Artificial Intelligence in Pulmonology: Clinical Ally or Ethical Challenge in Peru? IA en Neumología: Aliada o Desafío Ético
Article Sidebar
Main Article Content
Abstract
Introduction: Artificial intelligence (AI) is rapidly transforming medical practice, including the field of pulmonology. Although its benefits are evident, implementation in countries like Peru faces significant technical, structural and ethical challenges.
Objective: To analyze the impact of AI on pulmonology, highlight its main clinical applications and explore the challenges of adoption in the Peruvian context, incorporating key bioethical principles.
Development: This review outlines the most relevant applications of AI in pulmonology, including imaging interpretation, pulmonary function test analysis and chronic respiratory disease monitoring. It also addresses implementation barriers and proposes an ethical framework based on seven mid-level principles applied to the Peruvian clinical setting.
Conclusion: AI can become a valuable tool for pulmonologists if implemented ethically, equitably and contextually, ensuring that its benefits reach all patients—especially the most vulnerable—without leaving anyone behind.
Downloads
Article Details
Section
This work is licensed under a Creative Commons Attribution 4.0 International License.
How to Cite
References
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