Inteligencia artificial aplicada al diagnóstico temprano de enfermedades crónicas

Resumen

La detección temprana de enfermedades crónicas representa un desafío global debido a su alta carga de morbimortalidad y costos asociados. Problemas como la diabetes mellitus, enfermedades cardiovasculares y cáncer requieren métodos innovadores que superen las limitaciones de los enfoques tradicionales. El objetivo de este estudio fue evaluar los avances recientes en la aplicación de la inteligencia artificial (IA) para el diagnóstico temprano de enfermedades crónicas, identificando oportunidades y desafíos de implementación. La metodología consistió en un diseño observacional, analítico y multicéntrico con cohortes de desarrollo y validación externa, integrando datos multimodales (tabulares, texto clínico e imágenes) y aplicando algoritmos clásicos y de aprendizaje profundo, con métricas de discriminación, calibración y equidad. Los resultados mostraron que los modelos basados en redes profundas superaron a los métodos clásicos, logrando AUROC superiores a 0.90 en diabetes, cardiovascular y cáncer colorrectal, con buena calibración y brechas mínimas entre subgrupos. Se evidenció un aumento de 12 puntos porcentuales en sensibilidad en la detección de adenomas avanzados respecto a la regresión logística, manteniendo especificidad ≥0.80. En conclusión, la IA tiene potencial para transformar la detección temprana de enfermedades crónicas, mejorando la precisión y equidad diagnóstica, aunque su implementación requiere marcos éticos, gobernanza de datos y validaciones prospectivas para garantizar su integración segura y sostenible en los sistemas de salud.