Inteligencia artificial aplicada al diagnóstico radiológico de la enfermedad pulmonar obstructiva crónica: una revisión documental

Abstract

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.