Utilidad de la inteligencia artificial en la mejora del diagnóstico de enfisema pulmonar por tomografía computarizada de baja dosis: una revisión de alcance

Abstract

Introducción: El enfisema es una forma de enfermedad pulmonar obstructiva crónica (EPOC), siendo la cuarta causa de deceso en el mundo. La radiología ha tenido grandes avances, destacando el uso de la inteligencia artificial (IA) en la tomografía computarizada de baja dosis (TCBD).Objetivo: Mapear la evidencia disponible sobre la utilidad de la inteligencia artificial en la mejora del diagnóstico de enfisema pulmonar por tomografía computarizada de baja dosis. Metodología: Se elaboró una revisión de alcance siguiendo las directrices del Instituto Joanna Briggs (JBI). Se incluyeron estudios publicados desde el 2019hasta el año 2024. La búsqueda se realizó en bases de datos como Embase, Medline, Clinical Key, Scielo, LILACS, Cochrane y literatura gris. Los artículos fueron evaluados en forma independiente para su inclusión y las decisiones discordantes se tomaron por consenso y ayuda de un cuarto revisor. Resultados: Se incluyeron 10 estudios. La evidencia mostró que los algoritmos de aprendizaje profundo (Deep Learning) mejoraron significativamente la calidad de imagen al reducir el ruido en protocolos de baja dosis. Asimismo, la cuantificación automatizada del enfisema demostró una correlación superior con la mortalidad y la obstrucción del flujo aéreo en comparación con la evaluación visual tradicional. Conclusiones: La inteligencia artificial es una herramienta útil que permite transformar la TCLD de un método de cribado cualitativo a uno cuantitativo, mejorando la precisión diagnóstica y la estratificación del riesgo en pacientes con enfisema.

Emphysema is a form of chronic obstructive pulmonary disease (COPD) and is the fourth leading cause of death worldwide. Radiology has made significant advances, notably the use of artificial intelligence (AI) in low-dose computed tomography (LDCT). Objective: To map the available evidence on the usefulness of artificial intelligence in improving the diagnosis of pulmonary emphysema by low-dose computed tomography. Methodology: A scoping review was conducted following the Joanna Briggs Institute (JBI) guidelines. Studies published from 2019 to 2024 were included. The search was conducted in databases such as Embase, PubMed, Clinical Key, Cochrane, and grey literature. Results: 10 studies were included. Evidence showed that deep learning algorithms significantly improved image quality by reducing noise in low-dose protocols. Furthermore, automated emphysema quantification demonstrated asuperior correlation with mortality and airflow obstruction compared to traditional visual assessment. Conclusions: Artificial intelligence is a useful tool that transforms LDCT from aqualitative screening method into a quantitative one, improving diagnostic accuracy and risk stratification in patients with emphysema.