Array
(
    [responseDate] => 2026-07-07T02:45:50Z
    [request] => https://ijsmc.pro-metrics.org/index.php/i/oai
    [GetRecord] => SimpleXMLElement Object
        (
            [record] => SimpleXMLElement Object
                (
                    [header] => SimpleXMLElement Object
                        (
                            [identifier] => oai:ojs2.ijsmc.pro-metrics.org:article/375
                            [datestamp] => 2026-06-23T20:21:27Z
                            [setSpec] => Array
                                (
                                    [0] => i:ART
                                    [1] => driver
                                )

                        )

                    [metadata] => SimpleXMLElement Object
                        (
                            [dc] => SimpleXMLElement Object
                                (
                                    [title] => Array
                                        (
                                            [0] => The illusion of innovation: Why the exponential growth of artificial intelligence publications may not reflect epistemological progress in health sciences
                                            [1] => La ilusión de la innovación: por qué el crecimiento exponencial de las publicaciones sobre inteligencia artificial podría no reflejar un avance epistemológico en las ciencias de la salud
                                        )

                                    [creator] => Array
                                        (
                                            [0] => Visconti-Lopez, Fabriccio J.
                                            [1] => María Cristina Florián-Pérez
                                            [2] => Montoya-Vega, Martha Elena
                                            [3] => Lombana-Jimenez , Antony
                                        )

                                    [subject] => Array
                                        (
                                            [0] => artificial intelligence
                                            [1] => publications
                                            [2] => biomedical research
                                            [3] => evidence gaps
                                            [4] => meta-research
                                            [5] => inteligencia artificial
                                            [6] => publicaciones
                                            [7] => investigación biomédica
                                            [8] => lagunas de evidencia
                                            [9] => metainvestigación
                                        )

                                    [description] => Array
                                        (
                                            [0] => 
Objective. The goal is to critically examine whether the exponential growth of artificial intelligence publications in health sciences reflects genuine epistemological and translational progress, or if it predominantly represents a process of bibliometric expansion characterized by inferential fragility, methodological heterogeneity, and limited clinical consolidation.


Design/Methodology/Approach. A narrative review was conducted from meta-research, epistemological, and evidence-based medicine perspectives. The analysis focused on recurring structural issues in contemporary artificial intelligence literature in the health sciences. These issues include publication inflation, predictive reductionism, limitations in reproducibility, dataset fragility, constraints in external validity, and translational instability. Additionally, the review examined how current evaluative paradigms may conflate bibliometric visibility and computational performance with scientific robustness and clinical relevance.


Results/Discussion. The contemporary expansion of artificial intelligence research in the health sciences is accompanied by significant methodological, inferential, and translational challenges. A review of the literature suggests that high predictive performance can coexist with heterogeneous datasets, limited external validation, constraints on reproducibility, and context-dependent analytical conditions. Additionally, the growing focus on predictive optimization may lead to the prioritization of computational performance over causal interpretation and mechanistic understanding. Together, these findings raise questions about whether the current growth in publications reflects proportional epistemological and clinical progress.


Conclusions. The expansion of artificial intelligence research in the health sciences should not be uncritically interpreted as evidence of proportional scientific consolidation. Studies that integrate meta-research, including reproducibility, inferential robustness, interpretability, external validity, and translational applicability, are necessary to distinguish genuine innovation from quantitative growth without sufficient epistemological maturity.

                                            [1] => 
Objetivo. El objetivo es examinar críticamente si el crecimiento exponencial de las publicaciones sobre inteligencia artificial en las ciencias de la salud refleja un auténtico progreso epistemológico y traslacional, o si representa predominantemente un proceso de expansión bibliométrica caracterizado por la fragilidad inferencial, la heterogeneidad metodológica y una consolidación clínica limitada.


Diseño/Metodología/Enfoque. Se llevó a cabo una revisión narrativa desde las perspectivas de la metainvestigación, la epistemología y la medicina basada en la evidencia. El análisis se centró en problemas estructurales recurrentes en la literatura contemporánea sobre inteligencia artificial en las ciencias de la salud. Entre estos problemas se incluyen la inflación de publicaciones, el reduccionismo predictivo, las limitaciones en la reproducibilidad, la fragilidad de los conjuntos de datos, las restricciones en la validez externa y la inestabilidad traslacional. Además, la revisión examinó cómo los paradigmas evaluativos actuales pueden confundir la visibilidad bibliométrica y el rendimiento computacional con la solidez científica y la relevancia clínica.


Resultados/Discusión. La expansión actual de la investigación sobre inteligencia artificial en las ciencias de la salud va acompañada de importantes retos metodológicos, inferenciales y traslacionales. Una revisión de la literatura sugiere que un alto rendimiento predictivo puede coexistir con conjuntos de datos heterogéneos, una validación externa limitada, restricciones en la reproducibilidad y condiciones analíticas dependientes del contexto. Además, la creciente atención prestada a la optimización predictiva puede llevar a dar prioridad al rendimiento computacional frente a la interpretación causal y la comprensión mecanicista. En conjunto, estos hallazgos plantean dudas sobre si el actual crecimiento de las publicaciones refleja un progreso epistemológico y clínico proporcional.


Conclusiones. La expansión de la investigación en inteligencia artificial en las ciencias de la salud no debe interpretarse acríticamente como prueba de una consolidación científica proporcional. Son necesarios estudios que integren la metainvestigación —incluida la reproducibilidad, la solidez inferencial, la interpretabilidad, la validez externa y la aplicabilidad traslacional— para distinguir la innovación genuina del crecimiento cuantitativo sin la suficiente madurez epistemológica.

                                        )

                                    [publisher] => Pro-Metrics
                                    [date] => 2026-06-23
                                    [type] => Array
                                        (
                                            [0] => info:eu-repo/semantics/article
                                            [1] => info:eu-repo/semantics/publishedVersion
                                            [2] => Peer-reviewed article
                                        )

                                    [format] => Array
                                        (
                                            [0] => application/pdf
                                            [1] => application/pdf
                                        )

                                    [identifier] => Array
                                        (
                                            [0] => https://ijsmc.pro-metrics.org/index.php/i/article/view/375
                                            [1] => 10.47909/ijsmc.375
                                        )

                                    [source] => Array
                                        (
                                            [0] => Iberoamerican Journal of Science Measurement and Communication; Vol. 6 (2026): Forthcoming articles; 1-11
                                            [1] => Iberoamerican Journal of Science Measurement and Communication; Vol. 6 (2026): Próximos artículos; 1-11
                                            [2] => Iberoamerican Journal of Science Measurement and Communication; Vol. 6 (2026): Artigos futuros; 1-11
                                            [3] => 2709-3158
                                            [4] => 2709-7595
                                        )

                                    [language] => Array
                                        (
                                            [0] => eng
                                            [1] => spa
                                        )

                                    [relation] => Array
                                        (
                                            [0] => https://ijsmc.pro-metrics.org/index.php/i/article/view/375/224
                                            [1] => https://ijsmc.pro-metrics.org/index.php/i/article/view/375/225
                                        )

                                    [rights] => Array
                                        (
                                            [0] => Copyright (c) 2026 Fabriccio J. Visconti-Lopez, María Cristina Florián-Pérez, Martha Elena Montoya-Vega, Antony Lombana-Jimenez 
                                            [1] => https://creativecommons.org/licenses/by-nc/4.0
                                        )

                                )

                        )

                )

        )

)