Algoritmos de Inteligencia Artificial para la Detección de Patologías Relacionadas con el Cáncer de Pulmón a través del Análisis de Imágenes utilizando Redes Neuronales Convolucionales y Data Augmentation: un mapeo sistemático de la literatura

Abstract

El cáncer de pulmón es una de las principales causas de muerte en el mundo y su diagnóstico temprano es crucial para mejorar el pronóstico y la calidad de vida de los pacientes. Sin embargo, el proceso de interpretación de imágenes médicas para la detección del cáncer de pulmón es complejo y requiere de expertos capacitados. En este contexto, la inteligencia artificial (IA) y el aprendizaje profundo (DL) surgen como herramientas potenciales para automatizar y optimizar el análisis de imágenes. El objetivo de este trabajo es revisar las aplicaciones más recientes y relevantes de la IA y el DL en el campo de la radiología para la detección del cáncer de pulmón. Para ello, se realizó una búsqueda exhaustiva en bases de datos científicas como PubMed, IEEEXPLORE, Scopus y Web of Science y se seleccionaron 96 artículos publicados desde el año 2015 hasta la actualidad que abordan el uso de IA y DL en la ingeniería biomédica. Se enfatiza el uso de redes neuronales convolucionales (CNN) con transferencia de conocimiento y Data Augmentation como técnicas prometedoras para mejorar la precisión y la eficiencia del proceso de interpretación de imágenes. Los resultados muestran que el uso de IA y DL puede ofrecer una alternativa efectiva para el diagnóstico temprano del cáncer de pulmón, con una alta sensibilidad y especificidad. Sin embargo, también se identifican limitaciones y desafíos actuales que deben abordarse para garantizar su aplicación responsable y segura en la práctica clínica, tales como la falta de datos estandarizados, la explicabilidad de los modelos, la privacidad de los pacientes y las implicaciones éticas y sociales. Se concluye que el uso de IA y DL puede tener un impacto positivo en la atención al paciente con cáncer de pulmón, pero se requiere más investigación y regulación para asegurar su calidad y confiabilidad.