https://repository.unad.edu.co/handle/10596/52586 2026-06-11T08:19:07Z https://repository.unad.edu.co/handle/10596/82174 Control de calidad y ciberseguridad en la radiología digital: evaluación documental de riesgos en la inteligencia artificial La transformación digital en los servicios de salud ha impulsado el uso de tecnologías como la inteligencia artificial y la radiología digital, mejorando la precisión, rapidez y eficiencia en el diagnóstico médico. Sin embargo, la implementación de estos sistemas interconectados también ha generado desafíos relacionados con la seguridad de la información, la integridad de los datos y la vulnerabilidad a ciberataques, incluyendo los ataques adversariales que pueden alterar los resultados diagnósticos. El presente documento corresponde a una revisión bibliográfica orientada a identificar las vulnerabilidades asociadas a estas tecnologías. Mediante la búsqueda de artículos científicos, se analizan las necesidades de fortalecimiento de la ciberseguridad en el campo de la radiología. Se concluye que, aunque los avances tecnológicos favorecen la toma de decisiones clínicas, aún existen importantes retos para garantizar la protección de los datos y la confiabilidad de los sistemas frente a amenazas emergentes. 2026-06-06T00:00:00Z https://repository.unad.edu.co/handle/10596/82173 Optimización de la dosis de radiación en pacientes obesos sometidos a tomografía computarizada: Una revisión de la literatura científica El aumento de la obesidad representa un reto en radiología diagnóstica, ya que el mayor espesor corporal incrementa la atenuación de los rayos X. Esto obliga a usar parámetros más altos para lograr imágenes de calidad, aumentando la dosis de radiación y el riesgo para el paciente. La obesidad afecta a más de 2.500 millones de adultos a nivel mundial (OMS, 2024) e incrementa la demanda de tomografía computarizada (TC) para el seguimiento de sus comorbilidades. El exceso de tejido adiposo aumenta la atenuación del haz de rayos X, lo que obliga a elevar los parámetros de exposición y puede incrementar la dosis de radiación hasta un 60% respecto a pacientes normopeso (Smith-Bindman et al., 2020), con el consiguiente riesgo estocástico a largo plazo. El presente trabajo tiene como objetivo revisar los sistemas basados en tecnologías IoT para el monitoreo de la dosis de radiación en pacientes obesos durante procedimientos radiológicos y analizar su impacto en la optimización de la exposición y en las estrategias de protección radiológica. Para ello, se realizó una revisión documental de literatura científica relacionada con dosis en tomografía computarizada, métodos de estimación dosimétrica como CTDIvol y SSDE, así como estrategias de optimización bajo el principio ALARA. Los algoritmos DLR mostraron el mayor potencial, con reducciones de hasta el 68% (Aloisio et al., 2025). Las brechas prioritarias identificadas son la ausencia de DRL estratificados por tamaño corporal, la escasa implementación clínica del SSDE y la limitada evidencia latinoamericana. Los protocolos adaptativos por IMC, apoyados en tecnologías emergentes, constituyen el estándar de cuidado recomendado, en concordancia con el GSR Part 3 de la IAEA. 2026-06-03T00:00:00Z https://repository.unad.edu.co/handle/10596/82172 Innovación tecnológica en el diseño de hardware médico para la eficiencia energética en servicios de radiología: una revisión documental (2020-2025) La presente investigación tiene como objetivo analizar las innovaciones tecnológicas en el diseño de hardware médico orientadas a la eficiencia energética en los servicios de radiología durante el periodo 2020-2025. El estudio surge debido al alto consumo energético generado por equipos de diagnóstico por imagen, como la tomografía computarizada, la resonancia magnética y la radiología digital, lo cual impacta tanto en los costos operativos como en el medio ambiente. Metodológicamente, se desarrolló una investigación con enfoque cualitativo y diseño de revisión documental, basada en el análisis de literaturas científicas proveniente de bases de datos académicas reconocidas. Se empleó la técnica de análisis de contenido para clasificar la información en categorías como tecnologías radiológicas, consumo energético, innovaciones tecnológicas e impacto ambiental. Los resultados evidencian que las principales innovaciones tecnológicas incluyen sistemas de gestión energética inteligente, mejoras en los componentes de hardware y tecnologías de recuperación de energía. Asimismo, se identificó que la radiología digital presenta mayor eficiencia energética, mientras que la resonancia magnética representa el mayor consumo energético. Se concluye que la integración de innovaciones tecnológicas permite optimizar el consumo energético, reducir el impacto ambiental y mejorar la sostenibilidad en los servicios de radiología. No obstante, se requieren mayores esfuerzos en la implementación de tecnologías eficientes en equipos de alto consumo. 2026-06-03T00:00:00Z https://repository.unad.edu.co/handle/10596/82171 Inteligencia artificial aplicada al diagnóstico radiológico de la enfermedad pulmonar obstructiva crónica: una revisión documental La enfermedad pulmonar obstructiva crónica (EPOC) representa uno de los mayores problemas de salud pública mundial, con prevalencia estimada de 480 millones de personas y mortalidad de 3,5 millones de defunciones anuales. A pesar de esta magnitud, la EPOC permanece subdiagnosticada por las limitaciones de la espirometría como método de detección y la baja sensibilidad de la radiografía de tórax en estadios tempranos. En este contexto, la inteligencia artificial (IA), especialmente los modelos de aprendizaje profundo basados en redes neuronales convolucionales, surge como herramienta prometedora para mejorar la detección y estadificación de la EPOC a partir de imágenes radiológicas. El objetivo es analizar la evidencia científica sobre el uso de algoritmos de IA para el diagnóstico radiológico de la EPOC, identificando alcances, limitaciones y proyecciones clínicas. La metodología corresponde a un diseño cualitativo documental de enfoque descriptivo-analítico, mediante revisión de literatura publicada entre 2016 y 2026 en PubMed, SciELO, ScienceDirect y Cochrane, con términos MeSH en español e inglés. Los resultados indican que modelos como ResNet, DenseNet y EfficientNet, entrenados sobre ChestX-ray14 y MIMIC-CXR, alcanzan valores de AUC superiores a 0,85 en la clasificación de la EPOC. Persisten desafíos de opacidad de los modelos, generalización poblacional y consideraciones éticas para su implementación clínica. Se concluye que la IA representa un complemento diagnóstico valioso en radiología de tórax, siempre que su uso se acompañe de marcos regulatorios claros y de la participación del tecnólogo en radiología como auditor tecnológico. 2026-06-02T00:00:00Z