Please use this identifier to cite or link to this item:
https://repository.unad.edu.co/handle/10596/78693Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Jamica Guo, Edna Rocío | |
| dc.coverage.spatial | cead_-_josé_celestino_mutis | |
| dc.creator | Díaz Ramírez, Alex Mauricio | |
| dc.creator | González Mancera, Angy | |
| dc.creator | García Rojas, Julián David | |
| dc.creator | Liz Andela, Lidian Giovanna | |
| dc.creator | Villamil Castellanos, Yesica Paola | |
| dc.date.accessioned | 2026-02-12T20:55:46Z | |
| dc.date.available | 2026-02-12T20:55:46Z | |
| dc.date.created | 2026-02-05 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/78693 | |
| dc.description.abstract | El presente proyecto de investigación analiza la exposición a la radiación ionizante en los servicios de radiología convencional, en los estudios de radiografía de tórax, asociados principalmente a errores humanos en la selección manual de parámetros técnicos. Esta situación constituye un riesgo relevante para los pacientes y para los profesionales ocupacionalmente expuestos, en concordancia con la normativa nacional vigente y las recomendaciones internacionales de protección radiológica, que advierten sobre los efectos estocásticos y no estocásticos de la radiación ionizante. Ante este escenario, se propone la implementación de algoritmos de inteligencia artificial como herramienta de apoyo para la optimización automática de parámetros técnicos como kilovoltaje, miliamperaje-segundo, distancia foco-película, colimación y tiempo de exposición. El objetivo es reducir la variabilidad Inter operador, evitar la repetición de estudios, mejorar la calidad diagnóstica de las imágenes y disminuir la dosis absorbida, en coherencia con el principio ALARA. La propuesta integra un enfoque humanista que reconoce la experiencia y la responsabilidad profesional del tecnólogo en radiología. El estudio adopta un enfoque metodológico mixto bajo el modelo de investigación acción participativa, involucrando a tecnólogos y pacientes. A través de entrevistas y análisis de registros clínicos, se identificaron errores y se evaluó el impacto de la inteligencia artificial en la optimización de parámetros y la reducción de dosis. Los resultados evidencian mejoras en la calidad de imagen, la seguridad radiológica, la eficiencia del flujo de trabajo y la preservación de los equipos, resaltando la necesidad de supervisión profesional y un ejercicio ético centrado en el cuidado del paciente. | |
| dc.format | ||
| dc.title | Análisis de la implementación de inteligencia artificial (IA) mediante algoritmos en los parámetros técnicos de adquisición para la radiografía de tórax | |
| dc.type | Diplomado de profundización para grado | |
| dc.subject.keywords | Inteligencia Artificial | |
| dc.subject.keywords | Radiación ionizante | |
| dc.subject.keywords | Principio ALARA | |
| dc.subject.keywords | Seguridad Radiológica | |
| dc.description.abstractenglish | This research project analyzes exposure to ionizing radiation in conventional radiology services, particularly in chest radiography studies, mainly associated with human errors in the manual selection of technical parameters. This situation represents a significant risk for patients and occupationally exposed professionals, in accordance with current national regulations and international radiological protection recommendations, which warn about the stochastic and non-stochastic effects of ionizing radiation. In this context, the implementation of artificial intelligence algorithms is proposed as a support tool for the automatic optimization of technical parameters such as kilovoltage, milliampere-seconds, focal-film distance, collimation, and exposure time. The objective is to reduce inter-operator variability, avoid repeated examinations, improve diagnostic image quality, and decrease absorbed dose, in line with the ALARA principle. This proposal incorporates a humanistic approach that recognizes the experience and professional responsibility of radiologic technologists. The study adopts a mixed methodological approach under the participatory action research model, actively involving technologists and patients. Through interviews and clinical record analysis, frequent errors were identified and the impact of artificial intelligence on parameter optimization and dose reduction was evaluated. The results demonstrate improvements in image quality, radiological safety, workflow efficiency, and equipment preservation, highlighting the need for professional supervision, digital skills training, and an ethical practice focused on patient care. | |
| Appears in Collections: | Diplomado de Profundización en Control de la Calidad en Radiología Digital | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| YPVILLAMILC.pdf | 688.97 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.