https://repository.unad.edu.co/handle/10596/52586 2026-07-01T16:34:22Z https://repository.unad.edu.co/handle/10596/82644 Estudio documental de los estándares de validación algorítmica en radiología digital: Retos para la equidad en el diagnóstico automatizado La radiografía de tórax es una herramienta fundamental en el diagnóstico clínico debido a su accesibilidad y utilidad en la evaluación de patologías pulmonares y cardiovasculares. Su calidad depende de factores técnicos y de las características anatómicas del paciente, las cuales pueden variar entre diferentes grupos poblacionales. El presente estudio tuvo como objetivo analizar la relación entre la variabilidad anatómica según grupos étnicos y los posibles sesgos en algoritmos de inteligencia artificial aplicados a la interpretación de radiografías de tórax. Se empleó un enfoque cualitativo, de tipo documental y diseño descriptivo-analítico, basado en la revisión de literatura científica. Los resultados evidencian que las diferencias antropométricas influyen en la formación de la imagen radiográfica y pueden afectar el desempeño de los sistemas de inteligencia artificial. Asimismo, se identificó que la falta de representatividad de ciertos grupos poblacionales en los conjuntos de datos contribuye a la aparición de sesgos algorítmicos, lo que impacta la precisión diagnóstica. Se concluye que es necesario promover la inclusión de poblaciones diversas en las bases de datos médicas y desarrollar modelos de inteligencia artificial más equitativos, con el fin de mejorar la calidad del diagnóstico y garantizar la equidad en salud. 2026-06-23T00:00:00Z https://repository.unad.edu.co/handle/10596/82637 Transferencia de sesgos y sesgo de automatización en radiología con inteligencia artificial El presente trabajo analiza el impacto de la inteligencia artificial (IA) en el campo de la radiología, centrándose en dos problemáticas relevantes: la transferencia de sesgos y el sesgo de automatización. La incorporación de sistemas basados en inteligencia artificial ha permitido mejorar la eficiencia en el análisis de imágenes médicas, optimizar la detección temprana de patologías y apoyar los procesos de toma de decisiones clínicas. Sin embargo, su implementación también plantea desafíos relacionados con la calidad de los datos utilizados para entrenar los algoritmos y con la confianza que los profesionales pueden depositar en las recomendaciones generadas por estos sistemas. El objetivo de esta investigación es analizar cómo la transferencia de sesgos y el sesgo de automatización pueden influir en la práctica radiológica y afectar la precisión diagnóstica. Para ello, se desarrolló una investigación con enfoque cualitativo, de tipo descriptivo y documental, basada en la revisión de literatura científica relacionada con inteligencia artificial, radiología, sesgos algorítmicos y ética en salud. Los resultados evidencian que la transferencia de sesgos puede producirse cuando los algoritmos son entrenados con datos poco representativos o con errores, generando diferencias en el rendimiento diagnóstico entre diversos grupos poblacionales. Asimismo, el sesgo de automatización puede llevar a que los profesionales de la salud otorguen una confianza excesiva a las recomendaciones emitidas por los sistemas de inteligencia artificial, disminuyendo el análisis crítico y aumentando el riesgo de errores diagnósticos. Se concluye que la inteligencia artificial debe ser utilizada como una herramienta de apoyo clínico que complemente el juicio profesional del radiólogo. Palabras Clave: inteligencia artificial, radiología, transferencia de sesgos, sesgo de automatización, apoyo clínico, diagnóstico por imágenes. 2026-06-11T00:00:00Z https://repository.unad.edu.co/handle/10596/82275 Internet de las Cosas (IoT) y los sistemas interconectados para mejorar la seguridad del paciente, a través de la monitorización continua y la automatización de alertas en tiempo real La investigación analiza cómo la limitada interoperabilidad y las deficiencias en la seguridad de los sistemas del Internet de las Cosas (IoT) usados en radiología afectan la precisión de la monitorización de dosis, la detección de eventos adversos y la eficiencia operativa. La finalidad es la de comprender los riesgos que genera la segmentación tecnológica y evaluar el potencial del IoT para mejorar la seguridad del paciente con la monitorización continua y la automatización de alertas en tiempo real. El estudio tiene una metodología de enfoque descriptivo y documental basado en Hernández et al. (2014), para caracterizar el fenómeno a partir de evidencia científica y técnica reciente. Las fases incluyen el planteamiento del problema, revisión literaria, construcción del marco teórico, diseño metodológico, análisis de hallazgos y conclusiones. Los resultados evidencian que la falta de interoperabilidad limita la integración de datos, reduce la precisión de la dosis y atrasa la detección de eventos adversos y las vulnerabilidades en ciberseguridad exponen los sistemas a la manipulación de datos y fallas operativas. Como conclusión los estándares de comunicación IoT se deben robustecer y consolidar las alertas automatizadas en tiempo real para mejorar la seguridad del paciente y la eficacia de los servicios de radiología. 2026-06-12T00:00:00Z https://repository.unad.edu.co/handle/10596/82265 evaluacion de prototipos de sofware open source para corrección de artefactos en imágenes de radiografía digital La presencia de artefactos en las imágenes de radiografía digital constituye un desafío para la calidad diagnóstica, ya que puede alterar la representación de las estructuras anatómicas y afectar la interpretación clínica. Frente a esta problemática, diversas herramientas basadas en procesamiento digital de imágenes e inteligencia artificial han sido desarrolladas para apoyar la detección y corrección automatizada de estas alteraciones. La presente investigación tuvo como objetivo analizar el desempeño de prototipos de software open source orientados a la corrección de artefactos en imágenes radiológicas, mediante una revisión sistemática de literatura científica publicada en los últimos años. Se examinaron diferentes soluciones tecnológicas, considerando sus fundamentos técnicos, métricas de rendimiento, ventajas operativas, limitaciones y nivel de aplicabilidad en entornos clínicos. Los resultados evidencian que las herramientas de código abierto han alcanzado avances significativos en la reducción de artefactos y el mejoramiento de la calidad de imagen, especialmente cuando incorporan modelos de aprendizaje profundo. Asimismo, se identificaron oportunidades relacionadas con la validación clínica, la estandarización de metodologías y la integración de estas soluciones en los flujos de trabajo radiológicos. Se concluye que el software open source representa una alternativa técnicamente viable y de amplia accesibilidad para fortalecer los procesos de control de calidad en radiología digital, favoreciendo el desarrollo de soluciones innovadoras y adaptables a diferentes contextos asistenciales. 2026-06-11T00:00:00Z