Estudio documental de los estándares de validación algorítmica en radiología digital: Retos para la equidad en el diagnóstico automatizado

Abstract

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.