Capacidad predictiva de los algoritmos de inteligencia artificial en el diagnóstico de enfermedades respiratorias...

Área de la Ciencia:

• Pulmonología pediátrica
• La informática médica
• La inteligencia artificial en la medicina

Sus antecedentes:

• Las enfermedades respiratorias son una de las principales causas de mortalidad infantil a nivel mundial.
• El diagnóstico de enfermedades respiratorias pediátricas es un desafío, especialmente en áreas con pocos recursos.
• La inteligencia artificial (IA) ofrece un enfoque novedoso y no invasivo utilizando el análisis del sonido de la tos.

Objetivo del estudio:

• Revisar sistemáticamente el rendimiento diagnóstico de los algoritmos de IA para las enfermedades respiratorias pediátricas basadas en los sonidos de la tos.
• Evaluar la aplicabilidad clínica y la calidad metodológica del análisis de la tos basado en la IA.
• Para sintetizar la evidencia sobre el potencial de la IA como herramienta de diagnóstico en entornos con recursos limitados.

Principales métodos:

• Revisión sistemática de la literatura siguiendo las directrices de PRISMA 2020.
• Se han incluido seis estudios de las principales bases de datos (PubMed, Scopus, Web of Science, IEEE Xplore).
• Análisis de modelos de IA, incluida la regresión logística, las CNN, los SVM y los enfoques híbridos; evaluación utilizando QUADAS-2.

Principales resultados:

• Los modelos de IA demostraron un alto potencial de diagnóstico con una sensibilidad del 82% al 94% y una especificidad del 71% al 91%.
• Algunos enfoques de IA superaron los algoritmos clínicos tradicionales de la OMS.
• Las limitaciones metodológicas incluyen diseños retrospectivos, tamaños de muestra pequeños y falta de validación externa en la mayoría de los estudios.

Conclusiones:

• El análisis de sonido de la tos basado en IA es una herramienta prometedora y escalable para diagnosticar enfermedades respiratorias pediátricas.
• La tecnología tiene un valor particular para mejorar el diagnóstico en entornos con recursos limitados.
• La investigación adicional requiere validación prospectiva e integración del flujo de trabajo clínico para la aplicación en el mundo real.