Inteligencia Artificial para la Predicción de Complicaciones en Diabetes: Una Revisión Sistemática de Aplicaciones Actuales y Direcciones Futuras

Importancia y objetivos: La diabetes puede conducir a complicaciones microvasculares y macrovasculares. Modelar las complejas relaciones entre los factores de riesgo ha motivado el uso de la Inteligencia Artificial (IA) para desarrollar modelos predictivos. Los recientes avances, incluidos los modelos fundacionales y la IA generativa, han cambiado significativamente la forma en que se aplica esta tecnología en diversos contextos. En esta revisión, resumimos el estado actual de la investigación sobre la IA para la predicción de complicaciones diabéticas, investigando las implicaciones presentes y futuras de estas innovaciones. Métodos: Realizamos la búsqueda en la literatura en las bases de datos de PubMed, Scopus, Ovid MEDLINE, CINAHL e IEEE. Nuestro análisis se centró en las complicaciones predichas, características de la población, uso de enfoques basados en IA, rendimiento de los modelos, variables predictoras y resultados de la evaluación de importancia de características. Resultados: Los 49 estudios seleccionados en nuestro análisis consideraron diferentes condiciones como resultados de predicción. Las complicaciones relacionadas con los ojos se incluyeron en 29 estudios (59%), emergiendo como las enfermedades predichas más frecuentes. Entre los 48 estudios que emplearon algoritmos de IA específicamente para la tarea de predicción, 26 (54%) desarrollaron solo modelos de Aprendizaje Automático, 4 (8%) solo modelos de Aprendizaje Profundo, y 18 (38%) aplicaron ambos enfoques. Los modelos fundacionales y las innovaciones recientes de IA incluidas en la consulta no fueron utilizados por ningún estudio. Además, solo cinco estudios (10%) trataron con datos no estructurados (señales e imágenes). En la evaluación de la importancia de características, la edad y la hemoglobina glucosilada surgieron consistentemente como importantes predictores. Conclusiones: A pesar de la extensa literatura existente sobre IA para predecir complicaciones diabéticas, persisten varios desafíos emergentes. Estos incluyen la utilización efectiva de datos no estructurados y la integración de los avances recientes introducidos por los modelos fundacionales y la IA generativa.