Maestría en Epidemiología · 2025
Evaluación del rendimiento de los modelos de Machine Learning en el diagnóstico del cáncer cervicouterino: una perspectiva sistemática
Introducción: El cáncer cervicouterino (CCU) es una de las neoplasias malignas más frecuentes a nivel mundial y una de las principales causas de mortalidad femenina. Recientemente, se han desarrollado herramientas basadas en inteligencia artificial para el diagnóstico de esta enfermedad, basados en datos generados en el área de la salud. El objetivo de esta revisión sistemática fue de evaluar el rendimiento diagnóstico de los modelos de aprendizaje automático basados en datos sociodemográficos, epidemiológicos, y clínicos para la detección de CCU. Materiales y métodos: Se realizó una búsqueda sistemática de la literatura en las bases de PubMed, Scopus, Embase, sin límite de tiempo hasta 03/30/2024. El proceso de tamizaje se realizó por dos autores independientes mediante la plataforma Rayyan®, así como el proceso de evaluación de riesgo de sesgos, a través de la herramienta QUADAS-2. Los casos de disputa se resolvieron por medio de un tercer autor. El metaanálisis se realizó en el software Stata17®. Resultados: En total se incluyeron 6 estudios, en los cuales los modelos de aprendizaje automático incluyeron variables demográficas, clínicas, e incluso de comportamiento. El metaanálisis evidenció que estos modelos presentaron valores de sensibilidad y especificidad de 0.97 (IC95% 0.90 – 0.99) y 0.96 (IC95% 0.92 – 0.98) respectivamente, (I2 = 49.00, Q = 25.29, p < 0.01). Conclusiones: Estos modelos se presentan como una nueva herramienta diagnóstica, con altas medidas de sensibilidad y especificidad, entre otros valores, resaltando su rendimiento diagnóstico, los cuales podrían ser introducidos en programas de tamizaje para la detección oportuna de la enfermedad.