Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Esta obra est´a bajo una Licencia
Creative Commons Atribuci´on
4.0 Internacional.
Tipo de art´ıculo: Art´ıculos de revisi´on
Tem´atica: Inteligencia artificial
Recibido: 18/10/2025 | Aceptado: 13/12/2025 | Publicado: 30/3/2026
Identificadores persistentes:
DOI: 10.48168/innosoft.s29.a238
ARK: ark:/42411/s29.a238
Impacto de la IA en la salud: Diagn´ostico, tratamiento y
prevenci´on de enfermedades
Impact of AI on health: Diagnosis, treatment and prevention
of diseases
Marcelino Torres Villanueva
1[0000-0002-9797-1510]*
, Jonathan Rojas Reyes
2[0009-0004-2827-0878]
,
Jefferson Pe˜na Serrano
3[0009-0000-4123-4346]
1
Universidad Nacional de Trujillo. Trujillo, Per´u.. jpenas@unitru.edu.pe
2
Universidad Nacional de Trujillo. Trujillo, Per´u.. jrojasr@unitru.edu.pe
3
Universidad Nacional de Trujillo. Trujillo, Per´u.. mtorres@unitru.edu.pe
∗
Autor para correspondencia: jpenas@unitru.edu.pe
Resumen
Nuestra investigaci´on busca facilitar el an´alisis de diversas fuentes bibliogr´aficas que exploran la implementa-
ci´on de la Inteligencia Artificial (IA) en el sector salud, con un enfoque especial en la lucha contra enfermedades.
Para garantizar una revisi´on sistem´atica y exhaustiva, utilizamos el marco metodol´ogico PRISMA. Nuestra
b´usqueda se centr´o exclusivamente en art´ıculos encontrados en SCOPUS. Los resultados de nuestra investiga-
ci´on revelaron una tendencia clara hacia la aplicaci´on de la IA para la detecci´on y diagn´ostico de diferentes
tipos de c´ancer. Tambi´en identificamos a Corea del Sur, China y Alemania como pa´ıses l´ıderes en la investi-
gaci´on y aplicaci´on de la IA en el sector salud, con una gran cantidad de art´ıculos. Adem´as, nuestro an´alisis
destac´o el papel fundamental de las herramientas de IA, como el Machine Learning, en la mejora de la atenci´on
m´edica y la investigaci´on en salud. Nuestro objetivo es resaltar el impacto significativo de la IA en el sector
salud y su gran potencial para transformar la forma en que se proporciona la atenci´on m´edica en el futuro.
Palabras claves: Inteligencia Artificial (IA), ChatGpt, C´ancer, Scopus y Machine Learning
Abstract
Our research seeks to facilitate the analysis of various bibliographic sources that explore the implementation
of Artificial Intelligence (AI) in the health sector, with a special focus on the fight against diseases. To ensure
a systematic and comprehensive review, we used the PRISMA methodological framework. Our search focused
exclusively on articles found in SCOPUS. The results of our research revealed a clear trend towards the ap-
plication of AI for the detection and diagnosis of different types of cancer. We also identified South Korea,
China and Germany as leading countries in the research and application of AI in the health sector, with a
large amount of articles. Additionally, our analysis highlighted the critical role of AI tools, such as Machine
Learning, in improving healthcare and health research. Our goal is to highlight the significant impact of AI in
the healthcare sector and its great potential to transform the way healthcare is delivered in the future.
Keywords: Artificial Intelligence (AI), ChatGpt, Cancer, Scopus and Machine Learning
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
109
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Introducci´on
Este art´ıculo de investigaci´on tiene como finalidad mostrar el impacto que ha tenido la Inteligencia Artificial
(IA) en las ´areas de salud. Esta ha mostrado un gran desarrollo en los m´etodos de diagn´ostico, tratamiento
y prevenci´on de enfermedades, mejorando la precisi´on, eficacia y accesibilidad de los servicios m´edicos. Sin
embargo, a´un se siguen presentando desaf´ıos tanto t´ecnicos como ´eticos. Con esta investigaci´on, buscamos
analizar qu´e tan lejos estamos de lograr implementar la IA en nuestros sectores de salud.
Materiales y m´etodos o Metodolog´ıa computacional
Realizamos una investigaci´on sistem´atica, abarcando una cantidad amplia de temas con respecto a la sa-
lud, teniendo como marco metodol´ogico a PRISMA (Preferred Reporting Items for Systematic Reviews and
Meta-Analysis). Haciendo uso de esta metodolog´ıa pensamos responder la siguiente pregunta ¿C´omo se ha im-
plementado la IA en el ´area de salud? Los criterios de b´usqueda que nos ayudan a responder esta pregunta de
investigaci´on son: “Artificial intelligence tools in health”, “Artificial intelligence in health”, “disease prevention
with Artificial Intelligence”. Nos apoyamos en la base de datos Scopus para lograr recolectar la informaci´on
que necesit´abamos. Lo que usamos para la b´usqueda fue:
(TITLE-ABS-KEY(“Artificial Intelligence tools in health”)) OR TITLE-ABS-KEY(“Artificial intelligence in
health”) PUBYEAR ¡2024 AND (LIMIT-TO(DOCTYPE, “a”)).
Tabla 1. B´usqueda de t´erminos en base de datos
T´erminos usados SCOPUS
“Artificial intelligence tools in health” 78
“Artificial intelligence in health”
“disease prevention with Artificial Intelligence”
TOTAL 78
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
110
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Tabla 2. Resultados de b´usqueda de Artificial Intelligence in health
T´ıtulo Resultados Herramienta
IA
Enfermedad
Artificial intelligen-
ce for breast can-
cer detection and its
health technology as-
sessment: A scoping
review [1]
La investigaci´on muestra la efectividad
cl´ınica de las herramientas de IA para la
detecci´on de c´ancer de mama.
Machine Lear-
ning
C´ancer de ma-
ma
Artificial intelligence
in healthcare: a sco-
ping review of per-
ceived threats to pa-
tient rights and sa-
fety [2]
Se identificaron amenazas asociadas al uso
de IA en la salud, como errores impre-
decibles, falta de regulaci´on, costos eleva-
dos, preocupaciones de privacidad y sesgos
en los servicios. Estas limitaciones afectan
derechos y seguridad de los pacientes.
Inteligencia
Artificial
generalizada
Amenazas ge-
nerales hacia el
paciente.
A practical guide
to apply AI in
childhood cancer:
Data collection and
AI model implemen-
tation [3]
Se muestra la importancia de recoger da-
tos de alta calidad para desarrollar mode-
los de IA efectivos en el c´ancer infantil.
Destaca la falta de grandes conjuntos de
datos y la necesidad de colaborar interna-
cionalmente. Tambi´en se aborda el uso de
plataformas de IA descentralizadas para
proteger la privacidad.
Generative AI
(ChatGPT),
Machine Lear-
ning, XAI,
Federated
Learning
C´ancer Infantil
Applications of
ChatGPT in the
diagnosis, manage-
ment, education, and
research of retinal
diseases: a scoping
review [4]
Se explora las aplicaciones de ChatGPT
en la atenci´on de la salud ocular, destacan-
do su potencial en ´areas como la educaci´on
m´edica, el apoyo diagn´ostico y la gesti´on
de enfermedades, aunque tambi´en resalta
preocupaciones sobre su exactitud, confia-
bilidad y el riesgo de desinformaci´on. Se
concluye que su integraci´on debe ser cui-
dadosa, con supervisi´on profesional conti-
nua
ChatGPT, Ge-
nerative AI
Enfermedades
retinianas
Contin´ua en la siguiente p´agina
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
112
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Tabla 2 – Continuaci´on
T´ıtulo Resultados Herramienta
IA
Enfermedad
Salivary detection of
Chikungunya virus
infection using a
portable and sustai-
nable biophotonic
platform coupled
with artificial intelli-
gence algorithms [5]
Demuestra que una plataforma port´atil
de infrarrojo cercano acoplada con ATR-
FTIR puede discriminar la infecci´on por el
virus de Chikungunya (CHIKV) a partir
de muestras salivales, logrando una sensi-
bilidad del 83 %, especificidad del 86 % y
precisi´on del 85 % mediante el uso de al-
goritmos de soporte vectorial de m´aquinas
(SVM). Los resultados sugieren que esta
plataforma es una herramienta no invasiva
y sostenible para la detecci´on de CHIKV.
ATR-FTIR,
Algoritmos
de machi-
ne learning
(SVM)
Virus Chikun-
gunya
Application of arti-
ficial intelligence in
chronic myeloid leu-
kemia (CML) disease
prediction and ma-
nagement: a scoping
review [6]
Revisa la aplicaci´on de IA en el diagn´osti-
co y manejo de la LMC, destacando su uso
para la clasificaci´on del tumor (75 %), pre-
dicci´on/progn´ostico (17 %), y tratamiento
(8 %). Los modelos de IA m´as comunes in-
cluyen SVM, XGBoost y redes neuronales.
El modelo HCNN-IAS logr´o una precisi´on
y sensibilidad del 100 %.
SVM, XG-
Boost, Redes
Neurona-
les (ANN,
HCNN-IAS)
Leucemia Mie-
loide Cr´onica
(LMC)
Evaluation of arti-
ficial intelligence-
powered screening
for sexually trans-
mitted infections-
related skin lesions
using clinical images
and metadata [7]
Se desarroll´o y evalu´o un modelo de IA
para diferenciar ITS de condiciones no re-
lacionadas con ITS utilizando im´agenes
cl´ınicas y metadatos. El modelo combina-
do de CNN y FCN con im´agenes y me-
tadatos alcanz´o un AUC de 0.893, supe-
rior al modelo solo con im´agenes (AUC =
0.859). La integraci´on de metadatos der-
matol´ogicos y demogr´aficos mejor´o el ren-
dimiento del modelo en un 6.7 %.
CNN, Fully
Connected
Neural Net-
work (FCN)
Infecciones de
transmisi´on se-
xual (ITS)
Contin´ua en la siguiente p´agina
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
113
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Tabla 2 – Continuaci´on
T´ıtulo Resultados Herramienta
IA
Enfermedad
Novel artificial in-
telligence algorithms
for diabetic retino-
pathy and diabetic
macular edema [8]
Revisi´on sobre metodolog´ıas de IA para la
identificaci´on, perfilado de enfermedades y
manejo de la retinopat´ıa diab´etica (DR) y
el edema macular diab´etico (DME). e dis-
cuten avances en la detecci´on de lesiones,
predicci´on de la progresi´on de la enferme-
dad y modelos de respuesta al tratamien-
to.
Deep learning,
algoritmos
de IA para
diagn´ostico,
predicci´on y
manejo
Retinopat´ıa
diab´etica, Ede-
ma macular
diab´etico
Artificial intelligen-
ce enables precision
diagnosis of cervical
cytology grades and
cervical cancer [9]
Desarrollado un sistema de detecci´on de
c´ancer cervical utilizando IA (AICCS),
con una red neuronal de aprendizaje pro-
fundo. Logr´o una AUC de 0.922 y una sen-
sibilidad de 0.906 para clasificar los grados
de citolog´ıa cervical.
Deep Learning
y redes neu-
ronales profun-
das
C´ancer cervi-
cal, Lesiones
intraepiteliales
Using artificial
intelligence and
predictive modelling
to enable learning
healthcare systems
(LHS) for pandemic
preparedness [10]
Propuesta de un para utilizar IA y mo-
delado predictivo en la preparaci´on an-
te pandemias, con la capacidad de detec-
tar enfermedades pand´emicas, asistir en la
gesti´on de pacientes y predecir impactos
a largo plazo post-recuperaci´on. Requiere
una mejor infraestructura de datos y un
enfoque centrado en el paciente.
Inteligencia
Artificial Ge-
neralizada,
Modelado
Predictivo
Pandemias
(COVID-19
y otras en-
fermedades
infecciosas)
Contin´ua en la siguiente p´agina
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
114
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Tabla 2 – Continuaci´on
T´ıtulo Resultados Herramienta
IA
Enfermedad
A multicenter clini-
cal AI system study
for detection and
diagnosis of focal
liver lesions [11]
El sistema LiAIDS demostr´o un rendi-
miento superior en la detecci´on de lesio-
nes hep´aticas benignas (F1-score de 0.940)
y malignas (F1-score de 0.692) compara-
do con radi´ologos junior (benignas: 0.830-
0.890, malignas: 0.230-0.360), y similar
a los radi´ologos senior (benignas: 0.920-
0.950, malignas: 0.550-0.650). LiAIDS me-
jor´o la precisi´on diagn´ostica de los radi´olo-
gos de manera significativa. .
LiAIDS (Sis-
tema de
Diagn´ostico
Artificial para
H´ıgado)
Lesiones Foca-
les Hep´aticas
(FLLs)
Evolving Artificial
Intelligence (AI)
at the Crossroads:
Potentiating Pro-
ductive vs. Declining
Disruptive Cancer
Research [12]
La integraci´on de plataformas de IA co-
mo AGI y GenAI ha impulsado investiga-
ciones productivas en c´ancer, aumentando
la cantidad de publicaciones y citas a lo
largo del tiempo. GenAI, a trav´es de he-
rramientas como ChatGPT, ha ayudado
a cient´ıficos en investigaciones precl´ınicas
y cl´ınicas, contribuyendo al repurposing
de medicamentos, oncolog´ıa de precisi´on
y gesti´on de datos a gran escala.
AGI, GenAI,
ChatGPT
(Modelos
de Lenguaje
Grande)
C´ancer (Gene-
ral)
Contin´ua en la siguiente p´agina
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
115
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Tabla 2 – Continuaci´on
T´ıtulo Resultados Herramienta
IA
Enfermedad
AI-based hierarchi-
cal approach for op-
timizing breast can-
cer detection using
MammoWave device
[13]
Este estudio presenta un modelo jer´arqui-
co basado en IA para detectar c´ancer de
mama con el dispositivo MammoWave,
optimizando sub-bandas, m´etodos de ex-
tracci´on de caracter´ısticas y clasificado-
res, logrando una precisi´on equilibrada del
70 %. Los planes futuros incluyen abor-
dar desaf´ıos relacionados con la densidad
mamaria, ingenier´ıa de caracter´ısticas y el
uso de aprendizaje profundo, respaldados
por un ensayo cl´ınico en cinco pa´ıses eu-
ropeos.
Inteligencia
Artificial
generalizada
C´ancer de ma-
ma
Benefits and harms
associated with the
use of AI-related
algorithmic decision-
making systems by
healthcare professio-
nals: a systematic
review [14]
La IA tiene gran potencial en medicina,
pero su beneficio para los pacientes es li-
mitado sin capacitaci´on adecuada ni va-
lidaci´on externa. Muchos estudios carecen
de transparencia y evaluaci´on integral, por
lo que se necesitan est´andares m´as riguro-
sos.
Inteligencia
Artificial
generalizada
Amenazas ge-
nerales hacia el
paciente.
Decoding the black
box: Explainable AI
(XAI) for cancer
diagnosis, progno-
sis, and treatment
planning-A state-of-
the art systematic
review [15]
El 73 % de los estudios sobre XAI en on-
colog´ıa excluyen a cl´ınicos, lo que limita
su utilidad. M´etodos como SHAP y LI-
ME simplifican en exceso, causando im-
precisiones, y el 87 % carece de evaluacio-
nes rigurosas. Se necesita integrar XAI con
m´etricas est´andar, interfaces centradas en
cl´ınicos y sistemas contextuales para me-
jorar la precisi´on en oncolog´ıa.
Inteligencia
Artificial
generalizada
C´ancer
Contin´ua en la siguiente p´agina
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
116
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Tabla 2 – Continuaci´on
T´ıtulo Resultados Herramienta
IA
Enfermedad
Automated brain
tumor recognition
using equilibrium
optimizer with deep
learning approach
on MRI images [16]
El art´ıculo presenta la t´ecnica BTR-
EODLA para detectar tumores cerebra-
les en MRI, logrando una precisi´on del
98.78 %. A pesar de su ´exito, se destacan
limitaciones como el uso de conjuntos de
datos peque˜nos y la necesidad de mejorar
la aplicabilidad cl´ınica y la eficiencia de
los modelos.
Inteligencia
Artificial
generalizada
Amenazas ge-
nerales hacia el
paciente.
Artificial intelligen-
ce: A new frontier in
dermatology [17]
La inteligencia artificial (IA) est´a transfor-
mando la dermatolog´ıa, mejorando la pre-
cisi´on diagn´ostica y optimizando los flujos
de trabajo. Los dermat´ologos deben estar
informados sobre sus capacidades y limi-
taciones para mejorar la atenci´on al pa-
ciente.
Inteligencia
Artificial
generalizada
enfermedades
dermatol´ogi-
cas
Artificial intelligence
in community phar-
macy practice: Phar-
macists’perceptions,
willingness to utili-
ze, and barriers to
implementation [18]
El estudio revel´o que dos tercios de los far-
mac´euticos comunitarios en Etiop´ıa tienen
una actitud positiva hacia la adopci´on de
la IA, aunque var´ıa seg´un educaci´on, fuen-
tes de informaci´on y conocimiento de la
IA. Se destacan la necesidad de recursos,
pol´ıticas y formaci´on para integrar la IA
en las farmacias, y se sugieren m´as estu-
dios a nivel nacional sobre la preparaci´on
para su implementaci´on.
Inteligencia
Artificial
generalizada
Amenazas ge-
nerales hacia el
paciente.
Contin´ua en la siguiente p´agina
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
117
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Tabla 2 – Continuaci´on
T´ıtulo Resultados Herramienta
IA
Enfermedad
From promise to
practice: Artifi-
cial intelligence in
skin cancer scree-
nings [19]
El estudio resalta el potencial de la in-
teligencia artificial (IA) en el diagn´ostico
de melanoma, mostrando una preferencia
de pacientes y dermat´ologos por enfoques
h´ıbridos que combinan la experiencia hu-
mana con la IA. A pesar de los avances,
a´un existe una brecha entre el desarrollo
de la IA y su implementaci´on cl´ınica, y
se requieren m´as estudios para abordar la
confianza y la validaci´on en su uso. La in-
tegraci´on de la IA en dermatolog´ıa sigue
siendo un campo en evoluci´on que necesita
m´as investigaci´on para superar barreras y
desaf´ıos.
Inteligencia
Artificial
generalizada
enfermedades
dermatol´ogi-
cas
Reinforcement lear-
ning model for op-
timizing dexmedeto-
midine dosing to pre-
vent delirium in criti-
cally ill patients [20]
El uso de modelos de aprendizaje por re-
fuerzo en la inteligencia artificial (IA) ha
demostrado ser efectivo para optimizar la
dosificaci´on de dexmedetomidina en pa-
cientes cr´ıticos, lo que ayuda a prevenir
el delirio en unidades de cuidados inten-
sivos (UCI). Este enfoque supera las es-
trategias tradicionales al ofrecer recomen-
daciones personalizadas y din´amicas ba-
sadas en datos, mejorando as´ı los resul-
tados cl´ınicos y reduciendo la incidencia
de delirio en estos pacientes. Sin embargo,
se requieren evaluaciones adicionales para
confirmar su validez en entornos cl´ınicos
reales.
Machine lear-
ning
Delirio
Contin´ua en la siguiente p´agina
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
118
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Tabla 2 – Continuaci´on
T´ıtulo Resultados Herramienta
IA
Enfermedad
The mental health
implications of
artificial intelli-
gence adoption:
the crucial role of
self-efficacy [21]
Este estudio investiga c´omo la adopci´on
de IA afecta el agotamiento laboral, reve-
lando que el estr´es laboral mediatiza esta
relaci´on y que la autoeficacia en el apren-
dizaje de IA modera el impacto del estr´es.
Los resultados subrayan la importancia de
programas de capacitaci´on para mitigar
los efectos negativos en la salud mental de
los empleados. Adem´as, se enfatiza la ne-
cesidad de considerar factores humanos en
la adopci´on de IA para crear entornos de
trabajo m´as positivos y productivos.
Machine lear-
ning
Estr´es
Explainable arti-
ficial intelligence-
driven prostate
cancer screening
using exosomal
multi-marker ba-
sed dual-gate FET
biosensor [22]
El sistema de detecci´on de c´ancer de
pr´ostata basado en XAI super´o la preci-
si´on del m´etodo PI-RADS convencional,
especialmente en lesiones ambiguas, mejo-
rando la detecci´on temprana y reducien-
do biopsias innecesarias. Aunque prome-
tedor, el estudio tiene limitaciones debido
al tama˜no y la homogeneidad de la mues-
tra, por lo que se necesitan m´as investiga-
ciones con cohortes diversas. Adem´as, el
enfoque XAI mejora la transparencia y la
colaboraci´on con los cl´ınicos.
Redes neuro-
nales
Cancer de
prostata
Contin´ua en la siguiente p´agina
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
119
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Tabla 2 – Continuaci´on
T´ıtulo Resultados Herramienta
IA
Enfermedad
Is artificial intelli-
gence prepared for
the 24-h shifts in the
ICU? [23]
la IA y el aprendizaje autom´atico tienen
el potencial de transformar la atenci´on en
unidades de cuidados intensivos (UCI) al
mejorar la precisi´on diagn´ostica, optimi-
zar operaciones y mejorar los resultados de
los pacientes. Aunque persisten desaf´ıos, el
avance de estas tecnolog´ıas, con un enfo-
que ´etico y pr´actico, promete una nueva
era en la medicina cr´ıtica, donde su uso
centrado en el paciente puede salvar vidas
y elevar la calidad de la atenci´on en las
UCI.
Inteligencia
Artificial
generalizada
Amenazas ge-
nerales hacia el
paciente
SkinHealthMate
app: An AI-powered
digital platform
for skin disease
diagnosis [24]
La inteligencia artificial mejora la
dermatolog´ıa, con aplicaciones como
SkinHealthMate que optimizan diagn´osti-
cos, gesti´on de citas y coordinaci´on entre
profesionales. Ofrece versiones web y
m´ovil para facilitar el acceso y mejorar
la atenci´on al paciente. Se recomienda
seguir investigando para maximizar
su efectividad y asegurar su acceso
equitativo.
Inteligencia
Artificial
generalizada
enfermedades
dermatol´ogi-
cas
Ethical Challenges
and Opportunities
in Applying Arti-
ficial Intelligence
to Cardiovascular
Medicine [25]
Se concluye que la integraci´on de la IA
ser´a esencial en la pr´actica cl´ınica mo-
derna, especialmente en cardiolog´ıa. Esto
incluye formaci´on en herramientas de IA
para m´edicos, regulaci´on ´etica, promoci´on
de la confianza del paciente y educaci´on
p´ublica sobre beneficios y riesgos.
Inteligencia
Artificial
generalizada
Enfermedades
cardiovascula-
res
Contin´ua en la siguiente p´agina
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
120
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Tabla 2 – Continuaci´on
T´ıtulo Resultados Herramienta
IA
Enfermedad
A machine learning
tool for identifying
patients with newly
diagnosed diabetes
in primary care [26]
Se mostr´o c´omo un modelo de ML basa-
do en la frecuencia de consultas y c´odigos
de diagn´ostico puede predecir diabetes en
atenci´on primaria, aunque los factores cla-
ve (hipertensi´on, obesidad, dislipidemia)
ya son conocidos. Sugiere incluir factores
adicionales, como patrones de estilo de vi-
da y medicaci´on.
Machine Lear-
ning
Diabetes
Artificial intelligence
approaches for phe-
notyping heart fai-
lure in U.S. Vete-
rans Health Admi-
nistration electronic
health record [27]
El modelo basado en NLP y ML logr´o
identificar la insuficiencia card´ıaca (HF)
con un AUC de 0.94, precisi´on del 86 %
y sensibilidad del 86 %. La combinaci´on
de NLP y ML super´o significativamente
el rendimiento de los enfoques tradiciona-
les basados en c´odigos ICD. El enfoque
integr´o datos estructurados y no estruc-
turados, logrando representatividad com-
parable con la revisi´on manual. El modelo
mostr´o resultados efectivos para clasifica-
ci´on, con un F-score de hasta 0.85, identi-
ficando 143 pacientes con HF, de los cuales
121 fueron confirmados como casos reales
seg´un est´andares de oro.
Procesamiento
del Lenguaje
Natural (NLP)
y Machine
Learning (ML)
Insuficiencia
card´ıaca (HF)
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
121
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Figura 2. Los pa´ıses con publicaciones en SCOPUS (2024)
La Inteligencia Artificial (IA), junto con sus m´ultiples herramientas, est´a demostrando un impacto significativo
en diversas ´areas de la salud. Se ha utilizado para el diagn´ostico, tratamiento y prevenci´on de una amplia gama
de enfermedades, desde c´anceres espec´ıficos hasta infecciones virales y enfermedades cr´onicas. La Figura 3,
obtenida a partir de nuestra investigaci´on, muestra las principales enfermedades que han sido objetivo de la
aplicaci´on de IA en la medicina.
Figura 3. Representaci´on porcentual de implementaci´on de IA ante enfermedades
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
122
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
C´ancer de mama: Esta enfermedad es un tipo de c´ancer que afecta las c´elulas de las gl´andulas mamarias. Y
es la causante de una gran cantidad de muertes en mujeres por no decir que es una de las principales causas.
Amenazas generales hacia el paciente: Se refiere a los riesgos potenciales en la atenci´on m´edica que pueden
poner en peligro la seguridad y el bienestar del paciente, como los errores m´edicos, la falta de acceso a atenci´on
adecuada o los efectos secundarios de los tratamientos.
C´ancer Infantil: El c´ancer en ni˜nos se presenta de diferentes formas, con tipos comunes como leucemias, tumores
cerebrales y linfomas. Aunque m´as raro que en adultos, su tratamiento puede ser complejo y espec´ıfico.
Enfermedades retinianas: Son aquellos trastornos que afectan la retina del ojo, como la degeneraci´on macular
o la retinopat´ıa diab´etica, si no se llegan a tratar de una manera adecuada y r´apida, puede llevar a la p´erdida
de la vista.
Virus Chikungunya: Es una enfermedad viral que se llega a transmitir por medio de los mosquitos llegando a
causar fiebre alta, dolor articular intenso y s´ıntomas como dolores musculares y erupciones cut´aneas.
Leucemia Mieloide Cr´onica (LMC): Este tipo de c´ancer en la sangre que como consecuencia logra afectar a las
c´elulas de la m´edula ´osea, lo cual ocasiona que se produzca una cantidad poco normal de gl´obulos blancos.
Infecciones de transmisi´on sexual (ITS): Estas enfermedades se propagan de persona a persona mediante el
contacto sexual. Las ITS que suelen presentarse considerablemente en mayor proporci´on en la actualidad son
la gonorrea , VIH y s´ıfilis.
Retinopat´ıa diab´etica, Edema macular diab´etico: Estas complicaciones de la diabetes llegan a afectar a los
vasos sangu´ıneos de la retina, lo que puede llevar a p´erdida de vista. El edema macular es la hinchaz´on de la
retina debido a la fuga de l´ıquido.
Pandemias (COVID-19 y otras enfermedades infecciosas): Las pandemias son brotes globales de enfermedades
infecciosas, como la COVID-19, que afectan a grandes porciones de la poblaci´on, provocando una crisis sanitaria
y econ´omica.
C´ancer cervical, Lesiones intraepiteliales: El c´ancer cervical se origina en el cuello del ´utero y puede ser
precedido por lesiones intraepiteliales, que son cambios anormales en las c´elulas del cuello uterino, a menudo
causados por infecciones de papilomavirus humano (VPH).
Lesiones Focales Hep´aticas (FLLs): Son ´areas anormales en el h´ıgado que pueden ser benignas o malignas.
Pueden ser indicativas de enfermedades hep´aticas, como tumores o quistes.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
123
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
C´ancer (General): Grupo de enfermedades caracterizadas por el crecimiento descontrolado de c´elulas anormales
en el cuerpo. Puede afectar a cualquier ´organo o tejido.
C´ancer de pr´ostata: Es un tipo de c´ancer que afecta a la gl´andula prost´atica en los hombres. Puede llegar a
crecer de manera lenta, pero en algunos casos se vuelve agresivo y se esparce a otras partes del cuerpo.
Enfermedades dermatol´ogicas: Son trastornos que afectan la piel, como el acn´e, eczema, psoriasis o dermatitis,
que pueden causar molestias y cambios visibles en la piel.
Delirio: Es un trastorno mental temporal caracterizado por confusi´on, desorientaci´on y alteraci´on en la percep-
ci´on de la realidad, generalmente asociado con enfermedades graves o efectos secundarios de medicamentos.
Estr´es: Es aquella respuesta f´ısica y emocional a aquellas situaciones que se perciben como abrumadoras. El
estr´es cr´onico puede tener efectos negativos sobre la salud mental y f´ısica, contribuyendo a diversas enferme-
dades.
Enfermedades cardiovasculares: Estas enfermedades est´an catalogadas como un grupo de trastornos que afectan
al coraz´on y los vasos sangu´ıneos, que comprometen su capacidad para transportar sangre de manera eficiente
por el cuerpo.
Diabetes: Esta catalogada como una enfermedad cr´onica que ocurre cuando el cuerpo ya no puede regular
adecuadamente los niveles de az´ucar en la sangre, puede ser debido a la falta de producci´on de insulina o por
una resistencia a su acci´on.
Insuficiencia Card´ıaca: Es una condici´on m´edica cr´onica en la que el coraz´on pierde su capacidad de bombear
sangre de manera eficiente para satisfacer las necesidades del cuerpo.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
124
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Figura 4. Cifra de uso de herramientas en los documentos
Machine Learning: El aprendizaje autom´atico es una t´ecnica de inteligencia artificial que permite a los sistemas
aprender y mejorar sin que el humano llegue a intervenir, utilizando datos y experiencia para tomar decisiones
informadas. En otras palabras, los sistemas pueden adaptarse y mejorar con el tiempo, sin necesidad de ser
reprogramados expl´ıcitamente.
ChatGPT: Es un modelo de lenguaje generativo desarrollado por OpenAI, dise˜nado para procesar y generar
texto natural de manera conversacional. Esto significa que el modelo puede entender y responder a preguntas
complejas, manteniendo una conversaci´on coherente y natural.
Explainable AI (XAI): La inteligencia artificial explicable se refiere a un enfoque de Inteligencia Artificial que
busca hacer que los modelos sean comprensibles para los humanos, explicando sus decisiones y resultados de
manera transparente.
Federated Learning: Es un m´etodo de aprendizaje que entrena modelos de IA de forma colaborativa, sin
compartir datos entre dispositivos. Garantizando as´ı la privacidad y seguridad de los datos, asimismo permite
a los modelos aprender grandes cantidades de datos.
ATR-FTIR (Espectroscopia Infrarroja por Transformada de Fourier con Reflectancia Total Atenuada): T´ecnica
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
125
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
utilizada para analizar materiales mediante espectros infrarrojos. Al combinar esta t´ecnica con inteligencia
artificial, es posible clasificar materiales de manera precisa y eficiente.
Procesamiento del Lenguaje Natural (NLP): Es una rama de la Inteligencia Artificial (IA) que se centra en
como interact´uan las computadoras y las personas cada uno con su lenguaje. Su meta es permitir que las
m´aquinas razonen de la misma manera que lo har´a un ser humano o persona.
XGBoost: Es un algoritmo de machine learning basado en ´arboles de decisi´on, optimizado para alta precisi´on y
velocidad en tareas de clasificaci´on y predicci´on. Esto lo hace ideal para aplicaciones que requieren resultados
precisos y r´apidos.
Redes Neuronales Artificiales: Esta estructura se asemeja al funcionamiento del cerebro del hombre, teniendo
como principal objetivo el procesamiento de datos complejos y reconocimiento de los patrones.Estas redes
tienen la caracter´ıstica de aprender de los datos procesados teniendo como consecuencia un mayor desempe˜no
conforme pasa el tiempo.
Convolutional Neural Network (CNN): Tipo de red neuronal especializada en procesar y analizar datos estruc-
turados como im´agenes.
Fully Connected Neural Network (FCN): La red neuronal completamente conectada es una red neuronal en
la que todas las neuronas est´an completamente conectadas entre capas. Esto permite a la red aprender a
reconocer patrones y caracter´ısticas en datos complejos, lo que la hace ideal para aplicaciones de predicci´on y
clasificaci´on.
Deep Learning: Subcampo de machine learning que utiliza redes neuronales profundas. Permitiendo as´ı a
los modelos aprender a reconocer patrones y caracter´ısticas en datos complejos, lo que los hace ideales para
aplicaciones con procesamiento de lenguaje natural y m´as.
Artificial General Intelligence (AGI): Concepto de IA que aspira a replicar la capacidad humana de razonar y
resolver problemas en cualquier dominio.
LiAIDS (Sistema de Diagn´ostico Artificial para H´ıgado): Sistema de diagn´ostico basado en inteligencia artificial
que se utiliza para detectar y clasificar enfermedades hep´aticas, utilizando algoritmos de IA para analizar
im´agenes m´edicas o datos cl´ınicos.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
126
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
Conclusiones
Bas´andonos en los resultados obtenidos ,se ha visto que se usan diversas herramientas de IA como Machine
Learning ,ChatGPT ,XAI,Redes Neuronales,Deep Learning,algoritmos de IA,etc ,para obtener una ayuda en
diagn´ostico, tratamiento y prevenci´on de enfermedades.Siendo ´util para la mayor´ıa por su gran potencial en
esta ´area , teniendo de inconveniente la falta de datos en algunos campos ,nuestro objetivo de este trabajo
es permitir al lector informarse,evaluar,aprender y servir a otras futuras investigaciones relacionadas con las
herramientas de inteligencia artificial .
Contribuci´on de Autor´ıa
Jefferson Pe˜na Serrano: Conceptualizaci´on, Investigaci´on, Metodolog´ıa, Validaci´on, Redacci´on - borrador origi-
nal. Jonathan Rojas Reyes: Conceptualizaci´on, Investigaci´on, Metodolog´ıa, Software, An´alisis formal, Recursos,
Visualizaci´on. Marcelino Torres Villanueva: Supervisi´on, Administraci´on de proyectos.
Referencias
[1] A. Uwimana, G. Gnecco, and M. Riccaboni, “Artificial intelligence for breast cancer detection and its
health technology assessment: A scoping review,” SCOPUS, vol. 184, no. 109391, November 2024.
[2] N. N. Botha, C. E. Segbedzi, V. K. Dumahasi, S. Maneen, R. V. Kodom, I. S. Tsedze, L. A. Akoto, F. S.
Atsu, O. U. Lasim, and E. W. Ansah, “Artificial intelligence in healthcare: a scoping review of perceived
threats to patient rights and safety,” SCOPUS, vol. 82, no. 188, October 2024.
[3] S. Wen, S. Theobald, P. Gangas, K. C. Borja Jim´enez, J. H. Merks, R. A. Schoot, M. Meyerheim, and
N. Graf, “A practical guide to apply ai in childhood cancer: Data collection and ai model implementation,”
SCOPUS, vol. 4, no. 100197, October 2024.
[4] V. C. F. Bellanda, M. L. d. Santos, D. A. Ferraz, R. Jorge, and G. B. Melo, “Applications of chatgpt
in the diagnosis, management, education, and research of retinal diseases: a scoping review,” SCOPUS,
vol. 10, no. 79, October 2024.
[5] M. Guevara-Vega, R. B. Rosa, D. C. Caixeta, M. A. Costa, R. C. d. Souza, G. M. Ferreira, A. C.
Mundim Filho, M. G. Carneiro, and A. C. G. Jardim, “Salivary detection of chikungunya virus infection
using a portable and sustainable biophotonic platform coupled with artificial intelligence algorithms,”
SCOPUS, vol. 14, no. 21546, September 2024.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
127
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
[6] M. Ram, M. R. Afrash, K. Moulaei, M. Parvin, E. Esmaeeli, Z. Karbasi, S. Heydari, and A. Sabahi, “Ap-
plication of artificial intelligence in chronic myeloid leukemia (cml) disease prediction and management:
a scoping review,” SCOPUS, vol. 24, no. 1026, August 2024.
[7] N. N. Soe, Z. Yu, P. M. Latt, D. Lee, J. J. Ong, Z. Ge, C. K. Fairley, and L. Zhang, “Evaluation of artificial
intelligence-powered screening for sexually transmitted infections-related skin lesions using clinical images
and metadata,” SCOPUS, vol. 22, no. 296, July 2024.
[8] J. Yao, J. Lim, G. Y. S. Lim, J. C. L. Ong, Y. Ke, T. F. Tan, T.-E. Tan, S. Vujosevic, and D. S. W. Ting,
“Novel artificial intelligence algorithms for diabetic retinopathy and diabetic macular edema,” SCOPUS,
vol. 11, no. 23, June 2024.
[9] J. Wang, Y. Yu, Y. Tan, H. Wan, N. Zheng, Z. He, L. Mao, W. Ren, K. Chen, Z. Lin, G. He, and
Y. Chen, “Artificial intelligence enables precision diagnosis of cervical cytology grades and cervical cancer,”
SCOPUS, vol. 15, no. 4369, May 2024.
[10] A. Ankolekar, L. Eppings, F. Bottari, I. F. Pinho, K. Howard, R. Baker, Y. Nan, X. Xing, S. L. Walsh,
W. Vos, G. Yang, and P. Lambin, “Using artificial intelligence and predictive modelling to enable learning
healthcare systems (lhs) for pandemic preparedness,” SCOPUS, vol. 24, no. December 2024, pp. 412–419,
May 2024.
[11] H. Ying, X. Liu, M. Zhang, Y. Ren, S. Zhen, X. Wang, B. Liu, P. Hu, L. Duan, M. Cai, M. Jiang,
and X. Cheng, “A multicenter clinical ai system study for detection and diagnosis of focal liver lesions,”
SCOPUS, vol. 15, no. 1131, February 2024.
[12] N. K. Sharma and S. C. Sarode, “Evolving artificial intelligence (ai) at the crossroads: Potentiating
productive vs. declining disruptive cancer research,” SCOPUS, vol. 16, no. 3646, October 2024.
[13] M. Taghipour-Gorjikolaie, N. Ghavami, L. Papini, M. Badia, A. Fracassini, A. Bigotti, G. Palomba, D. A. t.
Sanchez-Bayuela, C. R. Castellano, R. Loretoni, M. Calabrese, and A. S. Tagli, “Ai-based hierarchical
approach for optimizing breast cancer detection using mammowave device,” SCOPUS, vol. 100, no. 107143,
November 2024.
[14] C. Wilhelm, A. Steckelberg, and F. G. Rebitschek, “Benefits and harms associated with the use of ai-
related algorithmic decision-making systems by healthcare professionals: a systematic review,” SCOPUS,
vol. 48, no. 101145, March 2024.
[15] Y. A. Mohamed, B. E. Khoo, M. S. M. Asaari, M. E. Aziz, and F. R. Ghazali, “Decoding the black box:
Explainable ai (xai) for cancer diagnosis, prognosis, and treatment planning-a state-of-the art systematic
review,” SCOPUS, vol. 193, no. 105689, November 2024.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
128
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
[16] M. Ragab, I. Katib, S. A. Sharaf, H. A. Alterazi, A. Subahi, S. G. Alattas, S. S. Binyamin, and J. Alyami,
“Automated brain tumor recognition using equilibrium optimizer with deep learning approach on mri
images,” SCOPUS, vol. 14, no. 29448, November 2024.
[17] S. Sitaru and A. Zink, “Artificial intelligence: A new frontier in dermatology,” SCOPUS, vol. 38, pp.
2199–2200, August 2024.
[18] A. K. Sendekie, L. W. Limenh, B. B. Abate, G. S. Chanie, A. T. Kassaw, F. B. Tamene, K. Y. Gete,
and E. M. Dagnew, “Artificial intelligence in community pharmacy practice: Pharmacists’perceptions,
willingness to utilize, and barriers to implementation,” SCOPUS, vol. 16, no. 100542, November 2024.
[19] Y. Li and V. Rotemberg, “From promise to practice: Artificial intelligence in skin cancer screenings,”
SCOPUS, vol. 38, pp. 2203–2204, September 2024.
[20] H. Y. Lee, S. Chung, D. Hyeon, H.-L. Yang, H.-C. Lee, H. G. Ryu, and H. Lee, “Reinforcement learning
model for optimizing dexmedetomidine dosing to prevent delirium in critically ill patients,” SCOPUS,
vol. 7, no. 325, November 2024.
[21] B.-J. Kim and J. Lee, “The mental health implications of artificial intelligence adoption: the crucial role
of self-efficacy,” SCOPUS, vol. 11, no. 1561, November 2024.
[22] J. Y. Choi, S. Park, J. S. Shim, H. J. Park, S. U. Kuh, Y. Jeong, M. G. Park, T. I. Noh, S. G. Yoon,
Y. M. Park, S. J. Lee, and H. Kim, “Explainable artificial intelligence-driven prostate cancer screening
using exosomal multi-marker based dual-gate fet biosensor,” SCOPUS, vol. 267, no. 116773, September
2024.
[23] F. A. Gonzalez, C. Santonocito, T. Lamas, P. Costa, S. M. Vieira, H. A. Ferreira, and F. Sanfilippo, “Is
artificial intelligence prepared for the 24-h shifts in the icu?” SCOPUS, vol. 43, no. 101431, October 2024.
[24] A. Aboulmira, H. Hrimech, M. Lachgar, A. Camara, C. Elbahja, A. Elmansouri, and Y. Hassini,
“Skinhealthmate app: An ai-powered digital platform for skin disease diagnosis,” SCOPUS, vol. 6, no.
200166, November 2024.
[25] S. Lewin, R. Chetty, A. R. Ihdayhid, and G. Dwivedi, “Ethical challenges and opportunities in applying
artificial intelligence to cardiovascular medici,” SCOPUS, vol. 40, pp. 1897–1906, June 2024.
[26] P. W¨andell, A. C. Carlsson, M. Wierzbicka, K. Sigurdsson, J.
¨
Arnl¨ov, J. Eriksson, C. Wachtler, and
T. Ruge, “A machine learning tool for identifying patients with newly diagnosed diabetes in primary
care,” SCOPUS, vol. 18, pp. 501–505, June 2024.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
129
Revista Innovaci´on y Software
Vol. 7, No. 1, Mes Marzo - Agosto, 2026
ISSN: 2708-0935
P´ag. 109-130
https://revistas.ulasalle.edu.pe/innosoft
[27] Y. Shao, S. Zhang, V. K. Raman, S. S. Patel, Y. Cheng, A. Parulkar, P. H. Lam, H. Moore, H. M. Sheriff,
G. C. Fonarow, P. A. Heidenreich, and W.-C. Wu, “Artificial intelligence approaches for phenotyping heart
failure in u.s. veterans health administration electronic health record,” SCOPUS, vol. 11, pp. 3155–3166,
June 2024.
Universidad La Salle, Arequipa, Per´u
facin.innosoft@ulasalle.edu.pe
130
