Orellana Bernal, Paola VeronicaMorquecho Solis, Veronica Samantha2026-05-292026-05-292026VANCUOVER: Morquecho V. Detección de cáncer de páncreas mediante una red neuronal convolucional. Médico. Cuenca-Ecuador. Universidad Católica de Cuenca. 2026. [citado el DIA de MES de AÑO]. Disponible en: (dirección url en donde está el documento)9BT2026-MTI064https://dspace.ucacue.edu.ec/handle/ucacue/22395Introducción: el cáncer de páncreas (PC) es una neoplasia maligna de letalidad elevada a nivel mundial, con una supervivencia global menor a 5 años posterior al diagnóstico, donde los factores de riesgo pueden ser de tipo hereditario o no hereditario. En las neoplasias malignas exocrinas, el adenocarcinoma ductal destaca con alrededor del 90% de frecuencia donde el diagnóstico y características adecuadas del tumor son grandes predictores que encaminan a establecer el tipo de tratamiento, la posibilidad de metástasis y la supervivencia. Revisión bibliográfica: la red neuronal convolucional (CNN) como método de detección de cáncer de páncreas posee una precisión superior al 95% al discriminar el tejido canceroso del tejido normal. Asimismo, un adecuado entrenamiento de la CNN en la tomografía computarizada permite diagnosticar tumores menores a 2 centímetros con una sensibilidad del 87% mientras que en los tumores mayores a 2 centímetros la precisión aumentó al 95% a comparación de la evaluación realizada por el personal médico con el 73%; sin embargo, dicho algoritmo necesita de información detallada y de alta calidad. Conclusión: los continuos avances en la inteligencia artificial han transformado la investigación en cuanto a la detección del cáncer de páncreas mediante la CNN, dicho sistema ofrece una precisión superior al 95% por lo que el adecuado entrenamiento de la CNN en la tomografía computarizada ha logrado superar la precisión de la evaluación médica convencional.Introduction: Pancreatic cancer (PC) is a highly lethal malignant neoplasm worldwide, with an overall survival rate of less than five years after diagnosis, where risk factors may be hereditary or non-hereditary. Among exocrine malignant neoplasms, ductal adenocarcinoma is the most prevalent, accounting for approximately 90% of cases. Proper diagnosis and characterization of the tumor are strong predictors that help determine the type of treatment, the likelihood of metastasis, and survival. Literature Review: Convolutional Neural Networks (CNNs), when used to detect pancreatic cancer, achieve accuracy rates of over 95% in distinguishing cancerous from normal tissue. Furthermore, adequate training of CNNs on computed tomography (CT) scans enables the detection of tumors smaller than 2 centimeters with 87% sensitivity, while for tumors larger than 2 centimeters, accuracy increases to 95%, compared to 73% achieved in evaluat ions performed by medical personnel; however, such algorithms require detailed, high-qua lity information. Conclusion: Continuous advances in artificial intelligence have transformed research into the detection of pancreatic cancer using CNNs. This system offers accuracy rates of over 95%; therefore, properly training a CNN on computed tomography scans has surpassed the accuracy of conventional medical evaluation.application/pdf37 páginasspainfo:eu-repo/semantics/openAccessAtribución 4.0 Internacionalhttp://creativecommons.org/licenses/by/4.0/deed.esDIAGNÓSTICO POR IMAGEN, NEOPLASIAS PANCREÁTICASDIAGNOSTIC IMAGING, PANCREATIC NEOPLASMSinfo:eu-repo/semantics/review