Perspectivas sobre el diagnóstico precoz del cáncer bucal habilitado por la IA: una revisión de alcance

Área de la Ciencia:

• En el campo de la oncología
• La informática médica
• Inteligencia artificial

Sus antecedentes:

• El cáncer oral (CO) presenta un importante desafío para la salud mundial, y la detección temprana es crucial para mejorar el pronóstico y las tasas de supervivencia de los pacientes.
• Los desafíos actuales en el manejo de la OC incluyen derivaciones y diagnósticos especializados retrasados, lo que dificulta una evaluación temprana efectiva.
• La inteligencia artificial (IA) está emergiendo como una herramienta poderosa para mejorar la detección temprana de trastornos orales potencialmente malignos (OPMD) y OC.

Objetivo del estudio:

• Evaluar sistemáticamente diversas técnicas de inteligencia artificial (IA) para el diagnóstico precoz del cáncer bucal (CO).
• Evaluar el rendimiento diagnóstico de diferentes métodos de IA en la detección de OPMD y OC.
• Identificar los enfoques de IA más eficaces para mejorar la detección temprana de OC, especialmente en entornos con recursos limitados.

Principales métodos:

• Se realizó una búsqueda exhaustiva de literatura en PubMed para artículos publicados entre enero de 2016 y mayo de 2025.
• Los términos de búsqueda incluyen "inteligencia artificial", "aprendizaje profundo", "aprendizaje automático" y "cáncer oral".
• La revisión siguió las directrices de los Elementos de Información Preferidos para revisiones sistemáticas y la extensión de metaanálisis para revisiones de alcance (PRISMA-ScR), analizando 28 artículos seleccionados de los 88 recuperados.

Principales resultados:

• La mayoría de los estudios se originaron en el sudeste asiático, utilizando métodos de IA como redes neuronales convolucionales (CNN), CNN profundas, redes neuronales artificiales (ANN), bosques aleatorios y árboles de decisión.
• Las entradas de datos comunes incluyen imágenes fotográficas, móviles, citológicas y radiográficas.
• Las CNN profundas exhibieron la mayor sensibilidad, especificidad y precisión entre las técnicas de IA evaluadas.

Conclusiones:

• Las herramientas de IA demuestran un potencial significativo para mejorar el diagnóstico precoz del cáncer oral (CO) y las DPO.
• Los modelos de aprendizaje profundo, particularmente las CNN profundas, muestran un rendimiento de diagnóstico prometedor.
• Las aplicaciones de IA podrían ser especialmente beneficiosas para la detección temprana de OC en entornos de bajos recursos, abordando las brechas de diagnóstico actuales.