Optimización de parámetros en tomografía computarizada con inteligencia artificial: comparativa de algoritmos para mejorar imagen y reducir radiación

Abstract

Esta investigación explora el impacto de la inteligencia artificial (IA) y el aprendizaje automático en la optimización de parámetros de imagen en tomografía computarizada (TC), un enfoque innovador que busca mejorar la calidad de las imágenes diagnósticas y reducir la dosis de radiación administrada a los pacientes. En el ámbito de la radiología, la calidad de imagen es esencial para obtener diagnósticos precisos y reducir los errores, lo cual depende en gran medida de parámetros de adquisición, tales como el voltaje, el amperaje y la resolución. Además, se enfoca en cómo los algoritmos de IA pueden ajustar de manera automática estos parámetros, basándose en factores específicos como el tipo de patología y las características individuales del paciente, logrando un equilibrio entre calidad de imagen y seguridad. A través del análisis de literatura se identifican y discuten los avances en el uso de IA para la optimización en TC. Los algoritmos de IA permiten la minimización de artefactos y el ajuste preciso de parámetros, lo cual eleva la precisión diagnóstica y optimiza el flujo de trabajo en entornos clínicos al reducir estudios adicionales. Así, la IA además de mejorar los procesos de adquisición de imágenes, contribuye a personalizar el diagnóstico médico y la adaptación de protocolos a los pacientes, incrementando la eficiencia y seguridad en radiología. Por tanto, se subraya el potencial transformador de la IA en la radiología, destacando su capacidad para mejorar la precisión diagnóstica y la eficiencia en la atención al paciente. Sin embargo, es necesario abordar de forma proactiva los desafíos asociados, como aspectos éticos, seguridad, y la formación continua de los profesionales en el uso de IA, para asegurar su correcta integración en la práctica clínica y consolidar la confianza en esta tecnología en el ámbito de la salud. Palabras clave: Inteligencia artificial, optimización de imágenes, control de calidad, radiología, diagnóstico.