Aplicación de inteligencia artificial en el diagnóstico y monitoreo de enfermedades respiratorias asociadas al asbesto: una revisión de alcance

Objetivo Analizar la aplicación de inteligencia artificial (IA) en el diagnóstico y monitoreo de enfermedades respiratorias relacionadas al asbesto (ERRA), evaluando modelos de aprendizaje automático (ML) para mejorar la precisión diagnóstica y la toma de decisiones clínicas en poblaciones expuestas. Metodología Se realizó una revisión de alcance con la metodología JBI y el protocolo PRISMA-ScR. La búsqueda en bases de datos científicas incluyó estudios entre 2019 y 2024 sobre IA aplicada al diagnóstico y monitoreo de ERRA. De 1095 estudios, se seleccionaron 40 relevantes tras aplicar filtros de inclusión, evaluando tecnologías, métricas y poblaciones. Resultados Los modelos de IA, incluyendo redes neuronales convolucionales (CNN, por sus siglas en inglés) y máquinas de soporte vectorial (SVM, por sus siglas en inglés), alcanzaron precisiones diagnósticas superiores al 90% en enfermedades como asbestosis y mesotelioma pleural. Herramientas como MesoNet y biomarcadores genéticos permitieron diagnósticos no invasivos y una mejor estratificación de riesgo en pacientes expuestos al asbesto. Conclusiones La IA ha demostrado su capacidad para optimizar el diagnóstico y monitoreo de ERRA. Sin embargo, persisten desafíos en la calidad de datos, generalización de modelos y equidad en el acceso. Para maximizar su impacto, es crucial el desarrollo de infraestructuras de datos accesibles, estándares de validación y colaboraciones interdisciplinarias que faciliten su integración en la práctica clínica.

• Autores: Gómez Ayarza, Víctor Aurelio
• Tipo de recurso: https://purl.org/coar/resource_type/c_7a1f
• Fecha de publicación: 2025
• Institución: Universidad El Bosque
• Repositorio: Repositorio U. El Bosque
• Idioma: spa
• OAI Identifier: oai:repositorio.unbosque.edu.co:20.500.12495/13938
• Acceso en línea: https://hdl.handle.net/20.500.12495/13938
• Palabra clave: Inteligencia artificial; Aprendizaje automático; Asbestosis; Mesotelioma maligno; Neoplasia pulmonar; Redes neurales de la computación; Biomarcadores de tumor; Radiografía torácica; Tomografía computarizada por rayos X; Minería de datos; Artificial intelligence; Machine learning; Asbestosis; Malignant mesothelioma; Lung neoplasm; Convolutional neural network; Tumor biomarkers; Thoracic radiography; X-ray computed tomography; Data mining; WA450
• License: Attribution-NonCommercial-ShareAlike 4.0 International