Antecedentes: La inteligencia artificial (IA) y el big data están transformando la oncología urológica al mejorar la precisión diagnóstica, la evaluación pronóstica y la personalización del tratamiento para el cáncer de próstata, vejiga y riñón. Métodos: Buscamos en PubMed y MEDLINE hasta septiembre de 2025 estudios en humanos revisados por pares en inglés utilizando términos que incluyen "inteligencia artificial", "aprendizaje profundo", "radiómica", "evidencia del mundo real" y "oncología urológica". Resultados: Los modelos de radiómica impulsados por IA y aprendizaje profundo han demostrado una alta precisión en la detección y caracterización de malignidades urológicas utilizando imágenes por resonancia magnética (IRM), tomografía computarizada (TC), tomografía por emisión de positrones (PET) e histopatología. En los cánceres de próstata, vejiga y riñón, los modelos de radiómica impulsados por IA y aprendizaje profundo han mostrado un alto rendimiento diagnóstico, con áreas bajo la curva (AUC) informadas que generalmente varían de 0.80 a 0.95 para la detección de lesiones, estadificación y estratificación del riesgo. Las sensibilidades y especificidades en el análisis de imágenes cistoscópicas a menudo superan el 90%, pero los modelos radiogenómicos para el cáncer renal logran precisiones de predicción de mutaciones del 85% al 95%. Conclusiones: La IA y el big data están reformulando la oncología urológica al integrar imágenes diagnósticas, patología y práctica del mundo real. Su continua integración promete un modelo de atención oncológica preciso, equitativo y adaptativo. A pesar de estos resultados robustos, la mayoría de los estudios dependen de conjuntos de datos retrospectivos o de un solo centro con validación externa limitada, lo que plantea preocupaciones sobre la generalizabilidad. El progreso futuro dependerá de la estandarización multicéntrica, los marcos de aprendizaje federado y la incorporación de datos multimodales del mundo real para facilitar sistemas de IA clínicamente robustos e implementables.
Katsimperis et al. (Thu,) estudiaron esta cuestión.