Inteligencia artificial, Machine Learning y Deep Learning en la medicina Fetal
Cargando...
Fecha
Autores
Director
Enlace al recurso
DOI
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Descripción
La medicina fetal tradicional enfrenta desafíos significativos debido a la variabilidad del observador y la carga operativa en el diagnóstico por ultrasonido, lo que ha motivado la búsqueda de soluciones tecnológicas avanzadas. El objetivo de este trabajo es evaluar la evidencia científica sobre la eficacia de la Inteligencia Artificial (IA) en el diagnóstico prenatal, la predicción de riesgos y la identificación de desafíos ético-legales. Para ello, se realizó una revisión sistemática bajo el protocolo PRISMA, seleccionando 50 artículos originales de bases de datos como PubMed y SciELO tras un cribado de 12,000 registros iniciales. Los resultados más relevantes destacan que arquitecturas de aprendizaje profundo, como las redes neuronales convolucionales, alcanzan una precisión de hasta el 98.5% en la clasificación de planos anatómicos y superan la capacidad humana en la detección de anomalías cardíacas y del sistema nervioso central. Además, se evidenció que la IA reduce el tiempo de exploración en un 42%, optimizando la eficiencia clínica. Se concluye que, si bien la IA transforma el paradigma hacia una prevención proactiva y democratiza el acceso a diagnósticos de alta calidad, su implementación requiere marcos regulatorios sólidos que mitiguen sesgos algorítmicos y definan responsabilidades legales, reafirmando su rol como herramienta complementaria al juicio médico humano.
Abstract
Traditional fetal medicine faces significant challenges due to observer variability and the operational burden of ultrasound diagnosis, prompting the search for advanced technological solutions. The aim of this study is to evaluate the scientific evidence on the effectiveness of artificial intelligence (AI) in prenatal diagnosis, risk prediction, and the identification of ethical and legal challenges. To this end, a systematic review was conducted under the PRISMA protocol, selecting 50 original articles from PubMed and SciELO after screening 12,000 initial records. The most relevant results show that deep learning architectures, such as convolutional neural networks, achieve up to 98.5% accuracy in classifying anatomical planes and surpass human performance in detecting cardiac and central nervous system anomalies. Furthermore, it is evident that AI reduces scan time by 42%, optimizing clinical efficiency. It is concluded that while AI transforms the paradigm towards proactive prevention and democratizes access to high-quality diagnoses, its implementation requires robust regulatory frameworks that mitigate algorithmic bias and define legal responsibilities, reaffirming its role as a complementary tool to human medical judgment.
Idioma
spa
Palabras clave
Citación
Aguilar Chinome P. N. (2026). Inteligencia artificial, Machine Learning y Deep Learning en la medicina Fetal [Trabajo de Grado, Universidad Santo Tomás].Repositorio Institucional