Antecedentes: El cáncer de mama es la enfermedad maligna más frecuente en mujeres a nivel mundial. En el Perú, representa la neoplasia más prevalente y la segunda causa principal de muerte en mujeres. Objetivo: Explorar la evidencia existente sobre el impacto de la inteligencia artificial en la mejora del diagnóstico por imágenes del cáncer de mama. Metodología: Se realizó una revisión de alcance siguiendo las guías del Joanna Briggs Institute y la declaración PRISMA-ScR. Se incluyeron estudios con acceso completo, publicados entre el 2014 y 2024. La búsqueda se efectuó en bases de datos como PubMed, Web of Science, Scopus, EMBASE y Google Académico, además de literatura gris. Resultados: Se analizaron diez artículos (5 estudios observacionales retrospectivos, 3 ensayos clínicos y 2 experimentales). La IA mejoró la calidad de las mamografías mediante realce de imagen y segmentación, optimizó la clasificación de lesiones en resonancia magnética multiparamétrica, disminuyó la carga de trabajo sin comprometer la detección de cánceres invasivos, logrando una tasa de detección similar al método convencional. En el procesamiento de imágenes, permitió la eliminación de ruido, mejoró el contraste y la segmentación de alta precisión. Aumentó la sensibilidad y la precisión diagnóstica, reduciendo falsos positivos y mejorando la clasificación de lesiones. Elevó el área bajo la curva ROC y la precisión de los radiólogos sin afectar el flujo de trabajo. Conclusiones: La inteligencia artificial es una herramienta que ayuda en la mejora integral del diagnóstico por imágenes del cáncer de mama ya que mejora los procesos de adquisición, procesamiento e interpretación diagnóstica de las imágenes, lo cual es beneficioso para los sistemas de salud.Background: Breast cancer is the most common malignant disease in women worldwide. In Peru, it represents the most prevalent neoplasm and the second leading cause of death among women. Objective: To explore the existing evidence on the impact of artificial intelligence on the improvement of breast cancer imaging diagnosis. Methodology: A scoping review was conducted following the guidelines of the Joanna Briggs Institute and the PRISMA-ScR statement. Studies with full access, published between 2014 and 2024, were included. The search was conducted in databases such as PubMed, Web of Science, Scopus, EMBASE, and Google Scholar, as well as gray literature. Results: Ten articles were analyzed (5 retrospective observational studies, 3 clinical trials, and 2 experimental studies). AI improved the quality of mammograms through image enhancement and segmentation, optimized lesion classification in multiparametric magnetic resonance imaging, reduced workload without compromising the detection of invasive cancers, achieving a detection rate similar to conventional methods. In image processing, it allowed noise removal, improved contrast, and high-precision segmentation. It increased sensitivity and diagnostic accuracy, reducing false positives and improving lesion classification. It raised the area under the ROC curve and the precision of radiologists without affecting workflow. Conclusions: Artificial intelligence is a tool that contributes to the comprehensive improvement of breast cancer imaging diagnosis by enhancing the processes of image acquisition, processing, and diagnostic interpretation, which is beneficial for healthcare systems.