Para continuar, suscribite a Motivar. Si ya sos un usuario suscripto, iniciá sesión.
SUSCRIBITELa Inteligencia Artificial transforma el diagnóstico y la toma de decisiones en Medicina Veterinaria, mejorando la precisión y eficiencia clínica.
La medicina veterinaria está experimentando una transformación digital impulsada por las aplicaciones de la Inteligencia Artificial (IA) en ámbitos como el diagnóstico por imagen, la predicción de enfermedades, el apoyo a la toma de decisiones clínicas, la monitorización portátil y la telemedicina, según recoge una revisión sistemática de la literatura científica.
Un trabajo, realizado bajo el marco de informes PRISMA 2020, sintetizó investigación publicada entre 2013 y 2025. El objetivo fue categorizar la taxonomía de las aplicaciones de IA en medicina veterinaria, desde redes neuronales convolucionales en radiografía hasta grandes modelos de lenguaje (LLM) para consulta clínica. También evaluó el estado actual de la Inteligencia Artificial y el aprendizaje profundo (Deep Learning, DL) en la salud digital veterinaria.
Tras aplicar criterios de elegibilidad predefinidos, los autores incluyeron un total de 22 estudios en la revisión. De ellos, 18 correspondían a estudios de evidencia primaria y cuatro a estudios de dominio o de prototipos de apoyo. Los trabajos analizados se clasificaron en distintos dominios de aplicación, como el diagnóstico por imágenes, el análisis predictivo y la gestión de la salud del ganado.
Los estudios incluidos muestran avances significativos en radiografía automatizada, citología, detección de enfermedades cardiovasculares, dermatología y oncología. Estos desarrollos ponen de manifiesto el potencial de la Inteligencia Artificial para mejorar la precisión diagnóstica, favorecer la detección temprana de enfermedades e incrementar la eficiencia clínica. La dermatología veterinaria y la oncología veterinaria son campos donde la IA está demostrando un gran potencial.
No obstante, la revisión señala que la adopción clínica generalizada de estas tecnologías continúa limitada por diversos factores. Entre ellos destacan la fragmentación de los conjuntos de datos disponibles, la diversidad de especies que debe abordar la medicina veterinaria, la insuficiente validación externa de los modelos, la falta de transparencia o explicabilidad de muchos algoritmos de IA y la ausencia de evaluaciones clínicas prospectivas realizadas en condiciones reales.
En el caso concreto de las aplicaciones veterinarias basadas en grandes modelos de lenguaje, los autores consideran que presentan un elevado potencial, aunque destacan que su implementación todavía se encuentra en una fase temprana. Por ello, subrayan la necesidad de llevar a cabo una validación rigurosa antes de su utilización clínica rutinaria.
FUENTE: Animal's Health
video
