EL USO DEL APRENDIZAJE AUTOMÁTICO EN LA DETECCIÓN PRECOZ DEL CÁNCER DE CUELLO UTERINO

Resumen

Resumen: Introducción: El cáncer de cuello uterino es una de las principales causas de morbilidad y mortalidad entre las mujeres en todo el mundo, con aproximadamente 604 000 casos nuevos y 342 000 muertes anuales, según estimaciones de la Organización Mundial de la Salud. Objetivo: Analizar, mediante una revisión bibliográfica integradora, el estado del arte y la efectividad de los algoritmos de aprendizaje automático aplicados a la detección temprana del cáncer de cuello uterino. Método: Revisión bibliográfica narrativa realizada en la base de datos MEDLINE utilizando la Biblioteca Virtual en Salud, empleando descriptores estandarizados de DeCS. Tras la búsqueda, el filtrado y la revisión de la elegibilidad de los estudios, la muestra final estuvo compuesta por 9 artículos. Resultados: Las técnicas de aprendizaje automático identificadas en los estudios, incluyendo redes neuronales convolucionales, algoritmos supervisados ​​y métodos híbridos, demostraron altas tasas de precisión en la identificación de lesiones cervicales. Los hallazgos también indicaron una reducción en la subjetividad diagnóstica, una mayor estandarización y una posible expansión del acceso al cribado en regiones con infraestructura deficiente, así como una mayor velocidad y eficiencia en el proceso diagnóstico. Consideraciones finales: El aprendizaje automático se perfila como una herramienta prometedora para el diagnóstico precoz del cáncer de cuello uterino, lo que podría fortalecer las políticas públicas y reducir las desigualdades en la atención sanitaria. Sin embargo, su implementación requiere validaciones locales, la mitigación de los sesgos algorítmicos y el cumplimiento de las directrices éticas y normativas para garantizar su seguridad y eficacia.

Palabras clave: Aprendizaje automático; cáncer de cuello uterino; diagnóstico precoz; enfermería ginecológica.