Aplicación de inteligencia artificial en el diagnóstico y monitoreo de enfermedades respiratorias asociadas al asbesto: una revisión de alcance
No hay miniatura disponible
Archivos
Fecha
2025-01
Autores
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
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.
Descripción
Abstract
Objective
To analyze the application of artificial intelligence (AI) in the diagnosis and monitoring of asbestos-related respiratory diseases (ARRD), evaluating machine learning (ML) models to improve diagnostic accuracy and clinical decision-making in exposed populations.
Methodology
A scoping review was conducted using the JBI methodology and PRISMA-ScR protocol. The search in scientific databases included studies from 2019 to 2024 on AI applied to the diagnosis and monitoring of ARRD. Out of 1095 studies, 40 relevant ones were selected after applying inclusion filters, evaluating technologies, metrics, and populations.
Results
AI models, including convolutional neural networks (CNN) and support vector machines (SVM), achieved diagnostic accuracies above 90% for diseases such as asbestosis and pleural mesothelioma. Tools like MesoNet and genetic biomarkers enabled non-invasive diagnoses and improved risk stratification in asbestos-exposed patients.
Conclusions
AI has demonstrated its ability to optimize the diagnosis and monitoring of ARRD. However, challenges remain regarding data quality, model generalization, and equitable access. To maximize its impact, it is crucial to develop accessible data infrastructures, validation standards, and interdisciplinary collaborations to facilitate its integration into clinical practice.
Palabras 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
Keywords
Artificial intelligence, Machine learning, Asbestosis, Malignant mesothelioma, Lung neoplasm, Convolutional neural network, Tumor biomarkers, Thoracic radiography, X-ray computed tomography, Data mining