Optimización del diagnóstico médico: Un análisis bibliométrico de la precisión de técnicas de IA en la detección temprana de enfermedades

Abstract

El uso de la inteligencia artificial (IA) en todos los campos se encuentra en un constante crecimiento, y el área de la salud no es la excepción, con nuevas empresas de salud digital introduciendo tecnologías y servicios digitales que mejoran la eficiencia del diagnóstico y reducen costos y tiempo en este importante campo. No obstante, para aprovechar plenamente el potencial de la IA en la atención médica, es esencial una integración exitosa de esta herramienta. El objetivo de esta investigación se centró en identificar el impacto que ha tenido el uso de técnicas de IA con el fin de mejorar la precisión en el diagnóstico temprano de enfermedades. Para esto se realizó un análisis bibliométrico basado en la base de datos Scopus y herramientas de Bibliometrix en Rstudio, para obtener una visión actualizada del panorama de la IA en el diagnóstico clínico de enfermedades. Esta investigación contribuye al avance teórico y metodológico en el campo de la IA aplicada a la salud, con el potencial de mejorar la precisión en el diagnóstico temprano de enfermedades y, beneficiar a la sociedad en general, así como a quienes estén interesados en profundizar en el tema con el fin de optimizar sus puntos de investigación desde lo académico y lo profesional. Del análisis realizado se concluyó que en relación a las enfermedades de Interés se identificaron cinco enfermedades de interés principales para la investigación en el diagnóstico temprano con IA que incluyen Alzheimer, Cáncer, COVID, Enfermedades Neurodegenerativas y Enfermedades Oftalmológicas, siendo este el top 5 respectivamente, y los métodos de IA más citados para el diagnóstico temprano de enfermedades son Deep Learning (Aprendizaje Profundo), Machine Learning (Aprendizaje Automático), Redes Neuronales Convolucionales, Support Vector Machine (Máquina de Vectores de Soporte) y Diagnóstico Asistido por Computadora. Adicionalmente la colaboración internacional en la investigación es evidente, con China liderando la producción científica en este campo. Los países más activos en colaboraciones de investigación incluyen China, Estados Unidos, India, Italia y Alemania. En resumen, los resultados indican que la IA está desempeñando un papel cada vez más importante en el diagnóstico de enfermedades, La colaboración global y la inversión en investigación respaldan este crecimiento, y la tecnología de IA sigue evolucionando para mejorar la atención médica y el diagnóstico temprano de enfermedades.

The use of artificial intelligence (AI) in all fields is steadily growing, and healthcare is no exception, with new digital health startups introducing digital technologies and services that improve diagnostic efficiency and reduce costs and time in this important field. However, to fully leverage the potential of AI in healthcare, successful integration of this tool is essential. The objective of this research focused on identifying the impact that the use of AI techniques has had in order to improve accuracy in the early diagnosis of diseases. For this purpose, a bibliometric analysis based on the Scopus database and Bibliometrix tools in Rstudio was performed to obtain an updated view of the AI landscape in the clinical diagnosis of diseases. This research contributes to the theoretical and methodological advancement in the field of AI applied to health, with the potential to improve accuracy in the early diagnosis of diseases and, benefit society in general, as well as those interested in delving deeper into the subject in order to optimize their research points from the academic and professional.

From the analysis it was concluded that in relation to the diseases of interest, five main diseases of interest for research in early diagnosis with AI were identified, including Alzheimer's, Cancer, COVID, Neurodegenerative Diseases and Ophthalmological Diseases, being the top 5 respectively, and the most cited AI methods for early diagnosis of diseases are Deep Learning, Machine Learning, Convolutional Neural Networks, Support Vector Machine and Computer Aided Diagnosis. In addition, international research collaboration is evident, with China leading scientific production in this field. The most active countries in research collaborations include China, the United States, India, Italy and Germany. In summary, the results indicate that AI is playing an increasingly important role in disease diagnosis. Global collaboration and research investment support this growth, and AI technology continues to evolve to improve medical care and early disease diagnosis.