Aplicación de inteligencia artificial para la predicción del desabastecimiento de medicamentos en hospitales de la red pública del Ecuador

Resumen

El desabastecimiento de medicamentos en la red pública hospitalaria del Ecuador representa una problemática crítica que compromete la continuidad terapéutica y desencadena graves complicaciones fisiopatológicas en la población. La presente investigación analiza la aplicación de inteligencia artificial y modelos de aprendizaje automático para la predicción temprana de rupturas de stock farmacéutico. Mediante una revisión sistemática rigurosa bajo la declaración PRISMA 2020, se evaluaron estudios publicados entre 2020 y 2026 recuperados de repositorios como SciELO, SCOPUS, Web of Science, PubChem, Trip Database, FDA y la Revista Científica Ciencia y Método. Los resultados demuestran que las arquitecturas de redes neuronales recurrentes Long Short-Term Memory y algoritmos de Gradient Boosting (XGBoost) alcanzan una precisión superior al 94% y un área bajo la curva de 0.978, anticipando escaseces con 90 días de antelación. Esta capacidad predictiva mitiga eventos clínicos adversos graves, como crisis hipertensivas, cetoacidosis diabética, sepsis por microorganismos multirresistentes y rechazo de injertos en trasplantes. Se concluye que la integración de analítica predictiva en la gestión logística pública optimiza la distribución de recursos, fortalece la toma de decisiones gerenciales, salvaguarda la seguridad del paciente y constituye un avance científico transformador para la sostenibilidad del sistema de salud ecuatoriano.