Inteligencia artificial y diagnóstico y manejo de la enfermedad de la tuberculosis en niños

Área de la Ciencia:

• Imágenes médicas y diagnósticos.
• Inteligencia artificial en el cuidado de la salud.
• Enfermedades infecciosas pediátricas.

Sus antecedentes:

• El diagnóstico de la tuberculosis pediátrica (PdTB) es un reto debido a los síntomas no específicos y las dificultades en la recolección de muestras.
• Los recursos limitados en muchas regiones exacerban los obstáculos de diagnóstico para PdTB.
• La inteligencia artificial (IA) ofrece soluciones prometedoras para mejorar la precisión del diagnóstico y la efectividad del tratamiento.

Objetivo del estudio:

• Revisar los avances recientes en la IA para el diagnóstico de la tuberculosis pediátrica (PdTB).
• Evaluar la efectividad de las herramientas de diagnóstico basadas en IA en entornos con recursos limitados.
• Identificar las futuras direcciones de investigación para la IA en la gestión de PdTB.

Principales métodos:

• Revisión de la literatura de 19 estudios publicados entre enero de 2024 y julio de 2025.
• Análisis de técnicas de IA que incluyen redes neuronales convolucionales (CNN), aprendizaje de transferencia y aprendizaje automático de conjunto apilado (SEML).
• Evaluación del rendimiento de la IA en el análisis de rayos X del tórax (CXR) para la detección de PdTB.

Principales resultados:

• El diagnóstico AI-CXR logró una alta sensibilidad (76.0-98.2%), especificidad (70.0-98.0%) y AUC (hasta 0.98).
• La triaje AI-CXR identificó con éxito a más del 30% de los pacientes en los ensayos etíopes.
• Los modelos de predicción indicaron un 82% de preocupaciones de hepatotoxicidad en cohortes nigerianas; los métodos emergentes como la proteómica muestran potencial pero requieren conjuntos de datos pediátricos más grandes.

Conclusiones:

• La IA mejora el diagnóstico y la predicción del tratamiento de PdTB en entornos de recursos limitados.
• La integración de la IA con herramientas como GeneXpert y la telemedicina puede mejorar la eficiencia de la detección.
• La investigación futura debe centrarse en la expansión de los conjuntos de datos pediátricos y la evaluación de enfoques de IA multimodal para PdTB.