Guilcapi Baldeón, Blanca BelénViera Jacome, Diego Josue2026-03-302026-03-302026000602https://repositorio.puce.edu.ec/handle/123456789/48478La imagenología médica sustenta el diagnóstico, pero el aumento del volumen de estudios y la escasez de personal incrementan la sobrecarga, la variabilidad interpretativa y los errores. La inteligencia artificial (IA) se plantea como apoyo para mejorar la precisión diagnóstica y el flujo de trabajo. Se realizó una revisión sistemática con búsqueda en bases biomédicas entre enero de 2020 y junio de 2025, según PRISMA 2020; se incluyeron estudios que evaluaron IA y reportaron rendimiento diagnóstico o efectos operativos. La IA fue comparable o superior al radiólogo en tareas específicas de detección, clasificación y segmentación, especialmente como segundo lector o herramienta de triage, siendo la combinación radiólogo + IA el enfoque más robusto. Se observaron aumentos de falsos positivos y menor estabilidad ante variabilidad anatómica o hallazgos sutiles. Los efectos sobre la eficiencia fueron variables, desde reducción de tiempos de lectura y mejor priorización de urgencias hasta beneficios modestos o cargas transitorias por alertas y cambios organizativos. Predominaron diseños retrospectivos, validación interna y muestras poco diversas, con escasa medición de desenlaces clínicos. En conclusión, la IA representa un avance sólido pero incompleto y debe integrarse como complemento del juicio radiológico, con supervisión humana. Se requieren estudios prospectivos multicéntricos con validación externa y métricas de equidad y explicabilidad; en América Latina y Ecuador, son prioritarios el fortalecimiento de la infraestructura digital, la gobernanza y la generación de datos locales.esInteligencia artificialAprendizaje automáticoRadiologíaThesis