Efectividad de la inteligencia artificial en el diagnóstico médico por imágenes: Una revisión sistemática
DOI:
https://doi.org/10.71068/t20bpr35Palabras clave:
inteligencia artificial, diagnóstico médico, imágenes diagnósticas, aprendizaje profundo, precisión diagnósticaResumen
Este artículo tuvo como objetivo analizar la efectividad de la inteligencia artificial (IA) en el diagnóstico médico por imágenes, mediante una revisión sistemática de la literatura científica publicada entre 2021 y 2025. La integración de algoritmos de IA en el ámbito clínico transformó el abordaje diagnóstico en distintas especialidades, al mejorar la precisión, eficiencia y rapidez en el análisis de imágenes. La revisión se llevó a cabo siguiendo las directrices PRISMA y utilizando bases de datos como PubMed, Scopus, EMBASE, Web of Science y Science Direct. Se seleccionaron diez estudios relevantes que abordaron áreas como oftalmología, oncología, neumología, enfermedades raras, odontología pediátrica y cirugía plástica. Los hallazgos indicaron que los sistemas basados en aprendizaje profundo y aprendizaje automático alcanzaron altos niveles de sensibilidad, especificidad y valor predictivo positivo, superando en algunos casos el rendimiento de especialistas humanos. No obstante, se identificaron limitaciones significativas, como la heterogeneidad metodológica, la falta de estandarización de métricas y la ausencia de marcos éticos y regulatorios sólidos. Se concluyó que la IA representó una herramienta complementaria valiosa en la práctica médica, con potencial para optimizar el diagnóstico por imágenes y mejorar la atención al paciente. Sin embargo, su implementación efectiva dependió del abordaje simultáneo de desafíos técnicos, éticos, educativos y estructurales. Esta revisión ofreció una base crítica para orientar futuras investigaciones, decisiones clínicas y políticas públicas hacia un uso responsable, seguro y humanizado de la inteligencia artificial en el sector salud.
Referencias
Aggarwal, R., Sounderajah, V., Martin, G., Ting, D. S., Karthikesalingam, A., King, D., ... & Darzi, A. (2021). Diagnostic accuracy of deep learning in medical imaging: a systematic review and meta-analysis. NPJ digital medicine, 4(1), 65. https://www.nature.com/articles/s41746-021-00438-z DOI: https://doi.org/10.1038/s41746-021-00438-z
Elias, M. A., Faversani, L. A., Moreira, J. A. V., Masiero, A. V., & Cunha, N. V. D. (2024). Inteligencia artificial en salud y sus implicaciones bioéticas: una revisión sistemática. Revista Bioética, 31, e3542PT. https://www.scielo.br/j/bioet/a/d9bswmTrshnRQSN6ff9WLkD/?format=html&lang=es DOI: https://doi.org/10.1590/1983-803420233542es
Eyzaguirre, J. C. L., Torrez, W. B., Sousa, K. S., & Retamal-Valdes, B. (2023). Optimizando la atención dental infantil: El papel de la Inteligencia Artificial en odontopediatría. RECIMA21-Revista Científica Multidisciplinar-ISSN 2675-6218, 4(9), e493849-e493849. https://recima21.com.br/index.php/recima21/article/view/3849 DOI: https://doi.org/10.47820/recima21.v4i9.3849
Khalifa, M., & Albadawy, M. (2024). AI in diagnostic imaging: Revolutionising accuracy and efficiency. Computer Methods and Programs in Biomedicine Update, 100146. https://www.sciencedirect.com/science/article/pii/S2666990024000132 DOI: https://doi.org/10.1016/j.cmpbup.2024.100146
Londoño, C. G., Restrepo, D. F. A., Castañeda, M. C. D., Ortega, C. B., Carmona, R. J., Rodríguez, C. M., & Gómez, S. R. (2024). Inteligencia artificial en el diagnóstico y en el tratamiento de lesiones musculares. riccafd: Revista Iberoamericana de Ciencias de la Actividad Física y el Deporte, 13(3), 252-273. https://dialnet.unirioja.es/servlet/articulo?codigo=9962062 DOI: https://doi.org/10.24310/riccafd.13.3.2024.20429
Lugo, C. A. Z., Rivarola, A. M. I., & Ferreira, A. P. A. (2024). Impacto de la IA en la Predicción y Detección Oportuna de Enfermedades: Una Revisión Sistemática. Latin American Journal of Applied Engineering, 7(1), 25-35. https://lajae.uabc.mx/index.php/home/article/view/35 DOI: https://doi.org/10.69681/lajae.v7i1.35
Ruge, L. A., Lesmes, D. V., Rincón, E. H., & Pérez, L. A. (2025). Inteligencia artificial para el abordaje integral de las enfermedades huérfanas/raras: revisión sistemática exploratoria. Medicina de Familia. SEMERGEN, 51(5), 102434. https://www.sciencedirect.com/science/article/pii/S1138359324002442 DOI: https://doi.org/10.1016/j.semerg.2024.102434
Silva, H. E. C. D., Santos, G. N. M., Leite, A. F., Mesquita, C. R. M., Figueiredo, P. T. D. S., Stefani, C. M., & de Melo, N. S. (2023). The use of artificial intelligence tools in cancer detection compared to the traditional diagnostic imaging methods: An overview of the systematic reviews. Plos one, 18(10), e0292063. https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0292063 DOI: https://doi.org/10.1371/journal.pone.0292063
Telich-Tarriba, J. E., Meraz-Soto, J. M., & Prieto-Vargas, V. (2023). Aplicaciones de la inteligencia artificial en la cirugía plástica y reconstructiva: una revisión exhaustiva de la literatura. Cirugía Plástica, 33(4), 152-160. https://www.medigraphic.com/cgi-bin/new/resumen.cgi?IDARTICULO=113881 DOI: https://doi.org/10.35366/113881
Villa Feijoó, A. L., & Zapata Velasco, E. K. (2025). Aplicaciones de la inteligencia artificial en el diagnóstico médico basado en datos. Innova Science Journal, 3(1), 16-29. https://doi.org/10.63618/omd/isj/v3/n1/2 DOI: https://doi.org/10.63618/omd/isj/v3/n1/2
Zhan, Y., Wang, Y., Zhang, W., Ying, B., & Wang, C. (2022). Diagnostic accuracy of the artificial intelligence methods in medical imaging for pulmonary tuberculosis: a systematic review and meta-analysis. Journal of Clinical Medicine, 12(1), 303. https://www.mdpi.com/2077-0383/12/1/303 DOI: https://doi.org/10.3390/jcm12010303
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Narda Guerrero Meza, Edgar Saúl Reyes Mauricio, Joel David Bastidas Jimbo (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
