González Pineda, Julio CésarCedeño Ferrin, Carlos JulioÁlvarez Ordoñez , Johanna Gabriela2026-09-232026-09-232026VANCUOVER: Cedeño C., Alvarez J. Predicción diagnóstica de la endometriosis en mujeres en edad reproductiva mediante inteligencia artificial: una revisión sistemática. 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-MTI105https://dspace.ucacue.edu.ec/handle/ucacue/22766Objetivo general: Evaluar los métodos y resultados del uso de inteligencia artificial para la predicción diagnóstica de la endometriosis en mujeres en edad reproductiva, con el fin de determinar su precisión y viabilidad clínica. ´ Metodología: Se llevó a cabo una revisión sistemática con fundamentos en la literatura científica disponible en bases de datos “PubMed, Wiley Online Library, Plos One, ScienceDirect, ARXIV, Sage Journals, Springerlink”. Un cribado con el método PRISMA fue llevado a cabo con 646 estudios. De estos, se seleccionaron 14 artículos científicos en contexto al tema de investigación que fueron publicados en los últimos cinco años Resultados: Se recopilaron 646 artículos de los cuales sólo el 2.16% (n=14) cumplieron con los criterios de inclusión de los cuales el 100% reportaron considerables mejoras en cuanto a la precisión diagnóstica por medio de inteligencia artificial en donde el 64.3% (n=9) utilizó modelos que se basan en imágenes, el 28.6% (n=4) analizó biomarcadores y datos clínicos, mientras que el 21.4% (n=3) analizó apps y autoinformes. El 71.4% (n=10) presentó un AUC mayor a 0.87 y el 42.8% (n=6) sensibilidad mayor al 90% lo cual demuestra la eficacia que tienen estos métodos y respalda su viabilidad clínica. Conclusiones: La inteligencia artificial mejora el diagnóstico de la endometriosis al ofrecer métodos no invasivos, personalizados y precisos. Pese a que aún requiere validación y regulación, su integración complementa la práctica médica y promueve una atención más eficiente y centrada en la paciente.Title: Diagnostic Prediction of Endometriosis in Women of Reproductive Age Using Artificial Intelligence: A Systematic Review Objective: To evaluate the methods and outcomes of using artificial intelligence for the diagnostic prediction of endometriosis in women of reproductive age, to determine its accuracy and clinical feasibility. Methodology: A systematic review was conducted based on the scientific literature available in the following databases: PubMed, Wiley Online Library, PLOS ONE, ScienceDirect, arXiv, Sage Journals, and SpringerLink. A total of 646 studies were identified and screened according to the PRISMA guidelines. Of these, 14 scientific articles relevant to the research topic and published within the last five years met all criteria and were included. Results: Of the 646 articles retrieved, 2.16% (n=14) met the inclusion criteria. All included studies (100%) reported significant improvements in diagnostic accuracy using artificial intelligence: 64.3% (n=9) used image-based models, 28.6% (n=4) analyzed biomarkers and clinical data, and 21.4% (n=3) evaluated mobile apps and self-reports. Furthermore, 71.4% (n=10) reported an area under the curve (AUC) greater than 0.87, and 42.8% (n=6) achieved a sensitivity greater than 90%, highlighting the effectiveness of these methods and supporting their clinical feasibility. Conclusions: Artificial intelligence improves endometriosis diagnosis by offering noninvasive, personalized, and highly accurate approaches. Although it still needs validation and regulation, integrating it into clinical practice can support more efficient, patient-centered care.application/pdf32 páginasspainfo:eu-repo/semantics/openAccessAtribución 4.0 Internacionalhttp://creativecommons.org/licenses/by/4.0/deed.esDIAGNÓSTICO; ENDOMETRIOSIS; INTELIGENCIA ARTIFICIALDIAGNOSIS; ENDOMETRIOSIS; ARTIFICIAL INTELLIGENCEinfo:eu-repo/semantics/review