Inteligencia artificial en neumología ¿aliada clínica o desafío ético en el Perú? IA en Neumología: Aliada o Desafío Ético
Barra lateral del artículo
Contenido principal del artículo
Resumen
Introducción: La inteligencia artificial (IA) está transformando rápidamente la práctica médica, incluida la neumología. Aunque sus beneficios son evidentes, su implementación en países como Perú enfrenta desafíos técnicos, estructurales y éticos.
Objetivo: Analizar el impacto de la IA en la neumología, sus principales aplicaciones clínicas y los desafíos para su adopción en el contexto peruano, considerando principios bioéticos clave.
Desarrollo: Se describen las aplicaciones más relevantes de la IA en neumología, como el diagnóstico por imágenes, la interpretación de pruebas de función pulmonar y el seguimiento de enfermedades respiratorias crónicas. Además, se examinan barreras para su implementación y se plantea un marco ético basado en siete principios aplicados al entorno clínico peruano.
Conclusión: La IA puede ser una herramienta valiosa para el neumólogo si se implementa con ética, equidad y contextualización, asegurando que sus beneficios alcancen a todos, sin dejar a nadie atrás.
Detalles del artículo
Sección
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Cómo citar
Referencias
Segura RE. Inteligencia artificial y administración de justicia: desafíos derivados del contexto latinoamericano. Rev Bioética y Derecho 2023;58:45-72. https://doi.org/10.1344/rbd2023.58.40601
Cuarta Revolución Industrial o Industria 4.0: concepto e historia. REPSOL n.d. [Internet]. [Consultado 8 jun 2025]. Disponible en: https://www.repsol.com/es/energia-futuro/tecnologia-innovacion/cuarta-revolucion-industrial/index.cshtml
Briganti G, Le Moine O. Artificial Intelligence in Medicine: Today and Tomorrow. Frontiers in Medicine 2020;7. https://doi.org/10.3389/fmed.2020.00027
WHO. Ethics and Governance of Artificial Intelligence for Health: Large Multi-Modal Models. WHO Guidance 2024. [Internet]. [Consultado 8 jun 2025]. Disponible en: https://iris.who.int/bitstream/handle/10665/375579/9789240084759-eng.pdf.
Nunes H da C, Guimarães RMC, Dadalto L. Desafíos bioéticos del uso de la inteligencia artificial en los hospitales. Rev Bioét 2022;30:82–93. https://doi.org/10.1590/1983-80422022301509ES
FAPESP. Empresas desarrollan un sistema remoto de detección de la fiebre en quienes ingresan a los hospitales. AGÊNCIA FAPESP n.d. [Internet]. [Consultado 8 jun 2025]. Disponible en: https://agencia.fapesp.br/empresas-desarrollan-un-sistema-remoto-de-deteccion-de-la-fiebre-en-quienes-ingresan-a-los-hospitales/33063
IBM: empresas de Latinoamérica aceleraron el uso de Inteligencia Artificial en 67%. Newsroom de IBM Latinoamérica n.d. [Internet]. [Consultado 7 jun 2025]. Disponible en: https://latam.newsroom.ibm.com/2024-03-20-IBM-empresas-de-Latinoamerica-aceleraron-el-uso-de-Inteligencia-Artificial-en-67
Mandujano E. La Inteligencia Artificial en Perú: una oportunidad de desarrollo - Caretas Nacional. Caretas 2025. [Internet]. [Consultado 7 jun 2025]. Disponible en: https://caretas.pe/nacional/la-inteligencia-artificial-en-peru-una-oportunidad-de-desarrollo/
Saban M, Esteban S, Rubinstein A et al; CLIAS. The Impact of Artificial Intelligence on Healthcare: Perspectives and Approaches for Latin America and the Caribbean. The Global Health Network 2023. https://doi.org/10.48060/tghn.126
Riofrío MM. Perú ocupa el octavo lugar regional en adopción y desarrollo de IA. eBIZ 2024. [Internet]. [Consultado 13 feb 2025]. Disponible en: https://ebiz.pe/noticias/peru-ocupa-el-octavo-lugar-regional-en-adopcion-y-desarrollo-de-ia/
Inteligencia artificial: Por una salud más inteligente en el Perú | Conexión ESAN n.d. [Internet]. [Consultado 13 feb 2025]. Disponible en: https://www.esan.edu.pe/conexion-esan/inteligencia-artificial-por-una-salud-mas-inteligente-en-el-peru?
Espezúa S. La Inteligencia Artificial en Perú: una oportunidad de desarrollo, por Soledad Espezúa 2024. [Internet]. [Consultado 13 feb 2025]. Disponible en: https://ciup.up.edu.pe/analisis/soledad-espezua-la-inteligencia-artificial-en-peru-una-oportunidad-de-desarrollo/
Madrid Médico. 2023: salto exponencial en Salud con la IA generativa 2023. [Internet]. [Consultado 10 jun 2025]. Disponible en: https://secure.webpublication.es/210352/1961907/#page=1
López Baroni MJ. Las narrativas de la inteligencia artificial. Rev Bioética y Derecho 2019;46.
ASALE R-, RAE. inteligencia | Diccionario de la lengua española. «Diccionario de la lengua española» - Edición del Tricentenario n.d. [Internet]. [Consultado 13 feb 2025]. Disponible en: https://dle.rae.es/inteligencia
Karalis VD. The Integration of Artificial Intelligence into Clinical Practice. Applied Biosciences 2024;3:14–44. https://doi.org/10.3390/applbiosci3010002
AI is confusing — here’s your cheat sheet | The Verge n.d. [Internet]. [Consultado 13 feb 2025]. Disponible en: https://www.theverge.com/24201441/ai-terminology-explained-humans?
¿Qué es el PLN (procesamiento del lenguaje natural)? | IBM 2021. [Internet]. [Consultado 13 feb 2025]. Disponible en: https://www.ibm.com/es-es/think/topics/natural-language-processing
Procesamiento del Lenguaje Natural (PLN): Qué es y por qué es importante n.d. [Internet]. [Consultado 14 feb 2025]. Disponible en: https://www.sas.com/es_es/insights/analytics/what-is-natural-language-processing-nlp.html
Definiendo el procesamiento de lenguaje natural para principiantes n.d. [Internet]. [Consultado 14 feb 2025]. Disponible en: https://www.getguru.com/es/reference/what-is-natural-language-processing-definition
Moreira M. Aplicaciones del Big Data en la salud. Blog SYDLE null. [Internet]. [Consultado 14 feb 2025]. Disponible en: https://www.sydle.com/es/blog/aplicaciones-big-data-salud-6511fd80f8955c2bef737329
Mina A. Big data e inteligencia artificial en el futuro manejo de pacientes. ¿Por dónde empezar? ¿En qué punto nos encontramos? ¿Quo tendimus? Adv Lab Med 2020;1:20200052. https://doi.org/10.1515/almed-2020-0052
BBVA. Las cinco uves del big data. BBVA NOTICIAS n.d. [Internet]. [Consultado 14 feb 2025]. Disponible en: https://www.bbva.com/es/innovacion/las-cinco-uves-del-big-data/
¿Qué es un modelo de transformador? | IBM 2024. [Internet]. [Consultado 14 feb 2025]. Disponible en: https://www.ibm.com/es-es/topics/transformer-model
Jáuregui R. Cómo los Transformers están transformando la inteligencia artificial 2025. [Internet]. [Consultado 14 feb 2025]. Disponible en: https://mindfulml.vialabsdigital.com/post/los-transformers-estan-transformando-la-inteligencia-artificial/
Nowak S. Modelos predictivos ¿Qué son y para qué se usan? - Nuclio School. Nuclio Digital School 2022. [Internet]. [Consultado 22 feb 2025]. Disponible en: https://nuclio.school/blog/modelos-predictivos-que-son-y-usos/
[jefferson.mera. Modelos de predicción: ¿qué son y para qué se utilizan? Canal Informática y TICS 2023. [Internet]. [Consultado 22 feb 2025]. Disponible en: https://www.inesem.es/revistadigital/informatica-y-tics/modelos-de-prediccion/
CORPORATIVA I. Descubre los principales beneficios del Machine Learning. Iberdrola n.d. [Internet]. [Consultado 13 feb 2025]. Disponible en: https://www.iberdrola.com/innovacion/machine-learning-aprendizaje-automatico?
Diferencias entre Data Science, Inteligencia Artificial, Machine Learning y Deep Learning. PROGRAMMATIC SPAIN n.d. [Internet]. [Consultado 13 feb 2025]. Disponible en: https://www.programaticaly.com/education/las-diferencias-que-hay-entre-data-science-artificial-intelligence-machine-learning-y-deep-learning
Sarmiento Ramos JL. Aplicaciones de las redes neuronales y el deep learning a la ingeniería biomédica. Revista UIS Ingenierías 2020;19(4):1-18, 2020. https://doi.org/10.18273/revuin.v19n4-2020001
Aracena C, Villena F, Arias F, Dunstan J. Aplicaciones de aprendizaje automático en salud. Rev Med Clin Condes 2022;33:568–75. https://doi.org/10.1016/j.rmclc.2022.10.001
¿Qué es el deep learning? | IBM 2024. [Internet]. [Consultado 13 feb 2025]. Disponible en: https://www.ibm.com/es-es/topics/deep-learning
¿Qué es el deep learning y por qué es clave para la inteligencia artificial? APD España 2024. [Internet]. [Consultado 13 feb 2025]. Disponible en: https://www.apd.es/que-es-deep-learning/
Daniel. Deep Learning o Aprendizaje profundo : ¿qué es? Formación en ciencia de datos | DataScientest.com 2022. [Internet]. [Consultado 13 feb 2025]. Disponible en: https://datascientest.com/es/deep-learning-definicion
¿Qué es el deep learning y por qué es clave para la inteligencia artificial? APD España 2024. [Internet]. [Consultado 14 feb 2025]. Disponible en: https://www.apd.es/que-es-deep-learning/
Daniel. Convolutional Neural Network : definición y funcionamiento. Formación en ciencia de datos | DataScientest.com 2021. [Internet]. [Consultado 14 feb 2025]. Disponible en: https://datascientest.com/es/convolutional-neural-network-es
Badillo FL, Hernández CAR, Narváez BM, Trillos YEA. Redes neuronales convolucionales: un modelo de Deep Learning en imágenes diagnósticas. Revisión de tema. Rev Col Radiol 2021;32:5591–9. https://doi.org/10.53903/01212095.161
¿Qué es una red neuronal recurrente (RNN)? | IBM 2021. [Internet]. [Consultado 14 feb 2025]. Disponible en: https://www.ibm.com/es-es/think/topics/recurrent-neural-networks
Lipton ZC, Kale DC, Elkan C, Wetzel R. Learning to Diagnose with LSTM Recurrent Neural Networks 2017. https://doi.org/10.48550/arXiv.1511.03677
Aprendizaje profundo frente al aprendizaje automático. Google Cloud n.d. [Internet]. [Consultado 15 feb 2025]. Disponible en: https://cloud.google.com/discover/deep-learning-vs-machine-learning
Aprendizaje profundo y machine learning: diferencia entre tecnologías de datos. AWS. Amazon Web Services, Inc n.d. [Internet]. [Consultado 15 feb 2025]. Disponible en: https://aws.amazon.com/es/compare/the-difference-between-machine-learning-and-deep-learning/
Diferencia entre Machine Learning y Deep Learning + ejemplos. Zendesk 2021. [Internet]. [Consultado 15 feb 2025]. Disponible en: https://www.zendesk.com.mx/blog/machine-learning-deep-learning-diferencias/
Administrador. Interpretabilidad de los modelos de Machine Learning. Primera parte. Quanam 2020. [Internet]. [Consultado 14 feb 2025]. Disponible en: https://quanam.com/interpretabilidad-de-los-modelos-de-machine-learning-primera-parte/
Vargas-Ramírez L, Ayazo RB. Inteligencia artificial en neumología. Medicina 2021;43:570–81. https://doi.org/10.56050/01205498.1646
Agusti A, Vila M. Artificial Intelligence in COPD. Arch Bronconeumol 2025;61:257-258. https://doi.org/10.1016/j.arbres.2024.12.013
Kaplan A, Cao H, FitzGerald JM et al. Artificial Intelligence/Machine Learning in Respiratory Medicine and Potential Role in Asthma and COPD Diagnosis. J Allergy Clin Immunol Pract 2021;9:2255–61. https://doi.org/10.1016/j.jaip.2021.02.014
Kostic N. GPUs for Deep Learning: Why Use Them & Which Ones? phoenixNAP Blog 2024. [Internet]. [Consultado 14 feb 2025]. Disponible en: https://phoenixnap.com/blog/gpus-for-deep-learning
Best GPU for Deep Learning: Considerations for Large-Scale AI. [Internet]. [Consultado 14 feb 2025]. Disponible en: https://www.run.ai/guides/gpu-deep-learning/best-gpu-for-deep-learning
Pérez G. Artificial Intelligence in COPD 2025. [Internet]. [Consultado 16 feb 2025]. Disponible en: https://catedrasaludrespiratoria.com/artificial-intelligence-in-copd/
Cobeñas RL, de Vedia M, Florez J, Jaramillo D, Ferrari L, Re R. Rendimiento diagnóstico de algoritmos de inteligencia artificial para detección de compromiso pulmonar por COVID-19 basados en radiografía portátil. Med Clin (Barc) 2023;160:78–81. https://doi.org/10.1016/j.medcli.2022.04.016
Allena N, Khanal S. The Algorithmic Lung Detective: Artificial Intelligence in the Diagnosis of Pulmonary Embolism. Cureus 2023;15:e51006. https://doi.org/10.7759/cureus.51006
Curioso WH, Brunette MJ. Inteligencia artificial e innovación para optimizar el proceso de diagnóstico de la tuberculosis. Rev Peru Med Exp Salud Publica 2020;37:554–8. https://doi.org/10.17843/rpmesp.2020.373.5585
Dack E, Christe A, Fontanellaz M et al. Artificial Intelligence and Interstitial Lung Disease. Invest Radiol 2023;58:602–9. https://doi.org/10.1097/RLI.0000000000000974
Shi F, Wang J, Shi J et al. Review of Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation, and Diagnosis for COVID-19. IEEE Reviews in Biomedical Engineering 2021;14:4–15. https://doi.org/10.1109/RBME.2020.2987975
Pei Q, Luo Y, Chen Y, Li J, Xie D, Ye T. Artificial intelligence in clinical applications for lung cancer: diagnosis, treatment and prognosis. Clin Chem Lab Med 2022;60:1974–83. https://doi.org/10.1515/cclm-2022-0291
Zhang Y, Jiang B, Zhang L et al. Lung Nodule Detectability of Artificial Intelligence-assisted CT Image Reading in Lung Cancer Screening. Curr Med Imaging 2022;18:327–34. https://doi.org/10.2174/1573405617666210806125953
Sharma M, Kirby M, McCormack DG, Parraga G. Machine Learning and CT Texture Features in Ex-smokers with no CT Evidence of Emphysema and Mildly Abnormal Diffusing Capacity. Acad Radiol 2024;31:2567–78. https://doi.org/10.1016/j.acra.2023.11.022
Topalovic M, Das N, Burgel P-R et al. Artificial intelligence outperforms pulmonologists in the interpretation of pulmonary function tests. Eur Respir J 2019;53:1801660. https://doi.org/10.1183/13993003.01660-2018
Das N, Happaerts S, Gyselinck I et al. Collaboration between explainable artificial intelligence and pulmonologists improves the accuracy of pulmonary function test interpretation. Eur Resp J 2023;61. https://doi.org/10.1183/13993003.01720-2022
Chauhan NK, Asfahan S, Dutt N, Jalandra RN. Artificial intelligence in the practice of pulmonology: The future is now. Lung India 2022;39:1–2. https://doi.org/10.4103/lungindia.lungindia_692_21
Asfahan S, Elhence P, Dutt N, Niwas Jalandra R, Chauhan NK. Digital-Rapid On-site Examination in Endobronchial Ultrasound-Guided Transbronchial Needle Aspiration (DEBUT): a proof of concept study for the application of artificial intelligence in the bronchoscopy suite. Eur Respir J 2021;58:2100915. https://doi.org/10.1183/13993003.00915-2021
Feng P-H, Lin Y-T, Lo C-M. A machine learning texture model for classifying lung cancer subtypes using preliminary bronchoscopic findings. Medical Physics 2018;45:5509–14. https://doi.org/10.1002/mp.13241
Biswal S, Sun H, Goparaju B, Westover MB, Sun J, Bianchi MT. Expert-level sleep scoring with deep neural networks. J Am Med Inform Assoc 2018;25:1643–50. https://doi.org/10.1093/jamia/ocy131
Goldstein CA, Berry RB, Kent DT et al. Artificial intelligence in sleep medicine: an American Academy of Sleep Medicine position statement. J Clin Sleep Med 2020;16:605–7. https://doi.org/10.5664/jcsm.8288
Antão J, de-Mast J, Marques A, Franssen FME, Spruit ,Martijn AS, Deng Q. Demystification of artificial intelligence for respiratory clinicians managing patients with obstructive lung diseases. Expert Review of Respiratory Medicine 2023;17:1207–19. https://doi.org/10.1080/17476348.2024.2302940
Respiratorio A en. Avances en Respiratorio | Revoluciona el manejo de la EPOC con Inteligencia Artificial n.d. [Internet]. [Consultado 23 mar 2025]. Disponible en: https://www.avancesenrespiratorio.com/revolucion-manejo-EPOC-IA
Fernandez-Granero MA, Sanchez-Morillo D, Leon-Jimenez A. Computerised Analysis of Telemonitored Respiratory Sounds for Predicting Acute Exacerbations of COPD. Sensors 2015;15:26978–96. https://doi.org/10.3390/s151026978
Xiang Y, Ji H, Zhou Y et al. Asthma Exacerbation Prediction and Risk Factor Analysis Based on a Time-Sensitive, Attentive Neural Network: Retrospective Cohort Study. J Med Internet Res 2020;22:e16981. https://doi.org/10.2196/16981
Hafke-Dys H, Kuźnar-Kamińska B, Grzywalski T, Maciaszek A, Szarzyński K, Kociński J. Artificial Intelligence Approach to the Monitoring of Respiratory Sounds in Asthmatic Patients. Front Physiol 2021;12. https://doi.org/10.3389/fphys.2021.745635
Khasha R, Sepehri MM, Mahdaviani SA. An ensemble learning method for asthma control level detection with leveraging medical knowledge-based classifier and supervised learning. J Med Syst 2019;43:158. https://doi.org/10.1007/s10916-019-1259-8
Halner A, Beer S, Pullinger R, Bafadhel M, Russell REK. Predicting treatment outcomes following an exacerbation of airways disease. PLOS ONE 2021;16:e0254425. https://doi.org/10.1371/journal.pone.0254425
Inteligencia artificial en las enfermedades respiratorias n.d. [Internet]. [Consultado 5 abr 2025]. Disponible en: https://www.archbronconeumol.org/es-pdf-S0300289620300338
Becerra Yoma N, Mendoza Inzunza L. Inteligencia artificial aplicada a la medicina respiratoria. Rev Chil Enferm Respir 2021;37:271–4. https://doi.org/10.4067/s0717-73482021000300271
Índice Latinoamericano de Inteligencia Artificial. Índice Latinoamericano de Inteligencia Artificial n.d. [Internet]. [Consultado 15 jun 2025]. Disponible en: https://indicelatam.cl/
Capcha PEM. Estudiantes de ingeniería crean sistema de historias clínicas digitales para zonas rurales. infobae 2025. [Internet]. [Consultado 13 abr 2025]. Disponible en: https://www.infobae.com/peru/2025/01/08/estudiantes-de-ingenieria-crean-sistema-de-historias-clinicas-digitales-para-zonas-rurales/
Jornada R|. SIS anuncia concurso de innovación tecnológica 2024. [Internet]. [Consultado 25 mar 2025]. Disponible en: https://jornada.com.pe/sis-anuncia-concurso-datathon-inteligencia-artificial-y-datos-abiertos-del-sis-2024/
Inteligencia artificial: EsSalud inicia proyecto piloto 2022. [Internet]. [Consultado 25 mar 2025]. Disponible en: https://consultorsalud.com/essalud-proyecto-inteligencia-artificial/
Índice Latinoamericano de Inteligencia Artificial (ILIA) mantiene a Chile, Brasil y Uruguay como líderes en la región | Comisión Económica para América Latina y el Caribe n.d. [Internet]. [Consultado 25 mar 2025]. Disponible en: https://www.cepal.org/es/comunicados/indice-latinoamericano-inteligencia-artificial-ilia-mantiene-chile-brasil-uruguay-como
Avances y desafíos de la digitalización de la salud en Perú. Bitness 2024. [Internet]. [Consultado 13 abr 2025]. Disponible en: https://bitness.pe/avances-desafios-digitalizacion-salud-peru
Quispe-Juli CU, Aragón-Ayala CJ. Health informatics in medical education in Peru: are we ready for digital health? An Fac Med 2022;83:369–70. https://doi.org/10.15381/anales.v83i4.23887
PCM pone a disposición de la población más de 40 cursos virtuales gratuitos sobre inteligencia artificial n.d. [Internet]. [Consultado 5 abr 2025]. Disponible en: https://www.gob.pe/institucion/pcm/noticias/1115804-pcm-pone-a-disposicion-de-la-poblacion-mas-de-40-cursos-virtuales-gratuitos-sobre-inteligencia-artificial
Curso online gratis con certificado “Inteligencia Artificial en Salud: nivel intermedio” del INSNSB n.d. [Internet]. [Consultado 5 abr 2025]. Disponible en: https://www.formate.pe/informacion-curso-virtual-gratuito-certificado-inteligencia-artificial-salud-nivel-intermedio-insnsb-27068.html#google_vignette
La revolución de la Inteligencia Artificial (IA) ya está aquí: ¿Cómo responderá América Latina y el Caribe? UNDP n.d. [Internet]. [Consultado 5 abr 2025]. Disponible en: https://www.undp.org/es/latin-america/blog/la-revolucion-de-la-inteligencia-artificial-ia-ya-esta-aqui-como-respondera-america-latina-y-el-caribe
International Organization for Migration. Informe sobre las Migraciones en el Mundo 2022. United Nations. UN iLibrary 2022. https://doi.org/10.18356/9789213584798
Estrategia Nacional de Inteligencia Artificial n.d. [Internet]. [Consultado 13 abr 2025]. Disponible en: https://guias.servicios.gob.pe/creacion-servicios-digitales/inteligencia-artificial/enia
Iza-Stoll A. Inteligencia artificial y ética médica. Rev Soc Peru Med Interna 2024;37:120–2. https://doi.org/10.36393/spmi.v37i3.854
Schröder-Bäck P, Duncan P, Sherlaw W, Brall C, Czabanowska K. Teaching seven principles for public health ethics: towards a curriculum for a short course on ethics in public health programmes. BMC Medical Ethics 2014;15:73. https://doi.org/10.1186/1472-6939-15-73