Artificial intelligence applied to the early diagnosis of chronic diseases
DOI:
https://doi.org/10.70577/tct2pv89Keywords:
Artificial intelligence, diagnosis, chronic diseases, algorithmic equity, clinical validation.Abstract
The early detection of chronic diseases represents a global challenge due to their high morbidity and mortality burden and associated costs. Problems such as diabetes mellitus, cardiovascular disease, and cancer require innovative methods that overcome the limitations of traditional approaches. The objective of this study was to evaluate recent advances in the application of artificial intelligence (AI) for the early diagnosis of chronic diseases, identifying implementation opportunities and challenges. The methodology consisted of an observational, analytical, and multicenter design with development and external validation cohorts, integrating multimodal data (tabular, clinical text, and images) and applying classical and deep learning algorithms, with discrimination, calibration, and fairness metrics. The results showed that deep network-based models outperformed classical methods, achieving AUROCs greater than 0.90 in diabetes, cardiovascular disease, and colorectal cancer, with good calibration and minimal gaps between subgroups. A 12 percentage point increase in sensitivity was observed for the detection of advanced adenomas compared to logistic regression, while maintaining a specificity of ≥0.80. In conclusion, AI has the potential to transform the early detection of chronic diseases, improving diagnostic accuracy and equity, although its implementation requires ethical frameworks, data governance, and prospective validation to ensure its safe and sustainable integration into healthcare systems.
References
Álvarez-Guachichulca, J. S. (2024). Inteligencia artificial en medicina: mapeo de producción científica en la última década (2013–2023). Revista Médica de Risaralda, 30(2). https://revistas.utp.edu.co/ revistas.
Aparicio-Montenegro, P. R., Narro-Andrade, M. G., León-Velarde, C. G., Morales-Romero, G. P., & Fernández-Flores, S. M. (2025). Modelos predictivos en la Salud Pública: El abordaje de la diabetes mediante la Inteligencia Artificial. Cuestiones Políticas, 43(82), 91–106. https://doi.org/10.5281/zenodo.15565315
Beneyto, A., Contreras, I., & Vehí, J. (2025, febrero). Intervención de la inteligencia artificial en la diabetes. Revista Diabetes, Nº 91. https://www.revistadiabetes.org/ Revista Diabetes+1
Castaño Castaño, S. C. (2025). La inteligencia artificial en Salud Pública: oportunidades, desafíos y perspectivas. Revista Española de Salud Pública, e202503017. https://ojs.sanidad.gob.es/
Dain, A. (2025). Diabetes en la era de la inteligencia artificial. Revista de la Sociedad Argentina de Diabetes. https://revistasad.com/index.php/diabetes/article/view/1255
Fácila Rubio, L., Vidal Pérez, R., Benedito, M., Sempere Andreu, M. L., Escobar Cervantes, C., & Cordero Fort, A. (2025). Predicción de morbimortalidad mediante inteligencia artificial aplicada al electrocardiograma: un metanálisis. REC: CardioClinics. https://doi.org/10.1016/j.rccl.2025.07.001
Falconi, M. L. (2024). Inteligencia artificial. Aplicación en las imágenes cardiovasculares y la prevención cardiovascular. Revista Argentina de Cardiología. https://rac.sac.org.ar/
Frágenas, A., Curbata, E., Álvarez, O., Pérez, G., Benítez, S., Pérez-Ybarra, L., & Gumina, C. (2025). ¿Supera la colonoscopia asistida por Inteligencia Artificial a la colonoscopia convencional? Estudio comparativo. Primer reporte en Venezuela. Gen, 79(1), 2–12. https://doi.org/10.61155/gen.v79i1.726
Galvis-García, E., de la Vega-González, F. J., Emura, F., Teramoto-Matsubara, Ó., Sánchez-Robles, J. C., Rodríguez-Vanegas, G., & Sobrino-Cossío, S. (2023). Inteligencia artificial en la colonoscopia de tamizaje y la disminución del error. Cirugía y Cirujanos, 91(3), 411–421. https://doi.org/10.24875/CIRU.22000446
Hoyos, W., Hoyos, K., & Ruiz-Pérez, R. (2023). Modelo de inteligencia artificial para la detección temprana de diabetes. Biomédica, 43(Supl. 3), 110–125. https://pmc.ncbi.nlm.nih.gov/articles/PMC10946312/
Juárez-Orozco, L. E. (2021). Scores de riesgo y redes neuronales en pacientes con insuficiencia cardíaca. Revista Argentina de Cardiología, 89(5), 385–387. https://doi.org/10.7775/rac.es.v89.i5.20449
Lanzagorta-Ortega, D., Carrillo-Pérez, D. L., & Carrillo-Esper, R. (2022). Inteligencia artificial en medicina: presente y futuro. Gaceta Médica de México, 158(Supl. 1), 17–21. https://doi.org/10.24875/GMM.M22000688
Mejía, J. A., Oviedo-Benalcázar, M. A., Ordoñez, J. A., & Valencia, J. F. (2023). Aprendizaje automático aplicado a la predicción de diabetes mellitus, utilizando información socioeconómica y ambiental de usuarios del sistema de salud. Revista Facultad Nacional de Salud Pública, 41(2), e351168. https://doi.org/10.17533/udea.rfnsp.e351168
Zepeda Lugo, C. A. (2024). Impacto de la IA en la predicción y detección oportuna de enfermedades: Revisión sistemática. LAJAE (Latin American Journal of Applied Engineering). https://lajae.uabc.mx/index.php/home/article/view/35
Downloads
Published
Issue
Section
License
Copyright (c) 2025 María José Guerrero Baque (Autor/a)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- Adaptar — remezclar, transformar y construir a partir del material
- La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial — Usted no puede hacer uso del material con propósitos comerciales .
- CompartirIgual — Si remezcla, transforma o crea a partir del material, debe distribuir su contribución bajo la la misma licencia del original.
- No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Avisos:
No tiene que cumplir con la licencia para elementos del materiale en el dominio público o cuando su uso esté permitido por una excepción o limitación aplicable.
No se dan garantías. La licencia podría no darle todos los permisos que necesita para el uso que tenga previsto. Por ejemplo, otros derechos como publicidad, privacidad, o derechos morales pueden limitar la forma en que utilice el material.
