Métodos de inteligencia artificial en el diagnóstico y tratamiento de enfermedades crónicas

• Autores: Castillo Pastrana, Nicole Brisa Alexandra, Vasquez Garcia, Claudio Mauricio, Medina Perez, Gerald Paul, Alegría La Rosa de Benavides, Lourdes Milagrito
• Formato: objeto de conferencia
• Fecha de Publicación: 2024
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/14196
• Enlace del recurso: https://hdl.handle.net/20.500.12867/14196; https://doi.org/10.18687/LACCEI2024.1.1.1574
• Nivel de acceso: acceso abierto
• Materia: Inteligencia Artificial; Enfermedades crónicas; Estudio médico; Tratamiento; https://purl.org/pe-repo/ocde/ford#2.02.04

El empleo progresivo de la Inteligencia Artificial está siendo implementado en el diagnóstico y tratamiento de pacientes con enfermedades crónicas, lo que constituye el foco de interés de esta Revisión Sistemática de la Literatura (RSL). El objetivo principal es identificar los métodos de IA que contribuyen al sector de la salud en el diagnóstico y tratamiento de las enfermedades crónicas, con el propósito de mejorar los resultados clínicos y la calidad de vida de los pacientes. A través de la formulación de preguntas PICO, se llevó a cabo una búsqueda exhaustiva en la base de datos Scopus, recuperando un total de 14,255 artículos publicados entre los años 2019 y 2023. Tras aplicar los criterios de inclusión y exclusión según las directrices de PRISMA, se seleccionaron 20 artículos relevantes para el análisis. El análisis de los resultados obtenidos revela que el Machine Learning (Aprendizaje Automático) destaca como el enfoque más prominente, representando el 30% de los métodos de Inteligencia Artificial utilizados en estudios médicos sobre enfermedades crónicas. Además, se observa un 15% de estudios que emplean una combinación de varios métodos de IA. Se concluye que el Machine Learning es particularmente relevante en términos de precisión, con tasas de diagnóstico que oscilan entre el 65% y el 91.4%, y una exactitud general del 89%. Este enfoque abarca aproximadamente el 55% de los artículos seleccionados, abordando una variedad de enfermedades crónicas tales como aquellas de naturaleza fisiológica, física, pulmonar y diabetes.