Aplicaciones clínicas del óxido nítrico impulsado por inteligencia artificial: un análisis bibliométrico y de mapeo...

Área de la Ciencia:

• Ingeniería Biomédica
• Biología Computacional
• Inteligencia Artificial

Sus antecedentes:

• El óxido nítrico (NO) es una molécula de señalización crítica en la regulación cardiovascular, la respuesta inmune y la neuromodulación.
• La inteligencia artificial (IA) ofrece métodos avanzados para el monitoreo, dosificación y predicción de toxicidad del NO.
• La investigación existente sobre sistemas de NO impulsados por IA está fragmentada, careciendo de un análisis sistemático de la estructura y evolución del conocimiento.

Objetivo del estudio:

• Analizar sistemáticamente la arquitectura del conocimiento y la evolución de los sistemas de óxido nítrico impulsados por IA.
• Identificar tendencias de investigación, actores clave y barreras de traslación en este campo interdisciplinario.
• Proporcionar una visión general completa del panorama de convergencia IA-NO.

Principales métodos:

• Análisis bibliométrico de 384 artículos (2005-2024) de la Colección Principal de Web of Science.
• Se utilizaron CiteSpace, VOSviewer y el paquete R Bibliometrix para el análisis de datos.
• Se realizó un análisis de la evolución de palabras clave y redes para mapear temas de investigación y colaboraciones.

Principales resultados:

• El crecimiento de las publicaciones se aceleró después de 2017, coincidiendo con los avances en IA.
• China y EE. UU. lideran la investigación, con una estructura de colaboración internacional de núcleo-periferia.
• Los temas de investigación dominantes incluyen enfermedades cardiovasculares/respiratorias; las áreas subdesarrolladas incluyen neuroinmunología y enfermedades infecciosas.
• El análisis de palabras clave muestra un cambio de los mecanismos tradicionales a los enfoques impulsados por IA como el aprendizaje automático y el aprendizaje profundo.
• Existen desafíos significativos en la traslación clínica, incluida la heterogeneidad de los datos y la interpretabilidad de los algoritmos.

Conclusiones:

• Este estudio proporciona un marco sistemático para la investigación de NO impulsada por IA, destacando las lagunas de conocimiento y los cuellos de botella de traslación.
• La investigación futura debe centrarse en la modelización de IA del metabolismo del NO, algoritmos de IA explicables y validación clínica.
• Superar la brecha entre los hallazgos de laboratorio y la aplicación clínica es crucial para avanzar en la convergencia IA-NO.