Análisis comparativo: inteligencia artificial vs anestesiólogos en la identificación de vía aérea difícil.

Resumen

La identificación precisa de la vía aérea difícil (VAD) representa un desafío crítico en anestesiología, debido a su impacto directo en la seguridad del paciente durante la inducción anestésica. Las herramientas clínicas tradicionales, como la clasificación de Mallampati y la escala de Cormack-Lehane, presentan limitaciones en sensibilidad y especificidad, lo que ha motivado la exploración de modelos de inteligencia artificial (IA) como alternativa diagnóstica. Objetivo general: Evaluar la efectividad de los modelos de inteligencia artificial frente a la evaluación clínica de anestesiólogos expertos en la identificación de vía aérea difícil (VAD). En pacientes adultos programados para procedimientos quirúrgicos bajo anestesia general en el Centro Médico Docente La Trinidad desde agosto-octubre 2025 Materiales y métodos: Se realizó un estudio observacional, descriptivo, transversal y prospectivo en el Centro Médico Docente La Trinidad, con una muestra de 95 pacientes. Se capturaron 285 imágenes estandarizadas mediante smartphones y se procesaron con algoritmos de aprendizaje profundo (Qwen 3.0). Se aplicaron pruebas clínicas convencionales y se compararon los diagnósticos mediante análisis estadístico con SPSS y EPIDAT. Resultados: Los modelos de IA alcanzaron una sensibilidad del 85,29%, especificidad del 87,10%, valor predictivo positivo del 93,55% y un área bajo la curva (AUC) de 0,857. La concordancia con la evaluación clínica fue aceptable (índice kappa = 0,681), Conclusiones: La IA demuestra ser una herramienta confiable y precisa para la identificación de VAD, con potencial para mejorar la seguridad del paciente, optimizar la planificación anestésica y fortalecer la innovación institucional en contextos de recursos limitados.