Una nueva era en el cáncer colorrectal: La Inteligencia Artificial al frente.

El cáncer colorrectal (CRC) es la tercera neoplasia más común y la segunda causa principal de muerte por cáncer a nivel mundial. A medida que la radiología se entrelaza con diversos campos médicos, el progreso de la Inteligencia Artificial (IA) en radiología ha impactado diversas áreas de medicina, incluyendo CRC. El uso de IA como Aprendizaje Automático (ML), Aprendizaje Profundo (DL), Inteligencia Artificial Explicable (XAI) y modelos híbridos en la detección de CRC conduce a una notable disminución en la ocurrencia y mortalidad de pacientes con CRC. La incorporación de herramientas bioinformáticas dentro de la IA ayuda en la detección y identificación de un mayor número de biomarcadores de CRC.

Debido a esta demanda, se ha realizado una gran cantidad de investigación.

Por lo tanto, en este estudio, utilizamos una Revisión Sistemática de Literatura (SLR) para abarcar todos los aspectos de las conclusiones provenientes de artículos relevantes. La inspección de factores genéticos, la detección temprana de CRC, la predicción rápida del CRC en etapas tardías, la selección de planes de tratamiento, el descubrimiento de biomarcadores metastásicos, la clasificación de tipos de CRC, la predicción del riesgo de CRC y la predicción de la tasa de supervivencia de CRC son las principales aplicaciones utilizadas en el campo del CRC. Bosque Aleatorio (RF), Máquina de Vectores Soportes (SVM), Red Neuronal Convencional (CNN) y otros modelos de IA se utilizan con frecuencia en estas situaciones. Se realizó una evaluación exhaustiva sobre los diversos problemas y obstáculos asociados a la implementación de aplicaciones de IA para esta enfermedad específica.

Según los datos, la mayoría de los artículos se evalúan principalmente en términos de precisión, tiempo de retraso, privacidad de datos, robustez y disponibilidad del conjunto de datos. Los modelos ML se emplean en el 50 % de los artículos, mientras que los modelos DL representan el 23,3 %.

Además, XAI se utiliza en un 10 %, y los modelos híbridos se implementan en un 16,7 % de los artículos. La inspección de factores genéticos, la detección temprana de CRC, la predicción rápida del CRC en etapas tardías, la selección de planes de tratamiento, el descubrimiento de biomarcadores metastásicos, la clasificación de tipos de CRC, la predicción del riesgo de CRC y la predicción de la tasa de supervivencia de CRC destacan las contribuciones críticas de IA en el campo del CRC.