La anemia es un problema de salud pública que afecta a millones de personas, especialmente en poblaciones vulnerables. Su diagnóstico tradicional puede ser invasivos y costosos, lo que limita su accesibilidad en áreas de infraestructura limitada. El objetivo de esta investigación es realizar una revisión sistemática de la literatura científica sobre el uso de redes neuronales en la detección de anemia, se analizaron 43 artículos publicados entre el año 2020 y 2025, que emplean modelos como CNN, SVM y ResNet50, los cuales han demostrado alta precisión, alcanzando hasta un 97.64%. Los resultados evidencian la eficacia de los modelos en la detección automatizada de la enfermedad, destacando su capacidad para reducir el tiempo de diagnóstico y mejorar los entornos clínicos. Aunque existen desafíos para su implementación, debido a la necesidad de bases de datos robustas para m...

El glaucoma es una de las fundamentales causas de ceguera a nivel mundial, perjudicando a 76 millones de personas en el 20020 y teniendo una expectativa de proyección de 111,8 millones para el 2040, según la OMS. En el Perú el 50% de los pacientes desconocen que sufren esta enfermedad debido a su dificultad para ser detectada en etapas tempranas, por lo que su detección rápida es crucial. Los métodos tradicionales, aunque efectivos, tienen mucha dependencia de especialista y estas propensos a un mayor grado de erro, lo que ha inspirado a realizar la aplicación de inteligencia artificial para mejorar la precisión y accesibilidad en el diagnóstico. Este estudio se centra en un análisis comparativo de tres algoritmos de clasificación para el diagnóstico de glaucoma utilizando imágenes OCT. Se utilizó un conjunto de datos de 1005 imágenes, con tres algoritmos principales: Maqu...