Juan Guillermo Murillo León, Valentina Espinosa Rivero, Isabella Saportas Peláez, Luis Enrique Calderón Mina, Hillary Marian Romaní Victorio, Sebastian Alejandro Arias Tamayo, Nury Liseida Guevara Rosero, Manuel Cantillo Reines, Ciro Daniel Galeano Ortiz, Yelson Alejandro Picón-Jaimes
Introducción: El cáncer de mama sigue siendo uno de los cánceres más frecuentes a nivel global, específicamente, el más frecuente en el sexo femenino. El uso de inteligencia artificial promete contribuir al diagnóstico precoz, a través de la imagenología. Previamente, no se ha descrito el panorama y avance de esta producción científica.
Métodos: Estudio bibliométrico de corte transversal, que usó Scopus como fuente de datos. Se utilizó el paquete bibliometrix de R para el cálculo de indicadores bibliométricos y visualización de los resultados.
Resultados: Se seleccionaron 1292 documentos, publicados entre 1989 y 2024. El 75,3% (n=973) fueron artículos con datos primarios, seguido de un 16,2% (n=209) correspondiente a revisiones. Se identificó una colaboración internacional del 26,5%, y un crecimiento anual de la producción del 10,78%. Se observó que, la clasificación de riesgo por screening, tomosíntesis digital de la mama, aprendizaje por transferencia, segmentación y selección por características, son las palabras clave más comúnmente usadas. En los últimos cinco años, el aprendizaje profundo y la mamografía, han sido los temas con mayor popularidad. La colaboración internacional, ha sido liderada por Estados Unidos, China y Reino Unido.
Conclusiones: Se identificó un crecimiento notable en la investigación global sobre el uso de inteligencia artificial en imagenología para la detección de cáncer de mama, marcado a partir de la década del 2010, esencialmente por medio de publicación de artículos con datos primarios. La relación entre inteligencia artificial e imagenología para diagnóstico de cáncer de mama, se ha centrado en riesgo y predicción.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados