La inteligencia artificial como herramienta de ayuda diagnóstica en fracturas de cadera. Revisión Bibliográfica

Resumen

Las fracturas de cadera constituyen un problema relevante de salud pública, especialmente en adultos mayores, con incidencia creciente por el envejecimiento poblacional. Los métodos diagnósticos tradicionales presentan limitaciones, sobre todo en fracturas no desplazadas y complejas, lo que retrasa el tratamiento. La inteligencia artificial (IA) emerge como una solución prometedora ante estos retos. Objetivo: Revisar la evidencia reciente sobre el uso de IA como apoyo diagnóstico en fracturas de cadera, evaluando su precisión, rapidez y aplicabilidad clínica para identificar beneficios, limitaciones y su impacto en la atención. Métodos: Se realizó una revisión bibliográfica de artículos publicados entre 2021 y 2025 en PubMed, Scopus y Cochrane Library. Se incluyeron estudios en español e inglés, usando las palabras clave "Fracturas de Cadera", "Inteligencia Artificial" y "Aprendizaje Profundo". Se analizaron las aplicaciones diagnósticas reportadas. Resultados: Se identificaron 53 estudios, de los cuales 20 cumplieron los criterios de inclusión. Modelos como YOLOv4-tiny y DenseNet alcanzaron sensibilidades de hasta 96.2% y especificidades de 94.6%, destacando en fracturas no desplazadas. El uso de ensemble learning mejoró la consistencia diagnóstica (sensibilidad 89.7%, especificidad 99.1%). La IA redujo los tiempos diagnósticos un 30%, optimizando el flujo hospitalario y los costos. Conclusiones: La IA es una herramienta eficaz para el diagnóstico de fracturas de cadera, con alta sensibilidad y especificidad, especialmente en casos complejos, superando en rapidez y precisión a los métodos convencionales. Sin embargo, persisten retos como la validación externa y la estandarización de datos. La IA complementa, mas no reemplaza, al juicio clínico, fortaleciendo la toma de decisiones y mejorando la atención médica.