Ítem
Acceso Abierto

Estrategias administrativas para la mitigación y/o reducir el riesgo jurídico en tutelas por inoportunidad de acceso al servicio al interior de una EPS

Mostrar el registro sencillo de la publicación
dc.contributor.advisorSosa Quintero, Ángela María
dc.creatorArroyave Moreno, Yully Natalia
dc.creator.degreeMagíster en Negocios y Derecho
dc.date.accessioned2025-09-22T19:12:02Z
dc.date.available2025-09-22T19:12:02Z
dc.date.created2025-08-27
dc.descriptionEl presente capitulo analiza las limitaciones del uso de la inteligencia artificial (IA) en la atención de acciones constitucionales de tutela en el sector salud colombiano, enfocándose en la deficiencia en la calidad de los datos clínicos y administrativos, identifica problemas como la falta de interoperabilidad, datos incompletos o desactualizados, duplicidad, errores humanos y ausencia de estandarización, dichas falencias comprometen la capacidad de la IA para predecir, gestionar riesgos y responder eficazmente a tutelas. Desde el punto de vista jurídico, el uso de IA sin respaldo en datos confiables puede vulnerar derechos fundamentales y generar responsabilidades legales para EPS e IPS, con el trabajo se propone mejorar la gobernanza de datos, implementar estándares internacionales, fortalecer la interoperabilidad, auditar la calidad de los registros y capacitar al talento humano, concluyendo que la IA no es una solución mágica, sino una herramienta cuyo valor depende de la calidad, seguridad y trazabilidad de los datos, y que su implementación debe estar guiada por principios éticos y jurídicos.
dc.description.abstractThis chapter analyzes the limitations of using artificial intelligence (AI) in handling constitutional health protection actions (tutelas) in the Colombian Healthcare sector, focusing on deficiencies in the quality of clinical and administrative data. It identifies problems such as lack of interoperability, incomplete or outdated information, duplication, human errors, and absence of standardization. These shortcomings undermine AI’s ability to predict outcomes, manage risks, and respond effectively to tutelas. From a legal perspective, the use of AI without reliable data may violate fundamental rights and create legal liabilities for EPS and IPS. The study proposes strengthening data governance, implementing international standards, improving interoperability, auditing data quality, and training human talent. It concludes that AI is not a magical solution, but a tool whose value depends on the quality, security, and traceability of data, and whose implementation must be guided by ethical and legal principles.
dc.format.extent29 pp
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_46567
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/46567
dc.language.isospa
dc.publisherUniversidad del Rosario
dc.publisher.departmentEscuela de Administración
dc.publisher.programMaestría en Negocios y Derecho
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.source.bibliographicCitationAlvarez, M., & Gómez, F. R. (2022). Calidad de los datos clínicos en sistemas de salud digitales: una revisión narrativa. . Revista Colombiana de Informática en Salud, 3(1), 15–28. , https://doi.org/10.26507/rcis.v3n1.104
dc.source.bibliographicCitationCano, J. (19 de 04 de 2025). ¿Cuál es el impacto potencial de la IA en el sector salud? Los alcances y limitaciones. CAMBIO, págs. https://cambiocolombia.com/tecnologia/cual-es-impacto-real-podria-tener-ia-sector-salud-alcances-limitaciones
dc.source.bibliographicCitationCongreso de Colombia. (2015). Ley Estatutaria 1751 de 2015, por la cual se regula el derecho fundamental a la salud. Diario Oficial No. 49.427. ISO. (2015). Health informatics — Quality and reliability of health software and health data. ISO/TS 82304-1:2015
dc.source.bibliographicCitationJason, The MITRE Corporation. (2017). Artificial intelligence for health and health care. . https://www.healthit.gov/sites/default/files/jsr-17-task-002_aiforhealthandhealthcare12122017.pdf
dc.source.bibliographicCitationRajkomar, A., Dean, J., & Kohane, I. (2018). Machine learning in medicine. New England Journal of Medicine, 380(14), 1347–1358. https://doi.org/10.1056/NEJMra1814259
dc.source.bibliographicCitationReddy, S., Fox, J., & Purohit, M. P. (2019). Artificial intelligence-enabled healthcare delivery. Journal of the Royal Society of Medicine, 112(1),, 22–28. https://doi.org/10.1177/0141076818815510
dc.source.bibliographicCitationRosenbloom, S. T., Denny, J. C., Xu, H. L., N., S. W., & Johnson, K. B. (2011). Data from clinical notes: a perspective on the tension between structure and flexible documentation. Journal of the American Medical Informatics Association, 18(2
dc.source.bibliographicCitationSaban, M., Rubinstein, A., Cejas, C., & Perez-Acuna, K. (2023). El impacto de la inteligencia artificial en la atención de la salud. Perspectivas y enfoques para América Latina y el Caribe. Centro de Inteligencia Artificial y Salud para America Latina y el Caribe, DOI: https://doi.org/10.48060/tghn.125
dc.source.bibliographicCitationTopol, E. J. (2019). Deep medicine: How artificial intelligence can make healthcare human again. Basic Books
dc.source.bibliographicCitationWeiskopf, N. G., & Weng, C. (2013). Methods and dimensions of electronic health record data quality assessment: enabling reuse for clinical research. Journal of the American Medical Informatics Association, 20(1), 144–151. https://doi.org/10.1136/amiajnl-
dc.source.bibliographicCitationZozus, M. N., Pieper, C. F., Johnson, C. M., Johnson, T. R., Franklin, A., Smith, J. R., & Eisenstein, E. L. (2014 ). Factors affecting accuracy of data abstracted from medical records. . PLoS ONE, 9(10), e110625., https://doi.org/10.1371/journal.pone.0110625
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectInteligencia artificial (IA)
dc.subjectTutelas
dc.subjectSector salud
dc.subjectCalidad de datos
dc.subjectInteroperabilidad
dc.subjectDerechos fundamentales
dc.subjectResponsabilidad legal
dc.subject.keywordArtificial intelligence (AI)
dc.subject.keywordHealth protection actions
dc.subject.keywordHealthcare sector
dc.subject.keywordData quality
dc.subject.keywordInteroperability
dc.subject.keywordFundamental rights
dc.subject.keywordLegal liability
dc.titleEstrategias administrativas para la mitigación y/o reducir el riesgo jurídico en tutelas por inoportunidad de acceso al servicio al interior de una EPS
dc.title.TranslatedTitleAdministrative strategies to mitigate and/or reduce legal risk in cases of guardianship due to untimely access to services within an EPS
dc.title.alternativeLimitaciones actuales del uso de inteligencia artificial en la atención de Acciones Constitucionales de Tutela del sector salud por deficiencia en la calidad de los datos
dc.typemasterThesis
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.type.spaAnálisis de caso
local.department.reportEscuela de Administración
local.regionesBogotá
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Estrategias_administrativas_para_la_mitigación_Arroyave_Moreno_Yully_Natalia.pdf
Tamaño:
421.12 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Maestría en Negocios y Derecho