Optimización de parámetros de imagen basada en IA y aprendizaje automático

Abstract

Este proyecto tiene como objetivo realizar un análisis sobre un modelo conceptual basado en inteligencia artificial y aprendizaje automático para optimizar automáticamente los parámetros de exposición en radiología digital. Se realiza una revisión sistemática de literatura científica reciente (2018–2025) y un análisis documental para identificar el estado actual, las limitaciones de los métodos tradicionales y el potencial de los algoritmos de IA en la reducción de dosis y mejora de la calidad diagnóstica. Los estudios analizados evidencian que los sistemas inteligentes pueden ajustar en tiempo real parámetros como kVp y mAs, logrando reducciones de dosis entre el 30 % y el 50 % sin afectar la calidad de imagen, además de mejorar la eficiencia del flujo de trabajo radiológico. Con base en estos hallazgos, se diseñó un modelo conceptual que integra la adquisición de datos, el procesamiento algorítmico y la automatización de parámetros. Se concluye que la IA constituye una herramienta viable para personalizar la dosimetría, estandarizar protocolos, disminuir la variabilidad dependiente del operador y fortalecer el cumplimiento del principio ALARA, aunque su implementación requiere validación clínica, regulación y capacitación profesional. Palabras clave: Radiología digital, inteligencia artificial, aprendizaje automático, optimización de exposición, ALARA, medicina personalizada.