Optimización de los procesos diagnósticos por imagen mediante la integración de algoritmos de inteligencia artificial
Palabras clave:
diagnóstico por imagen, inteligencia artificial, aprendizaje profundo, precisión diagnóstica, radiologíaResumen
La sobrecarga de datos en imagenología supera la capacidad de procesamiento de los especialistas, elevando el riesgo de errores diagnósticos por fatiga cognitiva. Evaluar la efectividad y precisión de las herramientas de inteligencia artificial (IA) frente al diagnóstico clínico convencional. Metodología: Revisión sistemática integrativa bajo el protocolo PRISMA de investigaciones (2020-2025) en repositorios científicos como PubMed, SciELO, LILACS y la Revista Científica Zambos. Los modelos de Deep Learning demostraron una precisión diagnóstica superior al 90% de AUROC, reduciendo significativamente los tiempos de lectura y la carga operativa hasta en un 70%. Aunque la precisión algorítmica supera a los clínicos en tareas específicas, persisten sesgos de representatividad en los datos y limitaciones severas en la interpretabilidad del modelo ("caja negra"), exigiendo validaciones clínicas externas. Conclusión: La IA no sustituye al médico; se consolida como un soporte indispensable de "hetero-inteligencia" cooperativa que incrementa drásticamente la seguridad del paciente y consolida la medicina de precisión.
Referencias
Aslan, A. T., Permana, B., Harris, P. N. A., Dondorp, A. M., Schlapbach, L. J., & Sweeney, T. E. (2023). The opportunities and challenges for artificial intelligence to improve sepsis outcomes in the paediatric intensive care unit. Current Infectious Disease Reports, 25, 243–253. https://doi.org/10.1007/s11908-023-00818-4 DOI: https://doi.org/10.1007/s11908-023-00818-4
Borja-Aguilar, M. N., Trejo-Carvajal, L. A., & Cambizaca-Mora, G. (2025). Enfermería e inteligencia artificial en la Unidad de Cuidados Intensivos: Revisión sistemática integrativa. Revista Científica Zambos, 4(2), 54–70. https://doi.org/10.69484/rcz/v4/n2/108 DOI: https://doi.org/10.69484/rcz/v4/n2/108
Buitrago-Esquinas, E. M., Yñiguez-Ovando, R., Puig-Cabrera, M., Custódio-Santos, M. M., & Santos, J. A. C. (2024). Artificial intelligence and sustainable tourism planning: A hetero-intelligence methodology proposal. Tourism & Management Studies, 20(SI), 45–59. https://doi.org/10.18089/tms.2024.20SI04 DOI: https://doi.org/10.18089/tms.2024SI04
Comité Editorial Revista Ocronos. (2025, 20 de abril). Impacto de la inteligencia artificial y nuevas tecnologías de imagen en el diagnóstico médico. Revista Médica Ocronos. https://revistamedica.com/nuevas-tecnologias-imagen-diagnostico-medico/
Jiménez-Tuza, S. B. (2025). Uso de la inteligencia artificial en la dirección de centros educativos. Revista Científica Zambos, 4(1), 191–204. https://doi.org/10.69484/rcz/v4/n1/86 DOI: https://doi.org/10.69484/rcz/v4/n1/86
Kobayashi, N., Watanabe, K., Murakami, H., & Yamauchi, M. (2023). Continuous visualization and validation of pain in critically ill patients using artificial intelligence: A retrospective observational study. Scientific Reports, 13, Artículo 17479. https://doi.org/10.1038/s41598-023-44970-2 DOI: https://doi.org/10.1038/s41598-023-44970-2
Liu, W., Wang, J., Zhang, Y., & Luo, X. (2025). Enhancing diagnostic accuracy of lung nodules in chest CT scans with artificial intelligence: Comparative study. Journal of Medical Internet Research, 27, Article e64649. https://doi.org/10.2196/64649 DOI: https://doi.org/10.2196/64649
Londoño-Puentes, J. C. (2024). Análisis de la interoperabilidad de los sistemas de información en el sector de la salud. Innova Science Journal, 2(3), 39–52. https://doi.org/10.63618/omd/isj/v2/n3/42 DOI: https://doi.org/10.63618/omd/isj/v2/n3/42
Martí-Bonmatí, L. (2024). Inteligencia artificial en imagen médica. Anales de la Real Academia Nacional de Medicina, 141(2), 111–118. https://doi.org/10.32440/ar.2024.141.02.rev02 DOI: https://doi.org/10.32440/ar.2024.141.02.rev02
Sánchez Bernal, M. (2024). Revisión bibliográfica: Podología e inteligencia artificial aplicada al pie diabético [Trabajo de fin de grado, Universidad Miguel Hernández]. Repositorio Institucional UMH. https://hdl.handle.net/11000/33402
Spatharou, A., Hieronimus, S., & Jenkins, J. (2025). Transforming healthcare with AI: The impact on the workforce and organizations. McKinsey & Company. https://www.mckinsey.com/industries/healthcare/our-insights/transforming-healthcare-with-ai
Villa-Feijoó, A. L. (2022). Estrategias de promoción de la salud y prevención de enfermedades desde la perspectiva de la enfermería en Ecuador. Revista Científica Zambos, 1(3), 1–14. https://doi.org/10.69484/rcz/v1/n3/29 DOI: https://doi.org/10.69484/rcz/v1/n3/29
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), 16–30. https://doi.org/10.63618/omd/isj/v3/n1/2 DOI: https://doi.org/10.63618/omd/isj/v3/n1/2
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Moreira-Rodríguez, Jorge Roberto, Panchi-Rocha, Dayana Mishell, Zambrano-Cabrera, Dayan Leiner, Hidalgo-Zambrano, Ángel Fabián, Zambrano-Zambrano, Johan (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Cómo citar
