Inteligencia artificial (IA) y aprendizaje automático (AA) para la optimización de parámetros de imagen: análisis bibliográfico

Abstract

La inteligencia artificial (IA) y el aprendizaje automático (AA) La IA y el aprendizaje automático han impulsado la automatización y personalización de los parámetros de adquisición en TC y RM, ajustándolos en tiempo real según el estudio y las características del paciente. Esta investigación analiza la eficacia de estos algoritmos para optimizar la calidad diagnóstica y reducir la exposición a radiación, en concordancia con la seguridad radiológica y la medicina de precisión. Estudios previos evidencian mejoras en la segmentación, reconstrucción de imágenes y una menor variabilidad entre operadores (McCollough y Leng, 2020; Aguirre et al., 2021; Falconi et al., 2024). Metodológicamente, se emplea un enfoque cuantitativo, cuasi-experimental y aplicado, con análisis estadísticos y comparaciones entre estudios realizados con y sin IA, evaluando parámetros técnicos, calidad de imagen y dosis administrada. También se utilizan técnicas de transfer learning y adaptación de dominio para validar la aplicabilidad de los algoritmos en diferentes contextos clínicos. La implementación de estas tecnologías plantea desafíos éticos y técnicos, incluyendo protocolos de gobernanza, trazabilidad de decisiones automatizadas, interoperabilidad con sistemas clínicos y consideraciones de equidad, bioseguridad y sostenibilidad (Kocak et al., 2025). El estudio busca generar evidencia que respalde la integración ética, escalable y sostenible de la IA en entornos hospitalarios, promoviendo una imagenología médica más segura, precisa y personalizada, centrada en la calidad diagnóstica y protección del paciente.