Uso del aprendizaje automático para diagnosticar cáncer de cuello uterino a través de imágenes colposcópicas

• Autor: Delgado Ruiz, Edward Freddy
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Señor de Sipan
• Repositorio: USS-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.uss.edu.pe:20.500.12802/15790
• Enlace del recurso: https://hdl.handle.net/20.500.12802/15790
• Nivel de acceso: acceso abierto
• Materia: Cáncer de cuello uterino; Imágenes colposcópicas; Diagnóstico de cáncer; Declaración PRISMA; Aprendizaje automático; https://purl.org/pe-repo/ocde/ford#2.02.04

El cáncer de cuello uterino (CCU) representa una de las principales causas de morbilidad y mortalidad femenina a nivel mundial, especialmente en regiones con acceso limitado a servicios de diagnóstico temprano. En este contexto, las técnicas de inteligencia artificial (IA), particularmente el aprendizaje automático, han emergido como herramientas prometedoras para apoyar el diagnóstico mediante el análisis de imágenes colposcópicas. Este estudio realiza una revisión sistemática de investigaciones recientes que aplican métodos de IA para detectar CCU utilizando imágenes médicas. El objetivo fue identificar las técnicas más utilizadas, sus resultados diagnósticos y las tendencias emergentes en el campo. Se analizaron 35 estudios que emplean principalmente redes neuronales convolucionales (CNN), modelos híbridos como ResNet, MobileNet, EfficientNet y técnicas más avanzadas como Transformers y grafos neuronales. Los hallazgos muestran que muchos de estos modelos logran altos niveles de precisión, sensibilidad y especificidad, superando el 90% en varios casos. También se destaca una tendencia creciente hacia el desarrollo de modelos ligeros, explicables y adaptables a entornos con pocos recursos. Sin embargo, se identifican limitaciones importantes como la escasez de validación clínica y la falta de diversidad en los conjuntos de datos empleados. A partir de ello, se propone una agenda de investigación orientada a crear soluciones más accesibles, robustas y validadas para la detección precoz del CCU. Esta revisión busca contribuir a futuras investigaciones que aprovechen el potencial de la IA en beneficio de la salud femenina y la lucha contra el cáncer cervical.