexto, la monitorización del electroencefalograma ha emergido como una herramienta clave en la anestesiología moderna, ya que permite evaluar en tiempo real la actividad cerebral y, con ello, ajustar de manera más precisa la administración de los anestésicos. Este enfoque ha demostrado ser altamente efectivo en la optimización de la dosificación de fármacos y en la reducción del riesgo de eventos como la conciencia intraoperatoria o la sobredosificación de agentes anestésicos (1).
El proceso anestésico se divide en diferentes fases, cada una con características y requerimientos específicos en términos de monitorización y ajuste de fármacos. La inducción marca el inicio de la anestesia y se caracteriza por la pérdida de conciencia y la depresión progresiva de los reflejos. Durante esta fase, es fundamental evaluar la respuesta del paciente a los agentes anestésicos y detectar signos de resistencia o hipersensibilidad a los mismos. Posteriormente, en la fase de mantenimiento, se busca conservar un estado anestésico estable que permita la realización del procedimiento quirúrgico sin que el paciente experimente dolor o reacciones involuntarias. En esta etapa, la monitorización de la profundidad de la anestesia a través de sistemas basados en electroencefalografía resulta especialmente útil, ya que permite adaptar la dosificación a las necesidades individuales del paciente y minimizar los riesgos de fluctuaciones excesivas en la anestesia (7). Finalmente, la fase de emergencia implica la recuperación de la conciencia y el restablecimiento progresivo de las funciones fisiológicas. En esta etapa, es fundamental evitar una recuperación demasiado brusca que pueda generar efectos adversos, como delirio postoperatorio o respuestas autonómicas incontroladas. La monitorización en esta fase permite asegurar una transición suave y controlada hacia la vigilia (1; 8).
Tradicionalmente, la evaluación de la profundidad anestésica se ha basado en parámetros hemodinámicos, como la frecuencia cardíaca y la presión arterial, los cuales reflejan el grado de depresión del sistema nervioso autónomo inducido por los agentes anestésicos. Sin embargo, estos indicadores pueden no ser completamente precisos, ya que pueden verse afectados por otros factores no necesariamente relacionados con la conciencia, como la hipovolemia o el uso concomitante de fármacos vasopresores. Asimismo, los signos clínicos, como los movimientos del paciente, los reflejos pupilares y la respuesta a estímulos nociceptivos, han sido utilizados como herramientas adicionales para la evaluación de la profundidad anestésica. No obstante, estos métodos presentan limitaciones, ya que pueden ser modificados por la administración de fármacos bloqueadores neuromusculares o analgésicos, lo que dificulta su interpretación precisa (9).
Tecnologías avanzadas en monitoreo de la profundidad anestésica:
El electroencefalograma es una herramienta fundamental en la monitorización de la profundidad anestésica, ya que permite evaluar en tiempo real los efectos de los fármacos anestésicos sobre el sistema nervioso central. Su uso ha permitido optimizar la administración de anestésicos y mejorar la seguridad perioperatoria. Para garantizar la precisión en la interpretación de las señales cerebrales, se emplean técnicas avanzadas de procesamiento, como la reducción de ruido mediante ondículas y la transformación discreta de ondículas, lo que facilita la obtención de evaluaciones más fiables de la actividad eléctrica cerebral (3; 10).
Dentro de los índices derivados del electroencefalograma, el índice biespectral se ha consolidado como uno de los más utilizados para cuantificar el efecto hipnótico de los anestésicos. Este índice permite una medición objetiva del estado neurológico del paciente y se encuentra integrado en los equipos de anestesia modernos para mejorar la seguridad y los resultados perioperatorios (11; 12). Además del índice biespectral, otros métodos como la entropía y la narcotendencia han sido desarrollados para evaluar la profundidad anestésica. Sin embargo, a pesar de su potencial, el índice biespectral sigue siendo el más documentado y validado en la práctica clínica (13).
Las tecnologías de monitorización basadas en electroencefalografía han evolucionado con el desarrollo de modelos avanzados como SQI-DoaNet y redes de contracción residual profunda, los cuales han demostrado superar los métodos tradicionales al ofrecer una mayor precisión y estabilidad en la evaluación de la profundidad anestésica en tiempo real. Estas innovaciones han permitido mejorar la detección de cambios en la actividad cerebral, minimizando el riesgo de conciencia intraoperatoria y optimizando la dosificación de fármacos (10; 14)
Además del electroencefalograma, la oximetría cerebral y la espectroscopía de infrarrojo cercano han cobrado importancia en la monitorización anestésica. La espectroscopía de infrarrojo cercano utiliza luz infrarroja para evaluar la oxigenación cerebral, proporcionando información clave sobre el flujo sanguíneo cerebral durante el procedimiento anestésico. Su aplicación es especialmente relevante en neuroanestesia y en cirugías de alto riesgo, donde mantener una oxigenación cerebral adecuada es fundamental para evitar complicaciones neurológicas (11).
Otra técnica complementaria es la monitorización de la variabilidad de la frecuencia cardíaca, la cual permite evaluar la influencia del sistema nervioso autónomo en la profundidad anestésica. La variabilidad de la frecuencia cardíaca ha sido identificada como un biomarcador confiable para analizar el estado autonómico del paciente y su respuesta a los fármacos anestésicos (11). Con el avance de los algoritmos de aprendizaje automático, la interpretación de los datos relacionados con la variabilidad de la frecuencia cardíaca ha mejorado significativamente, lo que permite realizar evaluaciones más precisas de las respuestas autonómicas durante la anestesia (15).
Beneficios de los sistemas de monitoreo avanzados:
La reducción del riesgo de una anestesia inadecuada es un objetivo central en la monitorización anestésica avanzada, ya que errores en la administración de fármacos pueden generar complicaciones graves, como conciencia intraoperatoria o sobredosificación. La implementación de sistemas de monitorización avanzados que integran el Internet de las cosas y el análisis de datos en tiempo real ha demostrado ser una estrategia efectiva para garantizar una anestesia segura. Estos sistemas permiten controlar con precisión la administración de anestésicos, reduciendo la probabilidad de eventos adversos como el despertar intraoperatorio o una sobredosis anestésica, lo que mejora la seguridad del paciente y optimiza los procedimientos quirúrgicos (16). Además, la monitorización continua de signos vitales y parámetros fisiológicos facilita la detección temprana de anomalías, lo que permite intervenciones oportunas para evitar complicaciones asociadas a una anestesia inadecuada (17).
Otro aspecto clave en la optimización del manejo anestésico es el uso eficiente de los fármacos anestésicos. La monitorización en tiempo real permite ajustar con precisión las dosis de los agentes anestésicos en función de las respuestas individuales de los pacientes, minimizando el desperdicio de fármacos y reduciendo los efectos adversos. Estos sistemas avanzados no solo optimizan la administración de la anestesia, sino que también permiten ajustar las estrategias de ventilación en función de la mecánica pulmonar de cada paciente, lo que es particularmente beneficioso en poblaciones de alto riesgo, como aquellos con enfermedades respiratorias o condiciones cardiovasculares preexistentes (16; 18).
La monitorización anestésica avanzada no solo impacta el intraoperatorio, sino que también tiene un papel crucial en la recuperación postoperatoria. Se ha demostrado que la monitorización continua después de la cirugía puede reducir significativamente las complicaciones, como la lesión miocárdica y la depresión respiratoria, al garantizar una detección y una intervención oportunas. Estos sistemas de monitoreo mejorados han contribuido a disminuir la frecuencia de las llamadas de respuesta rápida y los traslados no planificados a la unidad de cuidados intensivos, lo que mejora los resultados de recuperación y reduce la carga asistencial en los centros hospitalarios (19).
Además de mejorar la seguridad y la eficiencia en la administración de la anestesia, la integración de sistemas de monitorización inteligentes ha permitido una personalización sin precedentes en la atención anestésica. Estos sistemas recopilan y analizan datos específicos de cada paciente, lo que permite adaptar los planes anestésicos a sus necesidades individuales. Gracias a la integración de sensores avanzados e inteligencia artificial, estos sistemas pueden ajustar los protocolos anestésicos en tiempo real, optimizando la respuesta del paciente y reduciendo la variabilidad en la administración de los fármacos anestésicos. Este enfoque basado en datos no solo mejora la satisfacción del paciente, sino que también refuerza la seguridad y la eficacia de los procedimientos quirúrgicos al minimizar riesgos asociados a la anestesia general y regional (17).
Desafíos y limitaciones en la implementación de nuevas tecnologías:
El costo y la accesibilidad de los sistemas de monitoreo avanzados representan un desafío significativo en su adopción generalizada, especialmente en entornos con recursos limitados. La inversión inicial para la adquisición de estas tecnologías, junto con los costos de mantenimiento y actualización, puede ser una barrera considerable para muchas instituciones sanitarias. Además, la falta de reembolso por parte de las compañías de seguros agrava la situación, ya que dificulta la integración de estos sistemas en la práctica clínica sin una estructura financiera sostenible que respalde su uso. La carga financiera no solo impacta a los centros hospitalarios, sino que también limita el acceso a estos avances en regiones con menos infraestructura tecnológica, lo que amplía las desigualdades en la atención médica y en la seguridad anestésica (20).
Otro desafío importante en la implementación de sistemas avanzados de monitoreo anestésico es la variabilidad en la interpretación de los datos. La inteligencia artificial y otras tecnologías basadas en el análisis de datos dependen en gran medida de la calidad y representatividad de la información con la que se entrenan. Cuando los datos son insuficientes, incompletos o sesgados, los resultados pueden volverse inconsistentes, afectando la toma de decisiones clínicas y comprometiendo la seguridad del paciente (21). La dependencia del contexto clínico para una interpretación precisa subraya la necesidad de desarrollar marcos sólidos que permitan utilizar estos sistemas de manera eficaz y segura. Para ello, es fundamental establecer protocolos que validen la fiabilidad de los algoritmos y garanticen su aplicabilidad en distintos escenarios clínicos (22).
La implementación exitosa de nuevas tecnologías en anestesiología no solo depende de la calidad de los sistemas, sino también de la capacitación del personal médico. La introducción de herramientas basadas en inteligencia artificial requiere que los profesionales de la salud comprendan sus fundamentos, aplicaciones y limitaciones para poder utilizarlas de manera eficiente y responsable (23). Esto pone de manifiesto la necesidad de desarrollar programas de formación continua que mejoren la alfabetización digital del personal sanitario y permitan una transición fluida hacia modelos de atención más tecnológicamente integrados. La capacitación no solo debería centrarse en el manejo técnico de las herramientas, sino también en la interpretación crítica de los datos y en la integración de los resultados en la práctica clínica (21).
Además de los desafíos técnicos y educativos, la integración de la inteligencia artificial en anestesiología plantea cuestiones éticas y de seguridad que deben abordarse de manera rigurosa. La equidad en el acceso a estos sistemas, la transparencia en la toma de decisiones y la rendición de cuentas son elementos clave para garantizar su implementación ética. Uno de los principales riesgos es que los algoritmos de IA pueden perpetuar sesgos existentes en los datos con los que han sido entrenados, lo que podría afectar la equidad en la atención a los pacientes y comprometer su confianza en la tecnología. Para mitigar estos riesgos, es fundamental establecer mecanismos de supervisión que garanticen que la inteligencia artificial se utilice de manera responsable y justa. La colaboración entre desarrolladores, médicos y especialistas en ética es esencial para diseñar marcos de regulación que protejan los derechos de los pacientes y promuevan el uso seguro y equitativo de estas innovaciones en el ámbito anestesiológico (24).
Conclusiones:
El monitoreo avanzado de la profundidad anestésica ha mejorado la seguridad y precisión en la administración de anestésicos, permitiendo un ajuste más preciso de las dosis y reduciendo riesgos como la conciencia intraoperatoria y la sobredosificación. La electroencefalografía y otras tecnologías, como la espectroscopía de infrarrojo cercano, han demostrado ser herramientas fundamentales en la evaluación en tiempo real de la actividad cerebral y la oxigenación.
La integración de inteligencia artificial y algoritmos de aprendizaje automático representa un avance significativo en la anestesiología, ya que permite una personalización más efectiva del manejo anestésico. Estas tecnologías optimizan la administración de fármacos y la monitorización de parámetros fisiológicos, lo que contribuye a mejorar los resultados perioperatorios y reducir complicaciones postoperatorias.
A pesar de los avances tecnológicos, la implementación de sistemas de monitoreo avanzados enfrenta desafíos como el costo, la accesibilidad y la necesidad de formación especializada del personal sanitario. La variabilidad en la interpretación de los datos y los posibles sesgos en los algoritmos de inteligencia artificial también representan obstáculos que deben abordarse mediante regulaciones adecuadas y programas de capacitación. Para maximizar el impacto positivo de estas innovaciones, es crucial desarrollar estrategias que garanticen su adopción equitativa y ética en distintos entornos clínicos.
Referencias:
- He X, Li T, Wang X. Research progress on the depth of anesthesia monitoring based on the electroencephalogram. Ibrain [Internet]. 6 de diciembre de 2024; Disponible en: https://doi.org/10.1002/ibra.12186
- Fu G, Xu L, Chen H, Lin J. State-of-the-art anesthesia practices: a comprehensive review on optimizing patient safety and recovery. BMC Surgery [Internet]. 20 de enero de 2025;25(1). Disponible en: https://doi.org/10.1186/s12893-025-02763-6
- Li T, Huang Y, Wen P, Li Y. Accurate depth of anesthesia monitoring based on EEG signal complexity and frequency features. Brain Informatics [Internet]. 21 de noviembre de 2024;11(1). Disponible en: https://doi.org/10.1186/s40708-024-00241-y
- Cao Y, Zhang Z, Liu A, Duan Y, Zhang K, Zhang M, et al. A Wireless Anesthesia Depth Monitoring System Based on Features Extracted from Frontal EEG. [Internet]. 14 de diciembre de 2024;1-5. Disponible en: https://doi.org/10.1109/icm63406.2024.10815852
- Padalhin A. Precision and protection: advancements and future of neuromonitoring techniques for laryngeal surgery. Korean Intraoperative Neuromonitoring Society [Internet]. 30 de noviembre de 2024;4(2):81-91. Disponible en: https://doi.org/10.54441/jnn.2024.4.2.81
- Farida N, Suryani NRL, Suandika NM. Literature Review: Gambaran Monitoring Kedalaman Anestesi pada anestesi umum. JURNAL RISET RUMPUN ILMU KESEHATAN [Internet]. 19 de marzo de 2024;3(1):208-18. Disponible en: https://doi.org/10.55606/jurrikes.v3i1.2754
- Kuck K, Lofgren L, Lybbert C. Anesthesia Patient Monitoring 2050. Anesthesia & Analgesia [Internet]. 12 de enero de 2024;138(2):273-83. Disponible en: https://doi.org/10.1213/ane.0000000000006660
- Brook K, Agarwala AV, Li F, Purdon PL. Depth of anesthesia monitoring: an argument for its use for patient safety. Current Opinion In Anaesthesiology [Internet]. 3 de septiembre de 2024; Disponible en: https://doi.org/10.1097/aco.0000000000001430
- Laferrière-Langlois P, Morisson L, Jeffries S, Duclos C, Espitalier F, Richebé P. Depth of Anesthesia and Nociception Monitoring: Current State and Vision For 2050. Anesthesia & Analgesia [Internet]. 12 de enero de 2024;138(2):295-307. Disponible en: https://doi.org/10.1213/ane.0000000000006860
- Shi M, Huang Z, Xiao G, Xu B, Ren Q, Zhao H. Estimating the Depth of Anesthesia from EEG Signals Based on a Deep Residual Shrinkage Network. Sensors [Internet]. 15 de enero de 2023;23(2):1008. Disponible en: https://doi.org/10.3390/s23021008
- Zahid MA, Kumar V, Wadhwani J, Kumar A, Hasan MF, Saleh M. Enhancing anesthesia precision: integration of BIS monitoring in anesthesia machines. Anaesthesia Pain & Intensive Care [Internet]. 30 de mayo de 2024;28(3):558-65. Disponible en: https://doi.org/10.35975/apic.v28i3.2481
- Chhanwal H, Kheskani D, Gandhi P, Shah MB, Makwana D, Rathod V. Bispectral index: the current tool for monitoring unintended awareness and depth of anesthesia. Ain-Shams Journal Of Anaesthesiology [Internet]. 15 de octubre de 2022;14(1). Disponible en: https://doi.org/10.1186/s42077-022-00268-5
- Yılmaz E. Bispectral Index Monitoring and Combinations in Anesthesia Safety. New Trends In Medicine Sciences [Internet]. 28 de julio de 2024;5(Supplemental Issue):120-5. Disponible en: https://doi.org/10.56766/ntms.1384163
- Yu R, Zhou Z, Xu M, Gao M, Zhu M, Wu S, et al. SQI-DOANet: electroencephalogram-based deep neural network for estimating signal quality index and depth of anaesthesia. Journal Of Neural Engineering [Internet]. 19 de julio de 2024;21(4):046031. Disponible en: https://doi.org/10.1088/1741-2552/ad6592
- Schmierer T, Li T, Li Y. Harnessing machine learning for EEG signal analysis: Innovations in depth of anaesthesia assessment. Artificial Intelligence In Medicine [Internet]. 4 de abril de 2024;151:102869. Disponible en: https://doi.org/10.1016/j.artmed.2024.102869
- Rajkumar K, Rajkumar G, S G. ADVANCED IOT-BASED ANESTHESIA MANAGEMENT SYSTEM WITH REMOTE MONITORING AND CONTROLLING. International Journal Of Advances In Signal And Image Sciences [Internet]. 30 de diciembre de 2023;9(2):46-54. Disponible en: https://doi.org/10.29284/ijasis.9.2.2023.46-54
- Rao B, Shukla N, Gupta S. Smart Monitoring: Autonomous Medical Assistants for Increased Patient Safety. 2022 13th International Conference On Computing Communication And Networking Technologies (ICCCNT) [Internet]. 24 de junio de 2024;1-5. Disponible en: https://doi.org/10.1109/icccnt61001.2024.10725409
- Jimenez J, Spadaro S, Navarro MPA, Mazzinari G. Advanced Respiratory Monitoring in the Perioperative Setting. Current Anesthesiology Reports [Internet]. 31 de agosto de 2024; Disponible en: https://doi.org/10.1007/s40140-024-00646-9
- Upadhyay P, Hicks MH, Khanna AK. Enhanced monitoring for postoperative hospital wards – Evidence to implementation. Indian Journal Of Anaesthesia [Internet]. 7 de mayo de 2024;68(6):511-3. Disponible en: https://doi.org/10.4103/ija.ija_360_24
- Razmi R. Barriers to AI Adoption in Healthcare. [Internet]. 5 de enero de 2024;67-89. Disponible en: https://doi.org/10.1002/9781394240197.ch3
- Kalra J, Seitzinger P. Implications and Consequences of Artificial Intelligence in Healthcare Quality and Medical Training. AHFE International [Internet]. 1 de enero de 2022; Disponible en: https://doi.org/10.54941/ahfe1002109
- Mathis M, Steffner KR, Subramanian H, Gill GP, Girardi NI, Bansal S, et al. Overview and Clinical Applications of Artificial Intelligence and Machine Learning in Cardiac Anesthesiology. Journal Of Cardiothoracic And Vascular Anesthesia [Internet]. 15 de febrero de 2024;38(5):1211-20. Disponible en: https://doi.org/10.1053/j.jvca.2024.02.004
- Donins U, Behmane D. Challenges and Solutions for Artificial Intelligence Adoption in Healthcare – A Literature Review. Smart Innovation, Systems And Technologies [Internet]. 1 de enero de 2023b;:53-62. Disponible en: https://doi.org/10.1007/978-981-99-3311-2_6
- Weiner EB, Dankwa-Mullan I, Nelson WA, Hassanpour S. Ethical Challenges and Evolving Strategies in the Integration of Artificial Intelligence into Clinical Practice. arXiv (Cornell University) [Internet]. 17 de noviembre de 2024; Disponible en: http://arxiv.org/abs/2412.03576