Universidad Nacional Mayor de San Marcos
Universidad del Perú. Decana de América
Facultad de Medicina
Escuela Profesional de Medicina Humana
Análisis bibliométrico de la producción científica
latinoamericana sobre la inteligencia artificial en
medicina
TESIS
Para optar el Título Profesional de Médico Cirujano
AUTOR
Gustavo Alfredo ROMANI BAHAMONDE
ASESOR
Mg. Rosa Elizabeth CARRERA PALAO
Lima, Perú
2024
Reconocimiento - No Comercial - Compartir Igual - Sin restricciones adicionales
https://creativecommons.org/licenses/by-nc-sa/4.0/
Usted puede distribuir, remezclar, retocar, y crear a partir del documento original de modo no
comercial, siempre y cuando se dé crédito al autor del documento y se licencien las nuevas
creaciones bajo las mismas condiciones. No se permite aplicar términos legales o medidas
tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita esta licencia.
Referencia bibliográfica
Romani G. Análisis bibliométrico de la producción científica latinoamericana sobre
la inteligencia artificial en medicina [Tesis de pregrado]. Lima: Universidad Nacional
Mayor de San Marcos, Facultad de Medicina, Escuela Profesional de Medicina
Humana; 2024.
Metadatos complementarios
Datos de autor
Nombres y apellidos
Gustavo Alfredo Romani Bahamonde
Tipo de documento de identidad
DNI
Número de documento de identidad
72890038
https://orcid.org/0009-0002-1078-6142
URL de ORCID
Datos de asesor
Nombres y apellidos
Rosa Elizabeth Carrera Palao
Tipo de documento de identidad
DNI
Número de documento de identidad
07208032
https://orcid.org/0000-0002-2507-7077
URL de ORCID
Datos del jurado
Presidente del jurado
Nombres y apellidos
Daniel Angel Angulo Poblete
Tipo de documento
DNI
Número de documento de identidad
10196314
Miembro del jurado 1
Nombres y apellidos
Jesús Filomeno Araujo Castillo
Tipo de documento
DNI
Número de documento de identidad
40060910
Miembro del jurado 2
Nombres y apellidos
María Domitila Amaya Fiestas
Tipo de documento
DNI
Número de documento de identidad
25603452
Datos de investigación
Línea de investigación
Grupo de investigación
No aplica
No aplica
Agencia de financiamiento
Sin financiamiento
Ubicación geográfica de la
investigación
Universidad Nacional Mayor de San Marcos
Latitud -12.05819215
Longitud -77.0189181894387
Año o rango de años en que se
realizó la investigación
2024
URL de disciplinas OCDE
Medicina general, Medicina interna
http://purl.org/pe-repo/ocde/ford#3.02.27
http://purl
Firmado digitalmente por IZAGUIRRE
SOTOMAYOR Manuel Hernan FAU
20148092282 soft
Motivo: Soy el autor del documento
Fecha: 09.09.2024 18:41:47 -05:00
CERTIFICADO DE SIMILITUD
Yo, ROSA ELIZABETH CARRERA PALAO en mi condición de asesora acreditado con
la Resolución Decanal N°003875-2024-D-F/M/UNMSM de la tesis, cuyo título es
“Análisis bibliométrico de la producción científica latinoamericana sobre la
inteligencia artificial en medicina”, presentado por el bachiller Gustavo Alfredo
Romani Bahamonde para optar el Título Profesional de Médico Cirujano.
CERTIFICO que se ha cumplido con lo establecido en la Directiva de Originalidad y de
Similitud de Trabajos Académicos, de Investigación y Producción Intelectual. Según la
revisión, análisis y evaluación mediante la plataforma PIDS, el documento evaluado
cuenta con el 05% de similitud, nivel PERMITIDO para continuar con los trámites
correspondientes y para su publicación en el repositorio institucional.
Se emite el presente certificado en cumplimiento de lo establecido en las normas
vigentes, como uno de los requisitos para la obtención del Título de Médico Cirujano
correspondiente.
Lima, 09 de septiembre de 2024.
Firma del Asesor
___________________
Nombres y Apellidos del asesor: ROSA ELIZABETH CARRERA PALAO
DNI
07208032
14
AGRADECIMIENTO
En primer lugar, agradezco a mi padre, Alfredo Romani Alcarraz y a mi madre
Zully Ann Bahamonde Tixe, por todo el apoyo incondicional, su cariño, paciencia,
en todos los momentos que pase durante esta etapa de mi vida.
A mi hermana Zully Ann Romani Bahamonde, por apoyarme durante la
realización de este trabajo de investigación.
A mis familiares más cercanos por este apoyo a lo largo de mi carrera profesional
y por compartir los momentos más memorables.
A mi asesora la Dra. Rosa Elizabeth Carrera Palao por el apoyo en el desarrollo
de este trabajo, aun en momentos difíciles.
ii
DEDICATORIA
A mi madre, Zully Ann Bahamonde Tixe, por demostrarme que la responsabilidad
y perseverancia en lo que te dedicas, puede dar grandes gratificaciones.
A mi padre, Alfredo Romani Alcarraz, por su apoyo, dedicación y sacrificio para
poder logar culminar satisfactoriamente esta etapa de mi vida.
iii
ÍNDICE
LISTA DE TABLAS ........................................................................................... vi
LISTA DE FIGURAS ........................................................................................ vii
RESUMEN ....................................................................................................... viii
ABSTRACT ....................................................................................................... ix
CAPÍTULO I: INTRODUCCIÓN .......................................................................... 1
1.1 Planteamiento del problema.......................................................................... 1
1.2 Formulación de problemas ............................................................................ 4
1.3 Objetivos ...................................................................................................... 4
1.3.1 Objetivo general ............................................................................... 4
1.3.2 Objetivos específicos ....................................................................... 4
1.4 Justificación de la investigación .................................................................... 5
1.5 Limitaciones del estudio ................................................................................ 7
1.6 Marco teórico ................................................................................................ 7
1.6.1 Antecedentes ................................................................................... 7
1.6.2 Base teórico-científica.................................................................... 13
1.6.3 Marco conceptual. .......................................................................... 14
1.7 Hipótesis. .................................................................................................... 18
1.7.1 Hipótesis general. .......................................................................... 18
1.7.2 Hipótesis específica. ...................................................................... 18
CAPÍTULO II: MÉTODOS. ............................................................................... 19
2.1 Tipo y diseño de investigación .................................................................... 19
2.2 Población y muestra.................................................................................... 19
2.3 Criterios de selección de la muestra ........................................................... 19
2.4 Variables .................................................................................................... 20
2.5 Operacionalización de variables ................................................................. 21
2.6 Técnicas e instrumento de recolección de datos......................................... 22
2.7 Plan de recolección de datos ...................................................................... 22
iv
2.8 Procesamiento y análisis de datos .............................................................. 23
2.9 Consideraciones éticas ............................................................................... 23
CAPÍTULO III: RESULTADOS ......................................................................... 24
3.1 Inclusión de estudios para el análisis bibliométrico ..................................... 24
3.2 Indicadores de difusión ............................................................................... 25
3.3 Indicadores de producción científica ........................................................... 30
3.4 Indicadores de colaboración ....................................................................... 33
CAPÍTULO IV: DISCUSIÓN ............................................................................. 34
CAPÍTULO V: CONCLUSIONES ..................................................................... 38
CAPÍTULO VI: RECOMENDACIONES ............................................................ 40
REFERENCIAS BIBLIOGRÁFICAS ................................................................ 41
ANEXOS ........................................................................................................... 46
v
LISTA DE TABLAS
Tabla 1 Porcentaje de la producción científica latinoamericana sobre
inteligencia artificial en medicina según el idioma de publicación. .................... 27
Tabla 2. Porcentaje de cuartiles de los artículos científicos de producidos entre
1997 - 2024 ....................................................................................................... 29
vi
LISTA DE FIGURAS
Figura 1. Flujograma de selección de estudios para el análisis bibliométrico. . 24
Figura 2. Producción científica anual latinoamericana sobre inteligencia artificial
en medicina....................................................................................................... 25
Figura 3. Distribución según el tipo de documentos científicos latinoamericanos
sobre inteligencia artificial en medicina. ............................................................ 26
Figura 4. Países con mayor producción científica latinoamericana sobre
inteligencia artificial en medicina....................................................................... 28
Figura 5. Autores con mayor producción científica latinoamericana sobre
inteligencia artificial en medicina....................................................................... 30
Figura 6. Revistas con mayor producción científica latinoamericana sobre
inteligencia artificial en medicina....................................................................... 31
Figura 7. Principales entidades financieras en la producción científica
latinoamericana sobre inteligencia artificial en medicina. ................................. 32
Figura 8. Redes de coautoría de la producción científica latinoamericana sobre
inteligencia artificial en medicina....................................................................... 33
vii
RESUMEN
Introducción: En Latinoamérica, la investigación en inteligencia artificial
aplicada a la medicina aún se encuentra en etapas incipientes. Objetivo:
Describir las características de la producción científica latinoamericana sobre la
Inteligencia artificial en medicina encontradas mediante el análisis bibliométrico.
Métodos: Se realizó una revisión bibliométrica bajo un enfoque cuantitativo de
tipo descriptivo en la que se recopiló datos de manera transversal entre
01/01/1997 al 30/07/2024; de los cuales se extrajeron 522 producciones que
fueron análisis en el interfaz R a través de la biblioteca Bibliometría. Resultados:
Existe un incremento significativo desde el 2015. Existe una mayor producción
de artículos originales. La mayoría de la producción fue realizada en idioma
inglés. Además, se reporta que el país que más producción realiza respecto al
tema fue Brasil. La mayoría de las revistas que abordan el tema son de Q4. Los
autores más concurridos en el tema fueron Arthur, R.; Francia, R.; Iano, Y. La
revista que más publica respecto al tema es Lecture Notes in Computer Science.
Además, se encontró que las entidades que más financian este tipo de estudios
es el Consejo Nacional de Desarrollo Científico y Tecnológico de Brasil. Por
último, los autores que más colaboran entre si fueron Arthur R., Franca R., Iano
Y., Carrillo D., Carrillo R., Monteiro A. Conclusiones: Brasil es el país que lidera
producción científica respecto al tema, el panorama revela un desarrollo en
incremento en la última década.
Palabras clave: Inteligencia artificial, medicina, Latinoamérica, análisis
bibliométrico, producción científica.
viii
ABSTRACT
Introduction: In Latin America, research on artificial intelligence applied to
medicine is still in its early stages. Objective: Describe the characteristics of Latin
American scientific production on Artificial Intelligence in medicine found through
bibliometric analysis. Methods: A bibliometric review was conducted under a
quantitative descriptive approach, collecting data cross-sectionally from
01/01/1997 to 07/30/2024; from which 522 productions were extracted and
analyzed using the R interface through the Bibliometrics library. Results: There
is a significant increase since 2015. There is a higher production of original
articles. The majority of production was in English. Additionally, Brazil was
reported as the country with the highest production on this topic. Most of the
journals addressing the topic are in Q4. The most prolific authors on the topic
were Arthur, R.; Franca, R.; Iano, Y. The journal with the highest publications on
the topic is Lecture Notes in Computer Science. Furthermore, it was found that
the entities funding these studies the most are the National Council for Scientific
and Technological Development of Brazil. Lastly, the authors who collaborate the
most were Arthur R., Franca R., Iano Y., Carrillo D., Carrillo R., Monteiro A.
Conclusions: Brazil leads scientific production on the topic, indicating increasing
development over the last decade.
Keywords: Artificial intelligence, medicine, Latin America, bibliometric analysis,
scientific production.
ix
CAPÍTULO I: INTRODUCCIÓN
1.1 Planteamiento del problema
Un problema que podría surgir en un análisis bibliométrico de
investigaciones relacionadas con la inteligencia artificial en medicina es la falta
de acceso a bases de datos completas o actualizadas. Esta limitación podría
afectar la representatividad de los resultados y la precisión de las conclusiones
extraídas del análisis bibliométrico. Además, la diversidad de terminologías y la
variabilidad en la calidad de los metadatos en las bases de datos pueden
dificultar la identificación y recopilación de estudios relevantes. Otra dificultad
potencial es la falta de estandarización en la forma en que se describen las
investigaciones relacionadas con la inteligencia artificial en medicina, lo que
podría dificultar la comparación y la integración de los datos recopilados.
La inteligencia artificial ha brindado mucho en que pensar y sin embargo,
no se cuenta con anotaciones reales sobre su uso en la medicina. Esto ha
motivado al desarrollo de marcos que permitan estimar el rendimiento de los
datos en la naturaleza médica, se complica debido al cambio entre los datos.
Ante ello, autores como Kiyasseh et al. (1) presentan un marco para evaluar
sistemas de IA en datos de naturaleza médica a través de experimentos en
sistemas IA, desarrollado por imágenes dermatológicas, herramientas como
SUDO que permite contribuir al despliegue de sistemas de inteligencia artificial
confiables y éticos en el campo de la medicina al identificar predicciones poco
confiables, informar la selección de modelos y permitir la evaluación previa del
sesgo algorítmico en datos del mundo real sin necesidad de anotaciones de
referencia en el terreno.
La necesidad por aprovechar el aprendizaje para la mejora de la visión
clínica recae en el empleo de modelos de lenguaje en medicina diagnóstica, se
han identificado desafíos y obstáculos significativos, especialmente en el ámbito
1
de la patología digital. La comprensión profunda de estos desafíos es crucial para
abordar las limitaciones y crear estrategias efectivas para superarlos. Destaca la
importancia de la participación activa de los profesionales de la salud en la
selección de datos y ajuste de modelos. Además, se subraya la necesidad de
llevar a cabo investigaciones más extensas, validaciones y colaboración entre
desarrolladores de inteligencia artificial, profesionales de la salud y entidades
reguladoras, con el fin de lograr una integración responsable y efectiva de los
modelos de lenguaje en el ámbito de la medicina diagnóstica (2). Otro entorno
en donde la IA puede destacar, recaer en la gestión de quirófanos, como gestor
de información para la mejora de eficacia y eficiencia sanitaria en la atención de
los pacientes (3).
No hay duda que los profesionales médicos comprenden que la
inteligencia artificial (IA) podría representar una amenaza potencial al
reemplazarlos con medios digitales y dinámicos que facilitan el diagnóstico
clínico. No obstante, también reconocen el potencial que la IA tiene en la atención
médica. La relación entre los médicos y la IA genera escepticismo, pero al mismo
tiempo, existe una mezcla de preocupación y reconocimiento. En resumen, los
profesionales médicos se debaten entre la incertidumbre y la posibilidad de
aprovechar el potencial de la IA en su campo. La IA en el ámbito sanitario tiene
el potencial de transformar la atención médica. Algunas organizaciones ya están
utilizando la IA para reducir la carga de trabajo del personal y generar confianza
en la relación con los pacientes. La automatización de procesos administrativos
y la mejora en los sistemas de admisión y registro pueden agilizar la atención y
mejorar la experiencia del paciente. Además, la IA puede contribuir al
diagnóstico, pronóstico y planificación de los pacientes, así como al desarrollo de
medicamentos y la gestión de sistemas de salud. Aunque existen desafíos éticos
y de derechos humanos, la IA ofrece grandes expectativas para mejorar la
prestación de atención médica en todo el mundo (4).
Sin embargo, las perspectivas de la integración de la inteligencia artificial
en las prácticas de laboratorio parecen tener una mejor aceptación, puesto que
las perspectivas y consideraciones, ajustes educativos y curriculares, y técnicas
2
de implementación, parecen ser de mucha utilidad para manejar las prácticas
cambiantes de los patólogos debido a la IA (5).
Al respecto, la evidencia de estudios previos que han tomado la misma
problemática a nivel internacional han reportado que a finales del 2017, hay poca
investigación sobre el uso de big data en medicina; por lo que no hay una
comprensión integral sobre el estado del arte, referencias de investigación o
aplicación de métodos de visualización (6), a inicios el 2019 otro análisis
bibliométrico reportó la primera y más completa hasta el momento, imagen de los
esfuerzos globales, específicamente: importancia, desarrollo de protocolos,
regulaciones globales, nacionales en el caso de China, adaptación de productos
médicos de la IA (7). Mientras que estudios más recientes han reportado una
evolución de aspectos más específicos en algunos campos del a investigación
(8).
En años más recientes, un estudio bibliométrico que realizó una búsqueda
en Web of Science que incluyó 1473 publicaciones, reportó un incremento del
17.02% anual desde 1995; un aumento que fue mucho mayor en artículos
científicos entre el 2014 y el 2019, con un 45.15% en donde huno una mayor
producción con respecto al: cáncer, depresión, Alzheimer, insuficiencia cardíaca
y diabetes; también se encontró que las redes neuronales artificiales, las
máquinas de vectores de soporte y redes neuronales convolucionales tienen
mayor impacto en la atención médica (9). Otro estudio que empleó Scopus como
motor de búsqueda recopiló información entre 2018 a 2022, incluyendo 869
artículos que reportaron una mayor producción de Estados Unidos y China, en
donde la mayor concurrencia hay en el uso de redes neuronales, sistemas de
apoyo a la toma de decisiones, aprendizaje automático empleando IA (10).
De hecho, un estudio bibliométrico sobre los 100 artículos más
referenciados acerca de la aplicación de inteligencia artificial en medicina mostró
que la mayoría de la información utilizada proviene de referencias clásicas. Estas
referencias están principalmente centradas en la fase experimental no clínica y
aún no han avanzado hacia la etapa clínica de integración (11).
3
Para resaltar la relevancia de la investigación y denotar la problemática en
el vacío de conocimiento, es importante destacar el avance de la producción
científica en el campo de la medicina que emplea inteligencia artificial. La
mayoría de estos avances provienen de producciones extranjeras, y el estado
actual de las producciones latinoamericanas en este campo no ha sido lo
suficientemente investigado, por lo que es desconocido.
1.2 Formulación de problemas
¿Cuáles son las características de la producción científica latinoamericana
sobre la Inteligencia artificial en medicina encontradas mediante el análisis
bibliométrico?
1.3
Objetivos
1.3.1 Objetivo general
Describir las características de la producción científica latinoamericana
sobre la Inteligencia artificial en medicina encontradas mediante el análisis
bibliométrico.
1.3.2 Objetivos específicos
-
Analizar
la
tendencia
anual
de
las
producciones
científicas
latinoamericanas sobre la inteligencia artificial en medicina.
-
Describir el tipo de documento en base a las producciones científicas
latinoamericanas sobre la inteligencia artificial en medicina.
-
Identificar el tipo de idioma más empleado en las producciones científicas
latinoamericanas sobre la inteligencia artificial en medicina.
-
Examinar la distribución geográfica de las producciones científicas
latinoamericanas sobre la inteligencia artificial en medicina.
-
Identificar los cuartiles de las revistas relacionadas a la producción
científica latinoamericana sobre la inteligencia artificial en medicina.
4
-
Identificar la frecuencia de los autores con respecto a las producciones
científicas latinoamericanas sobre la inteligencia artificial en medicina.
-
Determinar las revistas con mayor cantidad de publicaciones respecto a
las producciones científicas latinoamericanas sobre la inteligencia artificial
en medicina.
-
Analizar las fuentes de financiamiento que respaldan las producciones
científicas latinoamericanas sobre la inteligencia artificial en medicina.
-
Explorar y describir las redes de colaboración entre autores en las
producciones científicas latinoamericanas sobre la inteligencia artificial en
medicina.
1.4 Justificación de la investigación
En primer lugar, la revisión bibliométrica permitió evaluar el estado de la
investigación científica (12) (13), para este caso con respecto a la inteligencia
artificial. Esto implica determinar los principales temas de investigación, los
científicos más productivos, las principales organizaciones y las revistas más
prestigiosas. El establecimiento de nuevas vías de investigación y la definición
de directrices de evaluación para los investigadores requieren estos datos.
Además, la evaluación bibliométrica ofrece un resumen del estado actual de la
inteligencia artificial. Esto se consiguió reuniendo y examinando el conjunto de
conocimientos ya disponibles sobre un determinado tema o cuestión. Para
examinar críticamente el material adquirido, este proceso implica no sólo
sintetizar la información encontrada, sino también establecer una relación entre
las fuentes y establecer paralelismos entre ellas.
Importancia teórica
Realizar una revisión bibliométrica sobre inteligencia artificial es
teóricamente muy importante. Puesto que el desarrollo de conocimiento
bibliométrico fomenta una tendencia positiva en cuanto a la productividad y
desarrollo en el campo de la medicina (14). Para este estudio, el análisis
bibliométrico permite evaluar y comprender las tendencias actuales en la
investigación sobre IA, reconocer las teorías e ideas clave que se están utilizando
5
e identificar las áreas que necesitan un estudio adicional. Además, puede ser útil
para reconocer nuevas hipótesis y comprender cómo evolucionan con el tiempo.
Este tipo de revisión permite comprender en profundidad el desarrollo de la IA y
sus efectos en numerosas materias académicas.
Importancia social
Un análisis bibliométrico de la inteligencia artificial (IA) puede utilizarse
para comprender mejor el impacto de esta tecnología en la sociedad y señalar
las áreas en las que está marcando una gran diferencia. Esto puede aplicarse a
diversos campos, como la sanidad, la educación y el transporte. También puede
ayudar a identificar las ramificaciones sociales de la IA, incluidos los posibles
problemas éticos y de privacidad. También puede revelar detalles sobre cómo la
sociedad en su conjunto ve y acepta la IA.
Importancia Metodológica
Desde el punto de vista metodológico, una evaluación bibliométrica de la
IA puede ofrecer información esclarecedora sobre los enfoques adoptados en la
investigación sobre IA. Esto puede implicar la determinación de los medios de
recopilación de datos, la aplicación de técnicas de análisis y el desarrollo de la
metodología de investigación. También puede ser útil para señalar las ventajas
y desventajas de estos enfoques, así como las posibles áreas de desarrollo en
el futuro. Los investigadores en el campo de la inteligencia artificial pueden
encontrar este tipo de revisión como un recurso útil, ya que puede darles una
imagen precisa de las mejores prácticas actuales y ayudarles a diseñar mejor
sus propios estudios.
Principio del formulario
Los objetivos específicos del análisis bibliométrico de la investigación en
inteligencia artificial médica son factibles, sobre todo si se tiene en cuenta la
disponibilidad de la base de datos Scopus, un recurso muy utilizado en las
comunidades científica y académica. La viabilidad de estos objetivos se ve
reforzada por la capacidad de Scopus de ofrecer información exhaustiva sobre
6
revistas científicas, autores, publicaciones, instituciones y campos de
investigación. Además, las técnicas de análisis bibliométrico están bien
establecidas y se emplean con frecuencia en la investigación científica, lo que
facilita la consecución de los objetivos planteados. No obstante, es importante
tener en cuenta las posibles limitaciones, como el tiempo y los recursos
necesarios para realizar el estudio de forma exhaustiva y precisa.
1.5 Limitaciones del estudio
El examen bibliométrico de la investigación en inteligencia artificial médica
presenta una serie de inconvenientes. En primer lugar, el conjunto incompleto de
datos puede dificultar la determinación precisa del número total de publicaciones
científicas en Scopus hasta
31/06/2024. Además, variables como el
protagonismo institucional y las variaciones en la implicación de los
investigadores en la publicación de sus trabajos podrían distorsionar la
distribución de la actividad científica entre los autores. Al examinar la dispersión
geográfica de la investigación sobre IA en medicina, también es fundamental
tener en cuenta la posibilidad de que algunos países estén infrarrepresentados
debido a diferencias en la infraestructura de investigación y las directrices de
publicación. Sin embargo, la capacidad de Scopus para identificar con precisión
los temas puede limitar la caracterización de los principales campos de
investigación
al
dejar
fuera
investigaciones
importantes
o
clasificar
incorrectamente otras. Por último, la forma incoherente en que se clasifican los
artículos en Scopus puede obstaculizar la investigación de la tipología de los
artículos científicos al dificultar el reconocimiento de la investigación original, las
revisiones sistemáticas y otros tipos de publicaciones.
1.6 Marco teórico
1.6.1 Antecedentes
Qiang et al. (15) realizaron una revisión bibliométrica en China 2023 para
analizar el desarrollo de la inteligencia artificial aplicada a la medicina ecográfica
entre 2017 y 2022. Utilizaron el Science Citation Index Expanded (SCIE) de Web
7
of Science Core Collection para recopilar 734 publicaciones. Emplearon VOS
viewer y CiteSpace para el análisis bibliométrico, identificando un crecimiento
anual significativo en la producción académica, con China liderando en número
de publicaciones (251) y la Universidad Sun Yat-Sen como la institución más
prolífica. La revista más citada fue RADIOLOGY. Se clasificaron 318 palabras
clave en 13 grupos temáticos, reflejando áreas como carcinoma hepatocelular,
cáncer de mama, y covid-19. Este estudio subraya el rápido avance y las
tendencias emergentes en la integración de la inteligencia artificial en la medicina
ecográfica, proporcionando una visión crucial para futuras investigaciones en el
campo.
Zhang et al. (16) realizaron una revisión bibliométrica en China en 2023
para explorar los puntos críticos de desarrollo e investigación en la aplicación de
la inteligencia artificial (IA) en el diagnóstico de la medicina tradicional china
(MTC) y prever las tendencias futuras. Recuperaron un total de 686 artículos de
bases de datos, predominantemente en chino (610 artículos) y en inglés (76
artículos). Se observó un crecimiento lento en la publicación de artículos en
revistas, con una mayoría publicada en revistas chinas. El análisis destacó
equipos de investigación liderados por instituciones como la Universidad de
Medicina Tradicional China de Shanghai y la Universidad Tecnológica de
Guangdong. Se identificaron áreas clave de investigación como redes
neuronales, minería de datos y procesamiento de imágenes para el diagnóstico
de la lengua, diagnóstico del pulso y síndromes en la MTC. El estudio concluyó
que la investigación en IA aplicada al diagnóstico de la MTC está en una fase
inicial de crecimiento, enfocándose en la integración de múltiples métodos de
diagnóstico y en la evolución hacia enfoques combinados más sofisticados.
Bahiru L (17) realizó una revisión sistemática en Etiopía en 2023 para
realizar un análisis bibliométrico de las investigaciones en inteligencia artificial
relacionadas con la salud entre 2000 y 2021. Utilizando el conjunto de datos
Scopus, se identificaron y recuperaron 5,019 artículos no duplicados publicados
en inglés. Se observó un crecimiento significativo en las publicaciones después
de 2012, representando el 88.88% del total. Estados Unidos lideró con el 41.84%
8
de las publicaciones, con palabras clave tecnológicas prominentes como
"Aprendizaje automático", "Registros médicos electrónicos" y "Procesamiento del
lenguaje natural". Además, el estudio destacó enfermedades específicas como
Covid-19, diabetes, salud mental, asma, demencia y cáncer como temas
frecuentes en las investigaciones. Este análisis bibliométrico proporciona una
visión detallada del crecimiento y la distribución geográfica de la investigación en
inteligencia artificial en salud, siendo crucial para orientar futuras investigaciones
y políticas en el campo de la atención médica.
Kocak et al. (18) financiado por la Unión Europea en 2023, realizó una
revisión bibliométrica integral de la inteligencia artificial (IA) y la radiómica en
Radiología, Medicina Nuclear e Imágenes Médicas (RNMMI). Utilizando Web of
Science, buscaron publicaciones relevantes desde 2000 hasta 2021. Aplicaron
técnicas bibliométricas como análisis de coocurrencia, coautoría, ráfaga de citas
y evolución temática. Encontraron que RNMMI representó la categoría más
prominente con 11,209 publicaciones (19.8% del total en medicina), siendo
Estados Unidos (44.6%) y China (23.1%) los países más productivos. Se destacó
un cambio hacia el aprendizaje profundo en la evolución temática reciente. Las
publicaciones en IA y aprendizaje automático mostraron un crecimiento
exponencial, con tasas anuales estimadas del 26.1% y un tiempo de duplicación
de 2.7 años. Este estudio ofrece una visión detallada de la investigación en IA y
radiómica en RNMMI, subrayando la importancia de apoyar financieramente
estas áreas para su desarrollo continuo y beneficio en la atención médica.
Cui et al. (19) llevó a cabo una revisión bibliométrica en China en 2023
con el objetivo de proporcionar una descripción general de la literatura sobre el
desarrollo de la inteligencia artificial en la medicina de cuidados críticos (CCM) y
explorar la medicina de precisión adicional. Métodos: Se recuperaron
manualmente estudios relevantes publicados entre enero de 2010 y junio de
2021 de la base de datos Science Citation Index Expanded en Web of Science
(Clarivate), utilizando palabras clave específicas. Resultados: Se observó un
aumento continuo en las investigaciones relacionadas con la inteligencia artificial
en CCM a lo largo de los años. Estados Unidos lideró en número de artículos
9
publicados y en afiliaciones activas. Las principales revistas fueron aquellas
ubicadas en el cuartil Q1 del JCR y enfocadas en bioinformática. Los temas
predominantes incluyeron la predicción, diagnóstico y estrategias de tratamiento
para condiciones como sepsis, neumonía y lesión renal aguda. Los registros
médicos electrónicos (EHR) fueron los datos más utilizados, y se destacó la
necesidad de integrar más datos "ómicos". Conclusiones: La inteligencia artificial
en CCM ha evolucionado significativamente en la última década, impulsada por
el crecimiento voluminoso y diverso de datos. Se enfatizó la importancia de
investigar la ética en el uso de la inteligencia artificial y mejorar la generalización
y corrección de modelos para su aplicación práctica.
Cueto R. (20) realizó un análisis bibliométrico en Argentina en 2023 con el
objetivo de recopilar información sobre la optimización del diagnóstico médico
mediante técnicas de inteligencia artificial (IA) para la detección temprana de
enfermedades. Utilizando técnicas bibliométricas como análisis de coocurrencia,
coautoría, ráfaga de citas y evolución temática, el estudio identificó las cinco
principales enfermedades investigadas para el diagnóstico temprano con IA:
Alzheimer,
cáncer,
COVID-19,
enfermedades
neurodegenerativas
y
enfermedades oftalmológicas. Las técnicas de IA más utilizadas incluyeron
Aprendizaje
Profundo,
Aprendizaje
Automático,
Redes
Neuronales
Convolucionales, Máquinas de Vectores de Soporte y Diagnóstico Asistido por
Computadora. Se destacó una colaboración internacional significativa en la
investigación, liderada por China en la producción científica. Los países con
mayor actividad en colaboraciones fueron China, Estados Unidos, India, Italia y
Alemania. En resumen, el estudio subraya el papel crucial de la IA en el
diagnóstico de enfermedades, impulsado por la colaboración global y la inversión
en investigación, mientras la tecnología de IA continúa avanzando para mejorar
la atención médica y la detección precoz de enfermedades.
Blanchar y Pio de la Hoz (21) realizaron una revisión sistemática de la
literatura en Colombia en 2022 con el objetivo de examinar la influencia de la
inteligencia artificial en la toma de decisiones médicas, analizando la
concordancia entre las evidencias disponibles y los sistemas expertos aplicados
10
en diversas especialidades clínicas y quirúrgicas que afectan la salud. El estudio
abarcó informes publicados entre 2010 y 2019. Utilizaron un modelo relacional
de bases de datos y un modelo de entidad-relación para asegurar la integridad
referencial de las bases de datos y artículos, evaluando la calidad de cada
artículo en términos de su grado de concordancia con el tema de interés y su
impacto en la toma de decisiones de salud, categorizándolos como "muy
concordante" o "no concordante". En conclusión, el estudio determinó que las
aplicaciones de sistemas expertos, aprendizaje automático y robótica están
introduciendo
innovaciones
significativas en
las instituciones
médicas,
provocando un cambio revolucionario en los ámbitos académico, clínico y
epidemiológico.
Avila et al. (22) llevaron a cabo un estudio en España en 2020 para
examinar el uso de tecnología avanzada en medicina, específicamente
identificando máquinas o programas informáticos inteligentes que emplean
inteligencia artificial en procedimientos sanitarios. Este estudio cualitativo de
diseño no experimental y transversal se centró en sistemas robóticos con IA
utilizados
en
el
ámbito
médico.
Se
identificaron
tres
programas
informáticos/robots clave que mejoran la atención sanitaria. Primero, el sistema
quirúrgico Senhance, una plataforma laparoscópica digital que supera las
limitaciones económicas de los sistemas robóticos actuales mediante el uso de
instrumentos reutilizables estándar y una arquitectura de plataforma abierta.
Segundo, el sistema robótico Flex®41, que facilita el acceso a ubicaciones
anatómicas previamente difíciles o imposibles de alcanzar de manera
mínimamente invasiva. Tercero, el proyecto español BROCA, apodado "el
pequeño Da Vinci", destinado al diseño y desarrollo de un sistema robótico
quirúrgico modular y de bajo costo enfocado en cirugía mínimamente invasiva en
áreas pélvicas y bariátricas, incorporando sensores y efectores finales altamente
maniobrables que ofrecen información táctil relevante sobre la herramienta y su
entorno. En conclusión, la cirugía asistida por robots ha permitido avances
significativos en el campo quirúrgico, facilitando la cirugía a distancia y la mínima
invasión, con limitaciones mínimas.
11
Souza y Nogueira (23) llevaron a cabo un estudio bibliométrico en
Argentina en 2019 sobre el uso de la inteligencia artificial y su influencia en la
calidad de vida de individuos con discapacidad. Utilizando un enfoque
bibliométrico, delinearon un panorama de esta área de investigación. A través
del análisis de la producción científica disponible en la base de datos de la
Universidad Católica Argentina (EBSCOhost), exploraron los temas principales
relacionados con dispositivos y sistemas que buscan mejorar la autonomía,
independencia y comunicación de personas con discapacidad, facilitando así sus
actividades diarias. La comprensión de la evolución de la inteligencia artificial en
la vida de este grupo demográfico es crucial para identificar áreas de interés para
futuras investigaciones y políticas públicas, especialmente en Argentina, donde
este tema aún no ha sido exhaustivamente estudiado. Este conocimiento
también permite evaluar el impacto de las tecnologías innovadoras en esta
población específica.
A nivel nacional, en un margen de cinco años un estudio realizado por
Ruiz et al. (24) llevaron a cabo un análisis bibliométrico en Perú durante 2023,
enfocado en la competencia y brecha digitales desde 2004 hasta 2023. Utilizando
un enfoque bibliométrico descriptivo y cuantitativo, seleccionaron 96 documentos
mediante palabras clave en inglés "digital competence" y "digital divide" para
generar indicadores de producción científica. Los resultados y la discusión
revelaron un aumento del 82% en el número de artículos académicos publicados
entre 2018 y 2023, alcanzando un total de 79 artículos. España lideró la tasa de
producción científica con un 34%, siendo la Universitat Oberta de Catalunya la
institución con más publicaciones. Además, el 85% de los documentos eran
artículos científicos del área de ciencias sociales (37%). Se concluyó que la
investigación en este campo es dinámica debido a la naturaleza en constante
cambio de la tecnología digital, la usabilidad, la accesibilidad, los objetivos
políticos y las expectativas de los individuos en una sociedad basada en el
conocimiento. Esta competencia es esencial en el ámbito educativo, facilitando
la implementación generalizada y eficaz de la tecnología, dependiendo tanto del
acceso de reducción de la brecha digital como de una aplicación inteligente.
12
1.6.2 Base teórico-científica.
La IA en medicina abarca aplicaciones como el diagnóstico clínico, el
análisis de imágenes médicas, el descubrimiento de nuevos fármacos, la
personalización de tratamientos y la optimización de recursos sanitarios (27). La
inteligencia artificial se ha convertido en una herramienta fundamental en la
medicina moderna, permitiendo diagnósticos más precisos, mejor control de
pacientes crónicos, descubrimiento de nuevos fármacos, análisis genómico,
optimización de recursos sanitarios y desarrollo de soluciones innovadoras para
mejorar la atención médica y la calidad de vida de los pacientes (29). La
inteligencia artificial no reemplazará a los profesionales de la salud, sino que
complementará sus habilidades para beneficiar a los pacientes y a los sistemas
de atención médica. Este aumento en roles y capacidades debe ir de la mano
con la digitalización del sistema de salud y la recopilación de datos precisos,
sólidos e interoperables, lo que permitirá priorizar soluciones centradas en el
paciente (30).
Al respecto, existen posturas que desestiman el uso de la IA como se a
mencionado anteriormente. Incluso otras investigaciones señalan limitaciones en
cuanto a la eficacia y su uso (31).
Por el contrario, una postura internacional y nacional, se ha encontrado
literatura brevemente analizada que favorece el uso de las inteligencias
artificiales o IA en el campo de la medicina.
Autores como Raraz y Raraz (32) Se hizo una revisión en Perú para
entender cómo se usa la inteligencia artificial en la medicina. Hoy en día, la
medicina se beneficia de la inteligencia artificial, lo que ayuda a encontrar
soluciones prácticas. Los avances en algoritmos de IA permiten almacenar,
analizar y usar información clave para resolver problemas médicos. Aunque la IA
se mencionó por primera vez en los años 50, no fue hasta la llegada del
aprendizaje profundo en la década de 2000 que se superaron muchas
limitaciones, permitiendo su aplicación en la medicina de manera más amplia.
Ahora, la IA se usa para mejorar diagnósticos y eficiencia en la práctica clínica,
13
como en la cardiología para predecir enfermedades cardiovasculares, en la
neumología para interpretar pruebas de función pulmonar, en la endocrinología
para monitorear la glucosa en pacientes diabéticos, en la nefrología para predecir
la función renal, y en la gastroenterología para detectar anomalías en imágenes
médicas.
De manera similar, Soledad (33), destacó que el creciente papel de la IA
en la medicina actual, especialmente en diagnósticos y tratamientos complejos.
Sin embargo, plantea preocupaciones éticas sobre el diseño y funcionamiento de
los algoritmos, usualmente abordados desde una perspectiva poética. Sugiere
reflexionar desde una ética basada en la virtud de Pellegrino, que considera al
profesional de la salud como agente moral, utilizando la IA para el beneficio del
paciente como criterio ético principal.
Por ultimo los autores Lanzagorta et al. (34) indicaron que la IA promete
transformar radicalmente la medicina, siendo comparada con la revolución de la
imprenta. Los médicos necesitarán adaptarse y usar la IA como herramienta en
el cuidado del paciente, lo que mejorará la seguridad y autonomía de los
pacientes y reducirá la carga de trabajo de los médicos. Además, la IA puede
ayudar a prevenir errores médicos y mejorar los diagnósticos al analizar datos de
manera más eficiente. Sin embargo, es crucial estandarizar la investigación en
este campo para comprender mejor sus beneficios y riesgos, y acelerar su
aplicación en la práctica médica actual.
1.6.3 Marco conceptual.
Inteligencia Artificial: La inteligencia artificial (IA) se define como una
tecnología capaz de simular procesos de inteligencia humana, incluyendo la
capacidad de razonar y aprender (25) (26). En el ámbito de la medicina, la IA ha
evolucionado hasta convertirse en una de las principales ramas de la ciencia de
la computación, y se utiliza para analizar datos sanitarios, apoyar a los
profesionales médicos en entornos clínicos, mejorar el diagnóstico y tratamiento
de enfermedades, así como para optimizar la gestión de centros sanitarios (27).
14
-
Frecuencia de recolección de datos: Se refiere a la frecuencia con la
que se recopilan datos en un sistema o proceso. Puede ser diaria,
semanal, mensual u otra frecuencia específica. Por ejemplo, si estamos
monitoreando la temperatura de un servidor, la frecuencia de recolección
podría ser cada 5 minutos. Para este estudio, se pretende recolectar datos
sociales como también acoplamiento bibliográfico, concurrencia de
palabras clave, autores
-
Tiempo necesario para el análisis: Este concepto se refiere al tiempo
requerido para procesar y analizar los datos recopilados. Depende de
varios factores, como la cantidad de datos, la complejidad del análisis y la
capacidad de procesamiento del sistema. Por ejemplo, el análisis de datos
de ventas mensuales podría llevar menos tiempo que el análisis de datos
de tráfico web en tiempo real.
-
Porcentaje de problemas abiertos: Este término se utiliza en el contexto
de gestión de problemas o incidencias. Representa la proporción de
problemas o incidencias que aún no se han resuelto en comparación con
el total de problemas reportados. Por ejemplo, si hay 100 problemas
reportados y 20 de ellos aún están abiertos, el porcentaje de problemas
abiertos sería del 20%.
-
Problemas abiertos: Son los problemas o incidencias que aún no se han
resuelto o cerrado. Pueden variar desde errores en software hasta
problemas operativos en una organización. El seguimiento y resolución de
estos problemas es fundamental para mantener la eficiencia y la calidad.
-
Flexibilidad: En el contexto de sistemas o procesos, la flexibilidad se
refiere a la capacidad de adaptarse o ajustarse a cambios. Puede
aplicarse a la arquitectura de software, la planificación de proyectos o
incluso a la organización en sí. Una solución flexible puede manejar
diferentes situaciones sin requerir cambios significativos en su diseño o
estructura
Medicina: La medicina es el campo de la ciencia y la práctica que se
ocupa del mantenimiento de la salud, la prevención, el diagnóstico y el
15
tratamiento de enfermedades y lesiones en los seres humanos. la medicina se
basa en servir al ser humano para preservar su salud. Los objetivos incluyen
mejorar su bienestar físico y mental, curar o aliviar enfermedades. La ética
médica es humanista y se centra en el bienestar del individuo (28).
Análisis bibliométrico: El análisis bibliométrico es una técnica de
evaluación que utiliza métodos cuantitativos y cualitativos para analizar la
producción científica, como la cantidad de publicaciones, las tendencias de
investigación, las relaciones entre autores y la difusión del conocimiento en un
campo específico. Este enfoque permite comprender el impacto y la relevancia
de la investigación en un área determinada a través de datos bibliográficos y
métricas de citas.
Producción científica latinoamericana: La producción científica
latinoamericana se refiere a la cantidad y calidad de las contribuciones
académicas y científicas generadas por investigadores y académicos en América
Latina. Este análisis puede incluir la cantidad de publicaciones, las áreas de
investigación más destacadas, la colaboración internacional y el impacto de la
investigación en la región y a nivel global.
Difusión: La difusión del conocimiento científico implica la divulgación y
el acceso a información precisa y actualizada sobre los avances científicos en un
campo determinado, como la inteligencia artificial en medicina. Esto puede incluir
la publicación de artículos científicos, blogs, podcasts y videos divulgativos, así
como el fortalecimiento de la colaboración entre científicos y divulgadores
científicos para fomentar un diálogo continuo entre la comunidad científica y la
sociedad en general.
-
Producción anual: El análisis bibliométrico revela un crecimiento en la
producción de publicaciones científicas sobre inteligencia artificial
aplicada a la medicina en los últimos años, con un enfoque específico en
la formulación de políticas públicas y la educación superior, abarcando un
periodo de publicaciones.
16
-
Tipo de documento: Se observa una diversidad de tipos de documentos,
incluyendo artículos de investigación, revisiones sistemáticas y trabajos
de investigación.
-
Idioma: Las publicaciones abarcan varios idiomas, con una presencia
significativa de artículos en inglés, español y otros idiomas relevantes para
la región latinoamericana.
-
País: La producción científica sobre inteligencia artificial en medicina
proviene de diversos países, con una participación global que incluye a
países latinoamericanos.
-
Cuartiles: Se observa una tendencia favorable hacia la publicación en
revistas de alto impacto (Q1 y Q2), lo que indica un reconocimiento
significativo en la comunidad científica
Producción: La producción se refiere a la generación de conocimiento
científico en un campo específico, como la inteligencia artificial en medicina. Esto
incluye la cantidad y calidad de las publicaciones científicas, la diversidad de
autores involucrados, el financiamiento que respalda la investigación y la difusión
de los resultados a través de revistas especializadas.
-
Autores: La investigación revela la participación de diversos autores en la
producción científica sobre inteligencia artificial en medicina, con
colaboraciones tanto a nivel nacional como internacional.
-
Revistas: Las publicaciones se distribuyen en revistas reconocidas,
algunas de las cuales se encuentran en los cuartiles más altos de la
clasificación Journal Impact Factor, lo que indica un impacto significativo
en la comunidad científica.
-
Financiamiento: Se evidencia la importancia del apoyo gubernamental
para el desarrollo científico en este campo, destacando la relevancia del
financiamiento en el avance de la investigación sobre inteligencia artificial
en medicina.
Colaboración: La colaboración en el contexto científico implica la
participación de diversos autores y entidades en la generación de conocimiento,
17
como en el campo de la inteligencia artificial en medicina. Esta colaboración
puede manifestarse a través de la coautoría de publicaciones, la colaboración
interinstitucional y la participación en proyectos de investigación conjuntos, lo que
contribuye al avance y la difusión del conocimiento en el campo de estudio.
-
Autores: Comprende la frecuencia de autores que colaboran en diversas
producciones científicas sobre inteligencia artificial en medicina.
1.7 Hipótesis.
El presente estudio no requiere hipótesis, puesto que es un artículo de
revisión no está sometido a una prueba de hipótesis.
1.7.1 Hipótesis general.
No se requiere para este tipo de estudio.
1.7.2 Hipótesis específica.
No se requiere para este tipo de estudio.
18
CAPÍTULO II: MÉTODOS
2.1 Tipo y diseño de investigación
El tipo de investigación fue una revisión de la literatura, específicamente
una revisión bibliométrica. Como menciona Hernández R. y Mendoza C. (35); la
importancia de este tipo de investigación permite identificar todo tipo de
información, la cual se vuelve esencial para mejorar la comprensión de los
resultados, análisis de categorías pertinentes, resultados y ahondar en aspectos
interpretaciones.
Siendo así, el enfoque que tomó este estudio fue uno centrado en la
cuantificación de las variables, por lo que será de tipo cuantitativo. El diseño del
estudio se centrará en lo observacional de tipo descriptivo, corte transversal para
la recolección de datos.
2.2 Población y muestra
La población de este estudio fue una cantidad finita, es decir que se cuenta
con conocimiento sobre las unidades de análisis que formaron el conjunto
poblacional (36). Cabe recordar que la población comprendió una cantidad de
elementos con las mismas características que se pretenden estudiar (37). Por lo
que para este estudio la población correspondió a la producción respecto a la
búsqueda de producción científica en base al título, resumen y palabras claves
sobre la inteligencia artificial o IA y la medicina; reportando una cantidad total de
17,786 documentos encontrados desde 1993 al 30/06/2024.
La muestra comprendió un extracto representativo (38). Es por ello, que
se considerarán producciones de países latinoamericanos sobre inteligencia
artificial en la medicina, indexados en Scopus hasta el 30/06/2024, siendo 522
producciones.
2.3 Criterios de selección de la muestra
Así mismo, se hace presente los criterios de selección de muestra fueron
los siguientes.
19
Criterios de inclusión:

Artículos científicos de producción latinoamericana relacionados con la
inteligencia artificial en medicina, indexados en Socpus hasta el
30/06/2024.

Artículos escritos en los idiomas relevantes para la investigación.

Diferentes tipos de producción, como investigaciones originales,
revisiones, estudios de caso, etc.
Criterios de exclusión.

Artículos duplicados.

Artículos científicos sobre medicina veterinaria.

Artículos que no cuenten con un enlace a texto completo

Artículos que no cuenten con resumen
2.4 Variables
Difusión:
1. producción anual
2. tipo de documento
3. idioma
4. país
5. cuartiles
Producción:
6. autores
7. revistas
8. financiamiento
Colaboración:
9. autores
20
2.5 Operacionalización de variables
La operacionalización de variables comprendió la medición de las mismas
a través de técnicas y métodos para una investigación, de tal forma que se
separaron los aspectos que conforman una variable en componentes que
permitieran medirla (39). Por lo tanto, la operacionalización de las variables se
observó a continuación.
DIMENSIÓN
VARIABLE
Difusión
Producción
Producción
TIPO DE
VARIABLE
Y ESCALA
DE
MEDICIÓN
Cuantitativa /
numérica
DEFINICIÓN
OPERACIONAL
Cantidad
total
de
publicaciones científicas
realizadas en un año
específico.
Clasificación de las
publicaciones según su
formato, como artículos,
libros,
capítulos
de
libros, conferencias, etc.
Tipo
de
documento
Cualitativa
categórica
/
Idioma
Cualitativa
categórica
/
Lengua en la que está
escrito el documento
científico.
País
Cualitativa
categórica
/
Cuartiles
Cualitativa
ordinal
/
Autores
Cualitativa
nominal
/
Revistas
Cualitativa
nominal
/
Nación de origen o
afiliación principal del
autor o autores de la
publicación.
Categorías que dividen
las revistas científicas en
cuatro grupos según su
impacto,
medido
generalmente por el
factor de impacto (Q1,
Q2, Q3, Q4).
Personas
que
han
contribuido
significativamente a la
creación y desarrollo del
trabajo científico
Publicaciones periódicas
donde se difunden los
INDICADOR
Número total de
publicaciones
científicas por año.
Porcentaje de cada
tipo de documento
en el total de
publicaciones (por
ejemplo,
60%
artículos,
20%
libros, etc.).
Porcentaje
de
publicaciones
en
cada idioma (por
ejemplo, 70% en
inglés, 20% en
español, etc.).
Número
de
publicaciones por
país de origen de
los autores.
Distribución
porcentual de las
publicaciones
en
cada cuartil (Q1,
Q2, Q3, Q4).
Promedio
autores
publicación.
de
por
Número
de
publicaciones
en
diferentes revistas y
21
trabajos
investigación.
Colaboración
Financiami
ento
Cualitativa
nominal
/
Autores
Cualitativo
nominal
/
de
Recursos económicos
proporcionados
por
instituciones,
organismos o programas
para llevar a cabo la
investigación
Número y diversidad de
personas que trabajan
conjuntamente en la
elaboración de una
investigación,
incluyendo autores de
diferentes instituciones o
países.
su frecuencia de
publicación
con
respecto al tema.
Frecuencia
de
porcentaje
de
publicaciones con
financiamiento
externo o interno.
Número
de
coautores
por
publicación y la
proporción
de
colaboraciones.
2.6 Técnicas e instrumento de recolección de datos
La técnica empleada para este estudio fue el análisis de documentos, el
cual comprendió una revisión realizada para obtener datos del contenido,
extraídos de fuentes primarias (39).
De esta manera, se determinó que el instrumento utilizado para el estudio
incluyó el uso del motor de búsqueda Scopus y una ficha de recolección de datos
para ordenar la información útil extraída.
2.7 Plan de recolección de datos
La técnica de recolección de datos se realizó mediante una búsqueda de
información en la base de datos de Scopus, un espacio virtual que facilitó la
identificación y búsqueda de artículos científicos, con acceso proporcionado por
la Universidad Nacional Mayor de San Marcos. Se emplearon operadores
booleanos para acceder a un listado de artículos, considerando inicialmente:
"Inteligencia artificial" AND "medicina". Para excluir artículos sobre medicina
veterinaria, se utilizó: "Inteligencia artificial" AND "medicina" NOT "veterinaria".
También se consideraron combinaciones como: "Inteligencia artificial" AND
("medicina" OR "salud pública"), véase en el anexo 1. Además, se aplicaron filtros
de tiempo hasta el 30/06/2024. La información bibliográfica fue importada en
formato CSV y exportada a Microsoft Office 365, Excel, para organizarla en
22
tablas, dada la cantidad manejable de artículos visualizados, al ser un tema poco
investigado.
2.8 Procesamiento y análisis de datos
Una vez seleccionados todos los artículos y eliminados los duplicados, se
exportaron los datos en formato BibTeX. A continuación, se utilizó el software
Bibliometrix (40), que analizó rasgos e indicaciones bibliométricas mediante el
lenguaje de programación Rstudio (41), para importar estos datos. Para calcular
frecuencias relativas y crear gráficos y tablas en Microsoft Excel 365, los datos
se exportaron en formato CSV. Además, las redes de colaboración por coautoría
-incluyendo autores, naciones e instituciones- se visualizaron utilizando
VOSviewer 1.6.20 (42). A continuación, se utilizó el enfoque de recuento
fraccionario para analizar las redes de coautoría, y los tesauros se utilizaron para
normalizar nominalmente cada autor etiquetándolos y sustituyéndolos en un
archivo TXT.
2.9 Consideraciones éticas
Este estudio se basó en datos de fuentes secundarias siendo información
de acceso público, por lo que no se requirió la aprobación de un comité de ética.
Además, se garantizó la privacidad de los datos de los participantes en los
estudios incluidos, ya que no se incluyeron elementos que permitieran su
identificación.
El concepto de consentimiento informado estuvo destinado a establecer
pautas, normas y métodos para valorar la habilidad de los pacientes para tomar
decisiones (43). De esta manera, se refirió que la naturaleza de este tipo de
estudio, la cual correspondió a una revisión, no requirió consentimiento
informado.
23
CAPÍTULO III: RESULTADOS
3.1 Inclusión de estudios para el análisis bibliométrico
A través del motor de búsqueda de Scopus se encontró inicialmente con
un total de 17,220 resultados en cuanto a la inteligencia artificial y la medicina
siendo etiquetados en el título resumen y palabras claves. Posteriormente, se
excluyó aquellas investigaciones en animales y tras realizar una selección
correspondiente a países latinoamericanos se encontró 532 artículos y al
descartar los duplicados quedaron 522. A continuación, se muestra el proceso
IDENTIFICACIÓN
en la Figura 1.
Registros encontrados en
búsqueda de Scopus
(n=17,220)
INCLUSIÓN
SELECCIÓN
Excluidos:
Registros procedentes de
-
Animales (n=696)
países latinoamericanos
-
Producciones fuera de
(n=532)
Latinoamérica (n=15992)
Excluidos:
Artículos elegidos (n=522)
-
Duplicados (n=10)
Figura 1. Flujograma de selección de estudios para el análisis bibliométrico.
Fuente: Elaboración propia.
24
3.2 Indicadores de difusión
Producción anual
Como se observa en la gráfica que refiere la figura 2, la distribución de los
resultados refiere su primera aparición en 1993. Sin embargo, en los países que
conforman Latinoamérica se registra la primera producción en 1997, motivo por
el cual el rango de recolección de información fue desde dicha fecha hasta junio
30 del 2024 y observando de esta manera que el interés en el tema comenzó con
2 producciones que con el transcurrir del tiempo mantenía una tendencia
uniforme que aumentaría poco a poco; ya en el 2014 la producción científica fue
incrementando notoriamente y para el 2023 se alcanzó un total de 124
producciones, teniendo una representatividad del 23.75%.
140
124
120
100
79
73
80
65
60
52
40
22
5
5
3
2
1
1
1
1
1
2
2004
2003
2002
2001
1998
1997
2
2005
3
2007
3
2008
7
6
2009
9
2010
16
2011
13
20
2012
26
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022
2023
2024
0
Figura 2. Producción científica anual latinoamericana sobre inteligencia
artificial en medicina de 1997 - 2024
Fuente: Elaboración propia.
25
Tipo de documento
Como se aprecia en la tabla 3, se muestra el tipo de documento
correspondiente a las 522 producciones, en la cual se aprecia que la mayoría
corresponde a artículos originales siendo 181 con 34.37%, seguido de reseñas
siendo 126 con 24,14%, artículos de conferencia siendo 111 con 21,26%,
editoriales siendo 32 con 6.13%. Además, se observa 31 capítulos de libro con
5.94%, 14 notas con 2.68, 13 cartas con 2.49%, 9 libros con 1.72%, 3
documentos comprendidos como errata siendo el 0.57%, 1 documento retirado
siendo el 0.19% y 1 encuesta breve con 0.19%. Esto sugiere un enfoque
predominante en la investigación original y la evaluación crítica dentro del
conjunto estudiado, reflejando un interés destacado en la generación y revisión
de conocimiento académico en el área específica de estudio.
1
126
Artículo
Libro
181
Capítulo de libro
Artículo de conferencia
Editorial
1
14
Errata
Carta
13
3
Nota
Retirado
32
Reseña
9
Encuesta breve
31
111
Figura
3.
Distribución
según
el
tipo
de
documentos
científicos
latinoamericanos sobre inteligencia artificial en medicina de 1997 - 2024.
Fuente: Elaboración propia.
26
Idioma
Como se observa en la tabla 1, la mayoría de la información revela una
clara preponderancia del idioma inglés en la redacción de los artículos
analizados. Con un 92.72% de los artículos escritos originalmente en inglés, se
evidencia la hegemonía de este idioma en la producción y difusión del
conocimiento científico. En comparación, solo un 6.51% de los artículos fueron
redactados en español, lo que refleja una representación significativamente
menor de la literatura científica en este idioma. La presencia de artículos en
portugués e italiano es aún más reducida, con apenas un 0.57% y un 0.19%,
respectivamente. Este panorama sugiere una posible barrera lingüística en el
acceso y la contribución al conocimiento científico por parte de investigadores
que no dominan el inglés. Además, destaca la necesidad de fomentar la
publicación y traducción de investigaciones en otros idiomas para asegurar una
mayor diversidad y accesibilidad en la literatura académica global.
Tabla 1 Porcentaje de la producción científica latinoamericana sobre
inteligencia artificial en medicina según el idioma de publicación de 1997 2024.
Idioma original
Recuento
Porcentaje
English
484
92,72
Italian
1
0,19
Portuguese
3
0,57
Spanish
34
6,51
Total, general
522
100,00
Fuente: Elaboración propia.
27
País
Conforme a la figura 4, se aprecia la producción científica en base a los
países que investigan sobre medicina en inteligencia artificial desde 1993 a la
actualidad, en donde se observa que el país que más investiga sobre el tema es
Brasil contando con 241 producciones equivalentes al 41.06% del total de
artículos. Así mismo, se aprecia que el segundo país es México con 84
producciones con 14,31%. Seguidamente se encuentra Chile con 64
producciones y 10.90%, Colombia con 57 producciones y 9.71%. Posteriormente
se encuentra argentina con 44 producciones y 7.50% de representatividad.
Ecuador posee 44 producciones con 4.94%, Perú pose 22 producciones con
3.75%, Cuba pose 15 con 2.56%, Uruguay 9 con 1.53%. Cabe mencionar que el
resto de países posee una representatividad menor al 1%.
Paraguay
1
Panamá
1
Guyana Francesa
1
Belice
1
Jamaica
2
Honduras
2
República Dominicana
2
Bolivia
3
Venezuela
4
Costa Rica
5
Uruguay
9
Cuba
15
Perú
22
Ecuador
29
Argentina
44
Colombia
57
Chile
64
México
84
Brasil
241
0
50
100
150
200
250
300
Figura 4. Países con mayor producción científica latinoamericana sobre
inteligencia artificial en medicina de 1997 -2024.
Fuente: Elaboración propia.
28
Cuartiles
La información de la tabla 2 indica que la mayoría de los artículos
analizados se encuentran en el cuartil Q4, con una representatividad del 63.81%,
lo cual sugiere que una gran parte de la producción científica se sitúa en revistas
de menor impacto dentro de su campo. Este dato es significativo ya que refleja
una posible necesidad de mejorar la calidad y el impacto de las investigaciones
publicadas. En segundo lugar, se observa que el 25.24% de los artículos están
clasificados en el cuartil Q3, lo que muestra una presencia considerable en
revistas de impacto medio-bajo. Solo un 9.05% de los artículos se encuentran en
el cuartil Q2, y un escaso 1.43% en el cuartil Q1, indicando una limitada presencia
en las revistas de mayor prestigio y relevancia científica. Finalmente, hay un
artículo que no pertenece a ningún cuartil, representando el 0.48% del total. Esta
distribución sugiere que, aunque hay una cantidad significativa de publicaciones,
el desafío radica en mejorar la calidad y la visibilidad de las investigaciones para
lograr una mayor representación en cuartiles superiores.
Tabla 2. Porcentaje de cuartiles de los artículos científicos de producidos
entre 1997 - 2024
Q
Frecuencia
Porcentaje
Q1
3
1,43
Q2
19
9,05
Q3
53
25,24
Q4
134
63,81
-
1
0,48
total
210
100,00
Fuente: SJR journal.
29
3.3 Indicadores de producción científica
Autores
La figura 5 presenta la frecuencia de autores latinoamericanos con mayor
interés en el tema, identificando un total de 324 autores en los 522 artículos
analizados. Entre los autores con mayor participación destacan Arthur, R.,
França, R.P., e Iano, Y., cada uno con 5 artículos publicados. Les siguen CarrilloEsper, R., Carrillo-Pérez, D.L., y Monteiro, A.C., cada uno con 4 artículos. Esta
información revela un núcleo de investigadores activos y recurrentes en la
producción científica sobre el tema en la región, subrayando su contribución
significativa al campo. A continuación, se presentan los 10 autores más
frecuentes, proporcionando una visión clara de los principales contribuyentes y
permitiendo identificar posibles líderes de opinión y colaboradores clave en
futuras investigaciones.
Flores, C.D.
3
Chatterjee, P.
3
Blobel, B.
3
Bermúdez-González, J.L.
3
Monteiro, A.C.B.
4
Carrillo-Pérez, D.L.
4
Carrillo-Esper, R.
4
Iano, Y.
5
França, R.P.
5
Arthur, R.
5
0
1
2
3
4
5
6
Figura 5. Autores con mayor producción científica latinoamericana sobre
inteligencia artificial en medicina de 1997 - 2024.
Fuente: Elaboración propia.
30
Revistas
La figura 6 muestra los artículos más frecuentemente publicados en
relación con la producción latinoamericana sobre inteligencia artificial en
medicina. Se observa que la revista con mayor número de publicaciones en este
campo es Lecture Notes in Computer Science, con 19 artículos. Le sigue
Communications in Computer and Information Science con 10 publicaciones,
Studies in Health Technology and Informatics con 9, Artificial Intelligence in
Medicine con 8, y Advances in Intelligent Systems and Computing con 6 artículos.
Esta tendencia destaca la preferencia por ciertas revistas que actúan como
plataformas clave para la difusión de investigaciones en este ámbito. Además, la
progresiva disminución en la cantidad de artículos publicados en otras revistas
sugiere una concentración de la producción científica en un número limitado de
publicaciones especializadas.
Studies in Computational Intelligence
4
Gaceta Medica de Mexico
4
International Journal of Environmental Research…
4
Radiologia Brasileira
4
Frontiers in Pharmacology
4
Journal of Digital Imaging
4
IEEE Access
5
Revista Medica Clinica Las Condes
6
Arquivos Brasileiros de Cardiologia
6
Advances in Intelligent Systems and Computing
6
Artificial Intelligence in Medicine
8
Studies in Health Technology and Informatics
9
Communications in Computer and Information…
10
Lecture Notes in Computer Science
19
0
2
4
6
8
10
12
14
16
18
20
Figura 6. Revistas con mayor producción científica latinoamericana sobre
inteligencia artificial en medicina de 1997 - 2024.
Fuente: Elaboración propia.
31
Financiamiento
La figura 7 destaca las principales entidades latinoamericanas que
financian investigaciones sobre inteligencia artificial en medicina, con una
predominancia de instituciones brasileñas. El Consejo Nacional de Desarrollo
Científico y Tecnológico (CNPq) lidera con 35 producciones entre 1993 y 2024,
seguido por la Coordinación de Perfeccionamiento de Personal de Nivel Superior
(CAPES) con 22 producciones. La Fundación de Apoyo a la Investigación del
Estado de São Paulo (FAPESP) y los Institutos Nacionales de Salud (NIH) tienen
cada una 19 producción. Este predominio de financiamiento brasileño refleja un
fuerte compromiso de Brasil con el avance de la inteligencia artificial en medicina.
En contraste, otras entidades latinoamericanas y globales muestran una menor
contribución como México. Además del interés por otras entidades provenientes
de Estados Unidos, Alemania y la Unión Europea por financiar producciones
latinoamericanas. Este análisis sugiere que, aunque hay una diversidad de
fuentes de financiamiento, las instituciones brasileñas son las más influyentes en
impulsar la investigación en esta área en Latinoamérica. Además del apoyo
internacional que reciben otras entidades.
Fondo Nacional de Desarrollo Científico y Tecnológico
5
European Commission
5
Deutsche Forschungsgemeinschaft
5
U.S. Department of Health and Human Services
7
Consejo Nacional de Ciencia y Tecnología
9
National Institutes of Health
18
Fundação de Amparo à Pesquisa do Estado de São…
19
Coordenação de Aperfeiçoamento de Pessoal de…
22
Conselho Nacional de Desenvolvimento Científico e…
0
35
5
10
15
20
25
30
35
40
Figura 7. Principales entidades financieras en la producción científica
latinoamericana sobre inteligencia artificial en medicina de 1997 -2024.
Fuente: Elaboración propia.
32
3.4 Indicadores de colaboración
Colaboración entre autores
El análisis de coautoría presentado en la figura 8 muestra la formación de
10 grupos de colaboración entre los 324 autores, utilizando un análisis de redes
para identificar las principales asociaciones. Entre los grupos más destacados se
encuentra el que incluye a Arthur, R. e Iano, Y., lo que indica una colaboración
significativa entre estos autores. Otros grupos prominentes incluyen a Carrillo, D.
y Carrillo, R., resaltando también su colaboración activa. Este análisis de
coautoría revela las dinámicas de colaboración dentro de la comunidad de
investigadores permitiendo identificar redes de colaboración y posibles líderes en
el campo. Este conocimiento es valioso para entender cómo se estructuran las
relaciones de trabajo y posibles colaboraciones.
Figura 8. Redes de coautoría de la producción científica latinoamericana
sobre inteligencia artificial en medicina de 1997 -2024.
Fuente: Elaboración Bibliometrix.
33
CAPÍTULO IV: DISCUSIÓN
El objetivo principal del estudio se propuso describir las características de la
producción científica indexada en Scopus en medicina relacionadas con la
Inteligencia artificial encontradas en el análisis bibliométrico entre 1997 al
30/06/2024. Con el fin de brindar información novedosa ante el vacío de
conocimiento en el contexto latinoamericano, se realizó un análisis de 522
producciones. El análisis bibliométrico de la producción científica latinoamericana
sobre inteligencia artificial en medicina revela un crecimiento sostenido en el
tema desde sus primeros registros en 1997, con Brasil como pionero en la región.
Este crecimiento se ha intensificado notablemente desde 2015, alcanzando su
punto máximo en 2023 con 124 publicaciones y un incremento continuo en 2024.
La predominancia de artículos originales (34.37%) y la publicación en inglés
(92.72%) destacan en la difusión de estos estudios, alineándose con tendencias
globales observadas en otros análisis. Brasil lidera la producción regional con
241 publicaciones, seguido por México y Chile. Aunque la mayoría de las
publicaciones se encuentran en revistas de menor impacto (Q4), la diversidad de
cuartiles indica un campo en expansión. Los autores más productivos y las
principales revistas, como Lecture Notes in Computer Science, refuerzan la
importancia de la colaboración y el financiamiento en la consolidación de la
inteligencia artificial en medicina en Latinoamérica, con instituciones brasileñas
como principales financiadoras. Este panorama subraya la creciente relevancia
de la región en el desarrollo de la inteligencia artificial aplicada a la salud,
destacando la necesidad de continuar apoyando la investigación en este campo
emergente.
La producción anual sobre el tema comenzó en 1993, con Latinoamérica
iniciando en 1997. Brasil fue el primer país en abordar el tema, con dos
publicaciones iniciales que se redujeron a una hasta 2004. En 2005, la
producción aumentó, variando entre dos y cinco publicaciones hasta 2012. A
34
partir de 2015, la producción creció significativamente, alcanzando 124
publicaciones en 2023. En la primera mitad de 2024, ya se registran 65
producciones. Al respecto Qiang et al. (15) refuerzan los resultados sobre la
producción anual, ya que también observaron un aumento significativo en la
producción académica en inteligencia artificial aplicada a la medicina ecográfica,
con un crecimiento anual notable. Este patrón de crecimiento en la producción
refleja un interés creciente similar al observado en la producción en
Latinoamérica desde 2015. Esta tendencia subraya la importancia de continuar
apoyando y fomentando la investigación en inteligencia artificial aplicada a la
medicina para aprovechar su potencial en mejorar los resultados de salud y
optimizar los sistemas médicos.
El tipo de documento mayormente difundido fueron los artículos originales
siendo 181 con 34.37%, seguido de reseñas con 126 con 24.14% y artículos de
conferencia con 111 siendo 21.26% de representatividad. Al respecto Bahiru L.
(17) apoya los hallazgos sobre el tipo de documentos difundidos, ya que su
análisis bibliométrico también destacó una predominancia de artículos originales
en las investigaciones relacionadas con inteligencia artificial y salud. Este tipo de
documento es crucial para avanzar en el conocimiento y las aplicaciones
prácticas en el campo, proporcionando datos y resultados originales que pueden
ser utilizados como base para futuras investigaciones y mejoras en la atención
médica.
El idioma más empleado fue las ingles con 484 producciones siendo el
92.72%. Al respecto Zhang et al. (16) y Bahiru L. (17) coinciden con la prevalencia
del inglés como el idioma principal de las publicaciones. Zhang et al. observaron
que la mayoría de sus artículos estaban publicados en inglés, a pesar de un
predominio de la investigación en chino, mientras que Bahiru L. encontró que
todos los artículos analizados estaban en inglés. Esto refuerza la idea de que el
inglés es el idioma dominante en la difusión de investigaciones sobre inteligencia
artificial en medicina.
35
El país con mayor producción fue Brasil con 241 producciones, seguido de
México con 84, Chile con 64, Colombia con 57, Argentina con 44, Ecuador con
29 y Perú con 22. En cuanto a la producción por país, los resultados de Cui et al.
(19) muestran a Estados Unidos como líder en publicaciones, similar a Brasil en
el contexto latinoamericano. Ambos estudios destacan la importancia de ciertos
países en la producción científica, subrayando el papel prominente de Brasil en
Latinoamérica; lo que resalta su liderazgo y contribución significativa al avance
de la inteligencia artificial en medicina en la región.
En cuanto a los cuartiles de las revistas, se encontró diversidad de cuartiles
en 210 revistas en donde la mayoría corresponde a la categoría Q4 siendo el
63.81%. Kocak et al. (18) observaron una diversidad de cuartiles en las
publicaciones sobre inteligencia artificial y radiómica en radiología, lo cual es
consistente con la diversidad de cuartiles encontrada en las revistas que publican
sobre inteligencia artificial en medicina en Latinoamérica, con una predominancia
de revistas Q4. Esto sugiere que, aunque el tema está en crecimiento, la mayoría
de las investigaciones aún no se publican en las revistas de mayor impacto.
Con respecto a los autores que más producían, se encontró que Arthur R.;
Franca, R. y Iano, Y. fueron los principales, cada uno con 5 menciones
respectivamente. Seguido de Carrillo, R.; Carrillo, D. y Monteiro, A. con 4
menciones respectivamente. Siendo los autores más productivos en el estudio
latinoamericano, se pueden comparar con los equipos de investigación
identificados por Zhang et al. (16) y Bahiru L. (17) como líderes en sus
respectivos campos. La identificación de autores prominentes es un aspecto
crucial para entender las dinámicas de producción científica.
Con respecto a las revistas que más publican al respecto, se encontró que
Lecture Notes in Computer Science fue la más concurrida en el tema teniendo
19 producciones registradas. Seguido de Comunications in Computer and
Information con 10 producciones y Studies in Health Technology and Informatics
con 9 producciones. Siendo así, las revistas más concurridas identificadas en el
estudio latinoamericano, como Lecture Notes in Computer Science, tienen una
36
correlación con la prominencia de ciertas revistas encontradas en los estudios de
Qiang et al. (15) y Kocak et al. (18). Estas revistas juegan un papel esencial en
la difusión de investigaciones avanzadas en inteligencia artificial. También da a
entender el interés por parte de las entidades nacionales de poder desarrollar el
tema.
Además, se encontró que las entidades que mayor financiamiento ofrecen a
la producción latinoamericana sobre inteligencia artificial en medicina es el
Consejo Nacional de Desarrollo Científico y Tecnológico con 35 producciones,
seguido de la Coordinación de Perfeccionamiento de Personal de Nivel Superior
con 22 producciones, ambas pertenecientes a Brasil. Esto es respaldado por los
hallazgos de Bahiru L. (17) y Cui et al. (19), que subrayan la importancia del
financiamiento en la producción de investigaciones de alta calidad. La
financiación es un factor determinante en la capacidad de investigación y
desarrollo en este campo.
Por último, en cuanto a la colaboración entre autores se encontró que de los
324 autores los principales líderes en el tema fueron Arthur, R.; Iano, Y., Carrillo,
D. y Carrillo, R., principalmente. Este hallazgo es coherente con las
observaciones de Bahiru L. (17) y Kocak et al. (18), quienes también identificaron
líderes en sus respectivos estudios. Esta colaboración es fundamental para el
avance del conocimiento y la innovación en inteligencia artificial aplicada a la
medicina.
37
CAPÍTULO V: CONCLUSIONES
En conclusión, la producción científica sobre inteligencia artificial en
medicina en Latinoamérica ha mostrado un crecimiento notable desde 2015, con
Brasil a la vanguardia. La mayoría de las publicaciones son artículos originales
en inglés, aunque prevalecen en revistas de menor impacto. La colaboración
entre autores y el apoyo financiero, especialmente de instituciones brasileñas,
han sido fundamentales para impulsar la investigación en la región. Este
crecimiento refleja el creciente interés y la importancia de seguir fomentando la
investigación en inteligencia artificial aplicada a la salud, para optimizar los
sistemas médicos y mejorar los resultados de salud en la región.
La producción de investigación sobre inteligencia artificial en medicina en
Latinoamérica ha experimentado un crecimiento significativo desde sus inicios,
con un aumento notable a partir de 2015, reflejando un creciente interés y
actividad en esta área.
Los artículos originales son el tipo de documento predominante, lo que
subraya un enfoque en la generación de nuevo conocimiento y avances en el
campo de la inteligencia artificial aplicada a la medicina. Las reseñas y los
artículos de conferencia también juegan roles importantes en la difusión de
conocimientos y perspectivas críticas.
El uso predominante del idioma inglés en las publicaciones sugiere una
orientación hacia una audiencia global, facilitando la visibilidad y el impacto
internacional de la investigación latinoamericana en este campo.
Brasil lidera la producción científica en la región, seguido por otros países
como México, Chile, y Colombia, destacando la concentración de la actividad
investigativa en ciertos países clave.
La mayoría de las publicaciones se encuentran en revistas categorizadas
en el cuartil Q4, indicando que la investigación latinoamericana en inteligencia
38
artificial en medicina a menudo se publica en revistas con un impacto moderado,
pero que contribuyen significativamente al corpus académico.
Los autores más productivos, como Arthur R., Franca R., Iano Y., y Carrillo
D., Carrillo R., Monteiro A., juegan un papel crucial en la producción y liderazgo
académico en esta área, destacando su influencia en el desarrollo y dirección de
la investigación.
Revistas como Lecture Notes in Computer Science, Comunications in
Computer and Information, y Studies in Health Technology and Informatics son
centrales en la difusión de investigaciones sobre inteligencia artificial en medicina
en la región latinoamericana, reflejando su importancia en la comunidad científica
internacional.
El financiamiento principalmente proviene de entidades brasileñas como
el Consejo Nacional de Desarrollo Científico y Tecnológico y la Coordinación de
Perfeccionamiento de Personal de Nivel Superior, indicando un apoyo
significativo a la investigación en este campo desde instituciones locales.
La colaboración entre autores es robusta, con líderes identificados como
Arthur R., Iano Y., Carrillo D., y Carrillo R., lo que sugiere una red activa de
colaboración que fortalece la producción científica en inteligencia artificial en
medicina en Latinoamérica.
39
CAPÍTULO VI: RECOMENDACIONES
La revisión bibliométrica sobre inteligencia artificial en medicina en
América Latina muestra una concentración en ciertas revistas y países. Se
recomienda ampliar el análisis a otras bases de datos y plataformas de
publicación para obtener una imagen más completa y representativa de la
producción científica en la región, considerando también la inclusión de estudios
con diferentes niveles de evidencia y la evaluación de posibles sesgos en la
selección de artículos.
Dado el predominio de artículos originales y la necesidad de sintetizar el
conocimiento acumulado, se sugiere incrementar la producción de estudios de
revisión y metaanálisis. Estos estudios ayudarían a identificar tendencias
emergentes, áreas de investigación prioritarias y posibles vacíos en el
conocimiento en el campo de la inteligencia artificial aplicada a la medicina en
América Latina.
Para fomentar una colaboración más robusta entre investigadores y
mejorar la calidad metodológica de los estudios, se recomienda promover
iniciativas que faciliten la colaboración interdisciplinaria. Esto podría incluir la
formación de redes de investigación intersectoriales que integren expertos en
inteligencia artificial, medicina, informática médica y bioingeniería, con el fin de
desarrollar soluciones más efectivas y aplicables en el ámbito de la salud digital
en la región.
40
REFERENCIAS BIBLIOGRÁFICAS
1. Kiyasseh D, Cohen A, Jiang C, Altieri N. Un marco para evaluar
sistemas clínicos de inteligencia artificial sin anotaciones reales sobre
el terreno. Nature Communications. 2024; 15(1).
2. Artesani A, Bruno A, Gelardi F, Chiti A. Potenciar el PET: aprovechar
el aprendizaje profundo para mejorar la visión clínica. European
Radiology Experimental. 2024; 8(1).
3. Bellini V, Russo M, Domenichetti T, Panizzi M, Allai S, Bignami E.
Inteligencia Artificial en la Gestión de Quirófanos. Revista de
Sistemas Médicos. 2024; 48(1).
4. Weber S, Wyzynski M, Godefroid M, Plattfaut R, Niehaves B. ¿Cómo
entienden (o no) los profesionales médicos la IA? Un estudio de teoría
computacional basada en redes sociales y una encuesta en línea.
Revista de Biotecnología Computacional y Estructural. 2024; 24: p.
146-159.
5. Jafri LuEcaJL, Farooqui AJu, Grant Jb, Omer Uc, Gale Rb, Ahmed S,
et al. Perspectivas de entrevistas semiestructuradas sobre la
integración de la inteligencia artificial en las prácticas de laboratorio
de química clínica. BMC Medical Education. 2024; 24(1).
6. Liao H, Tang M, Luo L, Li C, Chiclana F, Jun , et al. A Bibliometric
Analysis
and
Visualization
of
Medical
Big
Data
Research.
Sustainability. 2018; 10(12): p. e4851.
7. Tran B, Vu G, Ja G, Vuong QH, Ho MT, Vuong TT, et al. Global
Evolution of Research in Artificial Intelligence in Health and Medicine:
A Bibliometric Study. J. Clin. Med. 2019; 8(3): p. 360.
41
8. Shaikh A, Alhashmi S, Khalique N, Khedr A, Raahemifar K, Bukhari
S. Bibliometric analysis on the adoption of artificial intelligence
applications in the e-health sector. DIGITAL HEALTH. 2023; 9.
9. Guo Y, Hao Z, Zhao S, Gong J, Yang F. Artificial Intelligence in Health
Care: Bibliometric Analysis. J Med Internet Res. 2020; 22(7): p.
e18228.
10. Tang R, Zhang S, Ding C, Zhu M, Gao Y. Inteligencia artificial en
medicina de cuidados intensivos: análisis bibliométrico. J Med
Internet Res. 2022; 24(11): p. e42185.
11. Sreedharan S, Mian M, Robertson R, Yang N. The top 100 most cited
articles in medical artificial intelligence: a bibliometric analysis. J Med
Artif Intell. 2020; 3(3).
12. Bedoya V. Tipos de justificación en la investigación científica. Espíritu
Emprendedor Tes. 2020; 4(3).
13. Fernández V. Tipos de justificación en la investigación científica.
Espíritu Emprendedor TES. 2020; 4(3): p. 65-76.
14. Kokol P, Blazun H, Zavrsnik J. Application of bibliometrics in medicine:
a historical bibliometrics analysis. Health Information & Libraries
Journal. 2020; 38(2): p. 125-138.
15. Qiang F, Zhongqi L, Jinyuan S, Ying C, Meihua Z. Trends in Artificial
Intelligence and Ultrasound Medicine: A Bibliometric and Visualized
Analysis. Health Examination Centre, Yanbian University Hospital,
Yanji, Jilin 133002, P.R. China. 2023;: p. e26.
16. Zhang J, Peng Q, Yan J. Bibliometric analysis on research hotspots
and evolutionary trends of artificial intelligence application in
traditional Chinese medicine diagnosis. Digital Chinese Medicine.
2023; 6(2): p. 136-150.
42
17. Bahiru LJ. Artificial intelligence in healthcare: A bibliometric analysis.
Telematics and Informatics Reports. 2023; 9: p. e100041.
18. Kocak B, Baessler B, Cuocolo R, al. e. Trends and statistics of artificial
intelligence and radiomics research in Radiology, Nuclear Medicine,
and Medical Imaging: bibliometric analysis. Imaging Informatics and
Artificial Intelligence. 2023; 33: p. 7542-7555.
19. Cui X, Chang Y, Yang C, Cong Z, Wang B, Leng Y. Development and
Trends in Artificial Intelligence in Critical Care Medicine: A Bibliometric
Analysis of Related Research over the Period of 2010–2021. Journal
of Personalized Medicine. 2023; 13(1): p. 50.
20. Ruiz I, Romero R, Espíritu A, Mamani D, Valero V, Flores S. Análisis
bibliométrico de la producción científica sobre competencia y brecha
digitales. Bibliotecas. 2023; 19(2): p. 1-11.
21. Cueto R. Informe técnico resultado de investigación: “Optimización
del Diagnóstico Médico: Un Análisis Bibliométrico de la Precisión de
Técnicas de IA en la Detección Temprana de Enfermedades”.
Universidad Ean. 2023.
22. Blancar T, Pio de la Hoz F. Inteligencia artificial en medicina y
procedimientos quirúrgicos: impacto en la toma de decisiones y la
salud. Revista Cubana de Salud Pública. 2022; 48(4): p. e3166.
23. Avila J, Mayer M, Quesada V. La inteligencia artificial y sus
aplicaciones en medicina I: introducción antecedentes a la IA y
robótica. Atención Primaria. 2020; 52(10): p. 778-784.
24. Souza S, Nogueira A. Análisis bibliométrico: La Inteligencia Artificial y
su impacto en la vida de las personas con discapacidad. Pontificia
Universidad Católica de Argentina. 2019.
43
25. Hassani H, Silva ES, Unger S, TajMazinani M, Mac Feely S. Artificial
Intelligence (AI) or Intelligence Augmentation (IA): What Is the Future?
AI. 2020; 1(2): p. 143-155.
26. Larentzakis A, Lygeros N. Pan African Medical Journal. Pan African
Medical Journal. 2021; 38(1).
27. Lanzagorta D, Carrillo D, Carrillo R. Artificial intelligence in medicine:
present and future. Gac. Méd. Méx. 2022; 158(1).
28. Vera O. ¿Qué es la medicina ? y ¿Qué es un médico ? Cuadernos
Hospital de Clínicas. 2021; 62(2): p. 7-9.
29. Gual A. La inteligencia artificial y la educación médica (I): la revolución
profesional. FEM (Ed. impresa). 2023; 26(2).
30. Stable Y. Challenges in the use of Artificial Intelligence for the health
sector. Rev. inf. cient. 2023; 102.
31. Becker A. Artificial intelligence in medicine: What is it doing for us
today? Healt Policy and Technology. 2019; 8(2): p. 198-205.
32. Raraz J, Raraz O. Aplicaciones de la inteligencia artificial en la
medicina. Revista Peruana de Investigación en Salud. 2022; 6(2): p.
131-133.
33. Soledad
M.
INTELIGENCIA
ARTIFICIAL
EN
MEDICINA
REFLEXIONES ÉTICAS DESDE EL PENSAMIENTO DE EDMUND
PELLEGRINO. Cuadernos de Bioética. 2023; 34(110): p. 25-35.
34. Lanzagorta D, Carrillo D, Carrillo R. Inteligencia artificial en medicina:
presente y futuro. Gaceta médica de México. 2022; 158(1): p. 17-21.
35. Hernández R, Mendoza C. Metodología de la investigación: Las rutas
cuantitativa, cualitativa y mixta. 1st ed. Ciudad de México: McGrawHill; 2018.
44
36. Aguilar S. Fórmulas para el cálculo de la muestra en investigaciones
de salud. Salud en Tabasco. 2005; 11(1-2): p. 333-338.
37. Ventura J. ¿Población o muestra?: Una diferencia necesaria. Revista
Cubana de Salud Pública. 2017; 43(4).
38. López P. Población muestra y muestreo. Punto. 2004; 9(8): p. 69-74.
39. Arias J, Covinos M. Diseño y metodología de la investigación. 1st ed.
Arequipa: Enfoques Consulting EIRL; 2021.
40. Aria M, Cuccurullo C. bibliometrix: An R-tool for comprehensive
science mapping analysis. Journal of Informetrics. 2017; 11(4): p.
959-975.
41. RStudio Team. RStudio: Integrated Development for R. RStudio,
PBC, Boston. MA. 2020.
42. van Eck N, Waltman L. Software survey: VOSviewer, a computer
program for bibliometric mapping. Scientometrics. 2010; 84(2): p. 523538.
43. The evaluation of decision making capacity in health care and its
relationship to informed consent. Rev Méd Chile. 2004;(132): p. 12431248.
44. Brière R, Émond M, Benhamed A, Blanchard PG, Drolet S, Habashi
R, et al. Canadian Surgery Forum: Sept. 20-23, 2023. Canadian
journal of surgery. Journal canadien de chirurgie. 2023; 66(1): p. s54s136.
45
ANEXOS
Anexo 1: Estrategia de búsqueda
ESTRATEGIA DE BÚSQUEDA DE SCOPUS
Español
1er momento
Ingles
"Inteligencia
artificial"
AND “Artificial intelligence” AND
“medicine”.
"medicina"
2do momento
"Inteligencia
artificial"
AND “Artificial intelligence” AND
“medicine”
"medicina" NOT "veterinaria"
NOT
“veterinary”.
3er momento
(TITLE-ABS-KEY(artificial intelligence) AND TITLE-ABS-KEY(medicine)) AND
(
EXCLUDE
(
EXACTKEYWORD,"Animals"
EXACTKEYWORD,"Animal"
)
)
)
OR
AND
(
EXCLUDE
(
LIMIT-TO
(
AFFILCOUNTRY,"Argentina" ) OR LIMIT-TO ( AFFILCOUNTRY,"Brazil" ) OR
LIMIT-TO
(
AFFILCOUNTRY,"Chile"
)
OR
LIMIT-TO
(
AFFILCOUNTRY,"Colombia" ) OR LIMIT-TO ( AFFILCOUNTRY,"Costa Rica"
)
OR
LIMIT-TO
(
AFFILCOUNTRY,"Bolivia"
)
OR
LIMIT-TO
(
AFFILCOUNTRY,"Cuba" ) OR LIMIT-TO ( AFFILCOUNTRY,"Ecuador" ) OR
LIMIT-TO
(
AFFILCOUNTRY,"Honduras"
)
OR
LIMIT-TO
(
AFFILCOUNTRY,"Mexico" ) OR LIMIT-TO ( AFFILCOUNTRY,"Peru" ) OR
LIMIT-TO
(
AFFILCOUNTRY,"Paraguay"
)
OR
LIMIT-TO
(
AFFILCOUNTRY,"Panama" ) OR LIMIT-TO ( AFFILCOUNTRY,"Uruguay" ) OR
LIMIT-TO
(
AFFILCOUNTRY,"Venezuela"
)
OR
LIMIT-TO
(
AFFILCOUNTRY,"Puerto Rico" ) )
46
Anexo 2: Matriz de consistencia
PROBLEMA
¿Cuáles son las
características de
la producción
científica
latinoamericana
sobre la
Inteligencia
artificial en
medicina
encontradas
mediante el
análisis
bibliométrico?
OBJETIVOS
Describir las características de la
producción científica latinoamericana
sobre la Inteligencia artificial en
medicina encontradas mediante el
análisis bibliométrico.
VARIABLES
Difusión:
1. producción anual
2.
tipo
de
documento
3. idioma
4. país
5. cuartiles
Específicos:
Producción:
6. autores
7. revistas
8. financiamiento
General:
- Analizar la tendencia anual de las
producciones científicas
latinoamericanas sobre la inteligencia
artificial en medicina.
Describir el tipo de
documento en base a las
producciones científicas
latinoamericanas sobre la inteligencia
artificial en medicina.
Identificar el tipo de idioma
más empleado en las producciones
científicas latinoamericanas sobre la
inteligencia artificial en medicina.
Examinar la distribución
geográfica de las producciones
científicas latinoamericanas sobre la
inteligencia artificial en medicina.
Identificar los cuartiles de las
revistas relacionadas a la producción
científica latinoamericana sobre la
inteligencia artificial en medicina.
Identificar la frecuencia de los
autores con respecto a las
producciones científicas
latinoamericanas sobre la inteligencia
artificial en medicina.
Determinar las revistas con
mayor cantidad de publicaciones
respecto a las producciones científicas
latinoamericanas sobre la inteligencia
artificial en medicina.
Analizar las fuentes de
financiamiento que respaldan las
producciones científicas
latinoamericanas sobre la inteligencia
artificial en medicina.
Explorar y describir las redes
de colaboración entre autores en las
producciones científicas
latinoamericanas sobre la inteligencia
artificial en medicina.
Colaboración:
9. autores
METODOLOGÍA
Tipo
de
investigación:
Cuantitativo de
tipo bibliométrico
Nivel
de
investigación:
Descriptivo
Diseño
de
investigación:
Observacional
de corte
Transversal.
Población
y
muestra:
Artículos
científicos sobre
Inteligencia
artificial
en
Latinoamérica
indexados en la
base de datos
Scopus desde
1997 hasta el
30/06/2024.
Técnica
y
recolección de
muestras:
Análisis
de
bases de datos
secundarias.
Procesamiento y
análisis de
datos:
Bibliometrix
(RStudio) en el
análisis de los
indicadores
bibliométricos y
VOSviewer en la
generación de
gráficos de redes
de colaboración
47
Anexo 3: Resolución de Decanato de aprobación de Proyecto de Tesis
48