metricas
covid
Buscar en
Gastroenterología y Hepatología
Toda la web
Inicio Gastroenterología y Hepatología El papel emergente de la inteligencia artificial en la endoscopia gastrointestin...
Información de la revista

Estadísticas

Siga este enlace para acceder al texto completo del artículo

Artículo especial
El papel emergente de la inteligencia artificial en la endoscopia gastrointestinal: una revisión de la literatura
The emerging role of artificial intelligence in gastrointestinal endoscopy: A review
María José Aguilera-Chuchucaa,b,
Autor para correspondencia
tberzin@bidmc.harvard.edu

Autor para correspondencia.
, Sergio A. Sánchez-Lunac, Begoña González Suárezd, Kenneth Ernest-Suáreze, Andres Gelrudf, Tyler M. Berzina
a Center for Advanced Endoscopy, Beth Israel Deaconess Medical Center and Harvard Medical School, Boston, Massachusetts, Estados Unidos
b Division of Gastroenterology, Hepatology & Endoscopy, Brigham and Women's Hospital, Boston, Massachusetts, Estados Unidos
c Basil I. Hirschowitz Endoscopic Center of Excellence, Division of Gastroenterology & Hepatology, The University of Alabama at Birmingham Heersink School of Medicine, Birmingham, Alabama, Estados Unidos
d Departamento de Gastroenterología, Unidad de Endoscopia, ICMDiM, Hospital Clínic, Barcelona, España
e Servicio de Gastroenterología, Universidad de Costa Rica, Hospital México, Caja Costarricense de Seguro Social, Costa Rica
f Gastro Health and Miami Cancer Institute, Baptist South, Miami, Florida, Estados Unidos
Leído
1328
Veces
se ha leído el artículo
276
Total PDF
1052
Total HTML
Compartir estadísticas
 array:23 [
  "pii" => "S0210570521003095"
  "issn" => "02105705"
  "doi" => "10.1016/j.gastrohep.2021.11.004"
  "estado" => "S300"
  "fechaPublicacion" => "2022-06-01"
  "aid" => "1889"
  "copyright" => "Elsevier España, S.L.U.. Todos los derechos reservados"
  "copyrightAnyo" => "2021"
  "documento" => "article"
  "crossmark" => 1
  "subdocumento" => "ssu"
  "cita" => "Gastroenterol Hepatol. 2022;45:492-7"
  "abierto" => array:3 [
    "ES" => false
    "ES2" => false
    "LATM" => false
  ]
  "gratuito" => false
  "lecturas" => array:1 [
    "total" => 0
  ]
  "Traduccion" => array:1 [
    "en" => array:19 [
      "pii" => "S2444382422001031"
      "issn" => "24443824"
      "doi" => "10.1016/j.gastre.2021.11.001"
      "estado" => "S300"
      "fechaPublicacion" => "2022-06-01"
      "aid" => "1889"
      "copyright" => "Elsevier España, S.L.U."
      "documento" => "article"
      "crossmark" => 1
      "subdocumento" => "ssu"
      "cita" => "Gastroenterol Hepatol. 2022;45:492-7"
      "abierto" => array:3 [
        "ES" => false
        "ES2" => false
        "LATM" => false
      ]
      "gratuito" => false
      "lecturas" => array:1 [
        "total" => 0
      ]
      "en" => array:11 [
        "idiomaDefecto" => true
        "cabecera" => "<span class="elsevierStyleTextfn">Special article</span>"
        "titulo" => "The emerging role of artificial intelligence in gastrointestinal endoscopy&#58; a review"
        "subtitulo" => "El papel emergente de la inteligencia artificial en la endoscopia gastrointestinal&#58; una revisi&#243;n de la literatura"
        "tienePdf" => "en"
        "tieneTextoCompleto" => "en"
        "paginas" => array:1 [
          0 => array:2 [
            "paginaInicial" => "492"
            "paginaFinal" => "497"
          ]
        ]
        "contieneTextoCompleto" => array:1 [
          "en" => true
        ]
        "contienePdf" => array:1 [
          "en" => true
        ]
        "resumenGrafico" => array:2 [
          "original" => 0
          "multimedia" => array:8 [
            "identificador" => "fig0010"
            "etiqueta" => "Figure 2"
            "tipo" => "MULTIMEDIAFIGURA"
            "mostrarFloat" => true
            "mostrarDisplay" => false
            "figura" => array:1 [
              0 => array:4 [
                "imagen" => "gr2.jpeg"
                "Alto" => 595
                "Ancho" => 805
                "Tamanyo" => 91344
              ]
            ]
            "detalles" => array:1 [
              0 => array:3 [
                "identificador" => "at0010"
                "detalle" => "Figure "
                "rol" => "short"
              ]
            ]
            "descripcion" => array:1 [
              "en" => "<p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">Endoscopic images captured by the automatic polyp detection system &#40;CADe&#41;&#44; which shows colonic polyps marked on the screen by a blue square denoting their location&#46; &#40;A&#41; 3-mm polyp&#44; IIA according to the Paris classification&#46; &#40;B&#41; 5-mm polyp&#44; IS according to the Paris classification&#46; Images courtesy of Dr Tyler Berzin&#44; Co-director of the Advanced Endoscopy Department at the Beth Israel Deaconess Medical Center&#46;</p>"
            ]
          ]
        ]
        "autores" => array:1 [
          0 => array:2 [
            "autoresLista" => "Mar&#237;a Jos&#233; Aguilera-Chuchuca, Sergio A&#46; S&#225;nchez-Luna, Bego&#241;a Gonz&#225;lez Su&#225;rez, Kenneth Ernest-Su&#225;rez, Andres Gelrud, Tyler M&#46; Berzin"
            "autores" => array:6 [
              0 => array:2 [
                "nombre" => "Mar&#237;a Jos&#233;"
                "apellidos" => "Aguilera-Chuchuca"
              ]
              1 => array:2 [
                "nombre" => "Sergio A&#46;"
                "apellidos" => "S&#225;nchez-Luna"
              ]
              2 => array:2 [
                "nombre" => "Bego&#241;a"
                "apellidos" => "Gonz&#225;lez Su&#225;rez"
              ]
              3 => array:2 [
                "nombre" => "Kenneth"
                "apellidos" => "Ernest-Su&#225;rez"
              ]
              4 => array:2 [
                "nombre" => "Andres"
                "apellidos" => "Gelrud"
              ]
              5 => array:2 [
                "nombre" => "Tyler M&#46;"
                "apellidos" => "Berzin"
              ]
            ]
          ]
        ]
      ]
      "idiomaDefecto" => "en"
      "Traduccion" => array:1 [
        "es" => array:9 [
          "pii" => "S0210570521003095"
          "doi" => "10.1016/j.gastrohep.2021.11.004"
          "estado" => "S300"
          "subdocumento" => ""
          "abierto" => array:3 [
            "ES" => false
            "ES2" => false
            "LATM" => false
          ]
          "gratuito" => false
          "lecturas" => array:1 [
            "total" => 0
          ]
          "idiomaDefecto" => "es"
          "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210570521003095?idApp=UINPBA00004N"
        ]
      ]
      "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2444382422001031?idApp=UINPBA00004N"
      "url" => "/24443824/0000004500000006/v1_202206220657/S2444382422001031/v1_202206220657/en/main.assets"
    ]
  ]
  "itemAnterior" => array:19 [
    "pii" => "S0210570521002247"
    "issn" => "02105705"
    "doi" => "10.1016/j.gastrohep.2021.07.006"
    "estado" => "S300"
    "fechaPublicacion" => "2022-06-01"
    "aid" => "1860"
    "copyright" => "Elsevier Espa&#241;a&#44; S&#46;L&#46;U&#46;"
    "documento" => "simple-article"
    "crossmark" => 1
    "subdocumento" => "cor"
    "cita" => "Gastroenterol Hepatol. 2022;45:490-1"
    "abierto" => array:3 [
      "ES" => false
      "ES2" => false
      "LATM" => false
    ]
    "gratuito" => false
    "lecturas" => array:1 [
      "total" => 0
    ]
    "es" => array:11 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">Carta al Director</span>"
      "titulo" => "Estrategia combinada de neoadyuvancia a cirug&#237;a con quimioembolizaci&#243;n y lenvatinib en carcinoma hepatocelular"
      "tienePdf" => "es"
      "tieneTextoCompleto" => "es"
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "490"
          "paginaFinal" => "491"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "en" => array:1 [
          "titulo" => "Neoadjuvant combined strategy to surgery based on chemoembolization and lenvatinib in hepatocellular carcinoma"
        ]
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "contienePdf" => array:1 [
        "es" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:7 [
          "identificador" => "fig0005"
          "etiqueta" => "Figura 1"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "gr1.jpeg"
              "Alto" => 381
              "Ancho" => 1500
              "Tamanyo" => 96688
            ]
          ]
          "descripcion" => array:1 [
            "es" => "<p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">&#40;A&#41; TC &#237;ndice previo a tratamiento&#46; CHC en &#237;ntima relaci&#243;n con venas suprahep&#225;ticas media e izquierda&#46; &#40;B&#41; PET-TC post-TACE&#46; Ausencia de captaci&#243;n metab&#243;lica en el CHC con m&#225;rgenes tenuemente hipermetab&#243;licos&#46; &#40;C&#41; TC de control tras cirug&#237;a al mes y medio&#46; Permeabilidad vascular en venas suprahep&#225;ticas&#44; sin presencia de tumor residual&#46;</p>"
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "Arturo Col&#243;n Rodr&#237;guez, Enrique Velasco S&#225;nchez, Luis Rodr&#237;guez-Bachiller, Benjam&#237;n D&#237;az-Zorita, Jos&#233; &#193;ngel L&#243;pez Baena, Arturo &#193;lvarez Luque, Diego Rinc&#243;n Rodr&#237;guez, Ana Mar&#237;a Matilla Pe&#241;a"
          "autores" => array:8 [
            0 => array:2 [
              "nombre" => "Arturo"
              "apellidos" => "Col&#243;n Rodr&#237;guez"
            ]
            1 => array:2 [
              "nombre" => "Enrique"
              "apellidos" => "Velasco S&#225;nchez"
            ]
            2 => array:2 [
              "nombre" => "Luis"
              "apellidos" => "Rodr&#237;guez-Bachiller"
            ]
            3 => array:2 [
              "nombre" => "Benjam&#237;n"
              "apellidos" => "D&#237;az-Zorita"
            ]
            4 => array:2 [
              "nombre" => "Jos&#233; &#193;ngel"
              "apellidos" => "L&#243;pez Baena"
            ]
            5 => array:2 [
              "nombre" => "Arturo"
              "apellidos" => "&#193;lvarez Luque"
            ]
            6 => array:2 [
              "nombre" => "Diego"
              "apellidos" => "Rinc&#243;n Rodr&#237;guez"
            ]
            7 => array:2 [
              "nombre" => "Ana Mar&#237;a"
              "apellidos" => "Matilla Pe&#241;a"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "Traduccion" => array:1 [
      "en" => array:9 [
        "pii" => "S2444382422000979"
        "doi" => "10.1016/j.gastre.2021.07.002"
        "estado" => "S300"
        "subdocumento" => ""
        "abierto" => array:3 [
          "ES" => false
          "ES2" => false
          "LATM" => false
        ]
        "gratuito" => false
        "lecturas" => array:1 [
          "total" => 0
        ]
        "idiomaDefecto" => "en"
        "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2444382422000979?idApp=UINPBA00004N"
      ]
    ]
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210570521002247?idApp=UINPBA00004N"
    "url" => "/02105705/0000004500000006/v1_202205180628/S0210570521002247/v1_202205180628/es/main.assets"
  ]
  "es" => array:16 [
    "idiomaDefecto" => true
    "cabecera" => "<span class="elsevierStyleTextfn">Art&#237;culo especial</span>"
    "titulo" => "El papel emergente de la inteligencia artificial en la endoscopia gastrointestinal&#58; una revisi&#243;n de la literatura"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:2 [
        "paginaInicial" => "492"
        "paginaFinal" => "497"
      ]
    ]
    "autores" => array:1 [
      0 => array:4 [
        "autoresLista" => "Mar&#237;a Jos&#233; Aguilera-Chuchuca, Sergio A&#46; S&#225;nchez-Luna, Bego&#241;a Gonz&#225;lez Su&#225;rez, Kenneth Ernest-Su&#225;rez, Andres Gelrud, Tyler M&#46; Berzin"
        "autores" => array:6 [
          0 => array:4 [
            "nombre" => "Mar&#237;a Jos&#233;"
            "apellidos" => "Aguilera-Chuchuca"
            "email" => array:1 [
              0 => "tberzin@bidmc.harvard.edu"
            ]
            "referencia" => array:3 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">a</span>"
                "identificador" => "aff0005"
              ]
              1 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">b</span>"
                "identificador" => "aff0010"
              ]
              2 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">&#42;</span>"
                "identificador" => "cor0005"
              ]
            ]
          ]
          1 => array:3 [
            "nombre" => "Sergio A&#46;"
            "apellidos" => "S&#225;nchez-Luna"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">c</span>"
                "identificador" => "aff0015"
              ]
            ]
          ]
          2 => array:3 [
            "nombre" => "Bego&#241;a"
            "apellidos" => "Gonz&#225;lez Su&#225;rez"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">d</span>"
                "identificador" => "aff0020"
              ]
            ]
          ]
          3 => array:3 [
            "nombre" => "Kenneth"
            "apellidos" => "Ernest-Su&#225;rez"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">e</span>"
                "identificador" => "aff0025"
              ]
            ]
          ]
          4 => array:3 [
            "nombre" => "Andres"
            "apellidos" => "Gelrud"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">f</span>"
                "identificador" => "aff0030"
              ]
            ]
          ]
          5 => array:3 [
            "nombre" => "Tyler M&#46;"
            "apellidos" => "Berzin"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">a</span>"
                "identificador" => "aff0005"
              ]
            ]
          ]
        ]
        "afiliaciones" => array:6 [
          0 => array:3 [
            "entidad" => "Center for Advanced Endoscopy&#44; Beth Israel Deaconess Medical Center and Harvard Medical School&#44; Boston&#44; Massachusetts&#44; Estados Unidos"
            "etiqueta" => "a"
            "identificador" => "aff0005"
          ]
          1 => array:3 [
            "entidad" => "Division of Gastroenterology&#44; Hepatology &#38; Endoscopy&#44; Brigham and Women&#39;s Hospital&#44; Boston&#44; Massachusetts&#44; Estados Unidos"
            "etiqueta" => "b"
            "identificador" => "aff0010"
          ]
          2 => array:3 [
            "entidad" => "Basil I&#46; Hirschowitz Endoscopic Center of Excellence&#44; Division of Gastroenterology &#38; Hepatology&#44; The University of Alabama at Birmingham Heersink School of Medicine&#44; Birmingham&#44; Alabama&#44; Estados Unidos"
            "etiqueta" => "c"
            "identificador" => "aff0015"
          ]
          3 => array:3 [
            "entidad" => "Departamento de Gastroenterolog&#237;a&#44; Unidad de Endoscopia&#44; ICMDiM&#44; Hospital Cl&#237;nic&#44; Barcelona&#44; Espa&#241;a"
            "etiqueta" => "d"
            "identificador" => "aff0020"
          ]
          4 => array:3 [
            "entidad" => "Servicio de Gastroenterolog&#237;a&#44; Universidad de Costa Rica&#44; Hospital M&#233;xico&#44; Caja Costarricense de Seguro Social&#44; Costa Rica"
            "etiqueta" => "e"
            "identificador" => "aff0025"
          ]
          5 => array:3 [
            "entidad" => "Gastro Health and Miami Cancer Institute&#44; Baptist South&#44; Miami&#44; Florida&#44; Estados Unidos"
            "etiqueta" => "f"
            "identificador" => "aff0030"
          ]
        ]
        "correspondencia" => array:1 [
          0 => array:3 [
            "identificador" => "cor0005"
            "etiqueta" => "&#8270;"
            "correspondencia" => "Autor para correspondencia&#46;"
          ]
        ]
      ]
    ]
    "titulosAlternativos" => array:1 [
      "en" => array:1 [
        "titulo" => "The emerging role of artificial intelligence in gastrointestinal endoscopy&#58; A review"
      ]
    ]
    "resumenGrafico" => array:2 [
      "original" => 0
      "multimedia" => array:7 [
        "identificador" => "fig0005"
        "etiqueta" => "Figura 1"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr1.jpeg"
            "Alto" => 473
            "Ancho" => 1255
            "Tamanyo" => 106065
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">Detecci&#243;n de displasia de alto grado en un paciente con es&#243;fago de Barrett con el algoritmo CADe en tiempo real&#46;Cortes&#237;a de DocBot Inc<span class="elsevierStyleItalic">&#46;</span></p>"
        ]
      ]
    ]
    "textoCompleto" => "<span class="elsevierStyleSections"><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0005">Introducci&#243;n</span><p id="par0005" class="elsevierStylePara elsevierViewall">La inteligencia artificial &#40;IA&#41; se ha convertido en una de las herramientas tecnol&#243;gicas m&#225;s importantes y de mayor impacto en diversos aspectos de la salud&#44; incluyendo el desempe&#241;o cl&#237;nico y el tratamiento m&#233;dico o quir&#250;rgico&#44; con el subsecuente incremento en la calidad de vida de los pacientes<a class="elsevierStyleCrossRef" href="#bib0130"><span class="elsevierStyleSup">1</span></a>&#46; Se trata de un software constituido por complejos algoritmos dise&#241;ados para aprender de una gran cantidad de datos y&#44; a la vez&#44; actualizarse de manera autom&#225;tica&#46; Su prop&#243;sito es ayudar a los m&#233;dicos a interpretar im&#225;genes&#44; mejorar el flujo de trabajo y reducir los errores m&#233;dicos<a class="elsevierStyleCrossRef" href="#bib0135"><span class="elsevierStyleSup">2</span></a>&#46;</p><p id="par0010" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Machine learning</span> &#40;ML&#41; es un sistema de aprendizaje computacional que&#44; una vez entrenados para realizar una tarea en espec&#237;fico&#44; se centra en la capacidad de inferir y aprender de estos algoritmos inform&#225;ticos para as&#237; realizar predicciones de un conjunto de datos nuevos&#46; Tiene la habilidad de aprender y mejorar autom&#225;ticamente a partir de cada experiencia sin ser programados expl&#237;citamente<a class="elsevierStyleCrossRefs" href="#bib0130"><span class="elsevierStyleSup">1&#44;3</span></a>&#46;</p><p id="par0015" class="elsevierStylePara elsevierViewall">El aprendizaje profundo&#44; o <span class="elsevierStyleItalic">deep learning</span>&#44; es una forma avanzada y compleja de ML estructurado con diferentes niveles de algoritmos espec&#237;ficos denominados redes neuronales convolucionales &#40;<span class="elsevierStyleItalic">convolutional neural network</span> &#91;CNN&#47;ConvNet&#93;&#41; que brindan una poderosa predicci&#243;n de datos proporcionados<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">4</span></a>&#46; Estas redes pueden aprender las caracter&#237;sticas de las im&#225;genes basadas en im&#225;genes acumuladas que&#44; al procesarse de manera autom&#225;tica y r&#225;pida&#44; pueden ser especialmente valiosas en la medicina cl&#237;nica para el an&#225;lisis de im&#225;genes m&#233;dicas y en el diagn&#243;stico basado en im&#225;genes<a class="elsevierStyleCrossRefs" href="#bib0140"><span class="elsevierStyleSup">3&#44;5&#44;6</span></a>&#46;</p></span><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0010">Aplicaciones endosc&#243;picas por IA en Gastroenterolog&#237;a</span><p id="par0020" class="elsevierStylePara elsevierViewall">La esofagogastroduodenoscopia&#44; junto con la colonoscopia&#44; son los procedimientos m&#225;s com&#250;nmente realizados por los gastroenter&#243;logos&#44; siendo estos extremadamente operadores dependientes<a class="elsevierStyleCrossRef" href="#bib0160"><span class="elsevierStyleSup">7</span></a>&#46; Esto significa que una endoscopia de alta calidad depender&#225; de ciertas variables&#44; como&#44; por ejemplo&#44; el tiempo empleado durante el procedimiento&#44; adem&#225;s del entrenamiento y de la t&#233;cnica del endoscopista para reconocer ciertas patolog&#237;as&#46; Es probable que estas variables en la pr&#225;ctica endosc&#243;pica perjudiquen el descubrimiento de patolog&#237;as<a class="elsevierStyleCrossRefs" href="#bib0140"><span class="elsevierStyleSup">3&#44;7</span></a>&#46; En los &#250;ltimos a&#241;os se han propuesto y desarrollado una amplia variedad de aplicaciones para los algoritmos de IA en endoscopia digestiva para as&#237; ayudar a garantizar procedimientos de alta calidad&#46;</p><p id="par0025" class="elsevierStylePara elsevierViewall">Las dos &#225;reas de la endoscopia en las que la IA se ha estudiado y desarrollado m&#225;s ampliamente son&#58; la detecci&#243;n asistida por ordenador &#40;CADe&#41; y el diagn&#243;stico asistido por ordenador &#40;CADx&#41;&#46; La primera se encarga de desarrollar algoritmos para detectar patolog&#237;as&#44; mientras que&#44; en el segundo caso&#44; los algoritmos se encuentran dirigidos principalmente a clasificar patolog&#237;as&#44; correctamente mediante biopsia &#243;ptica y caracterizaci&#243;n de lesiones<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">3</span></a>&#46;</p><p id="par0030" class="elsevierStylePara elsevierViewall">El uso de CADx ha atra&#237;do una mayor atenci&#243;n debido a su utilidad en la colonoscopia&#46; Se ha demostrado que permite la clasificaci&#243;n histol&#243;gica de p&#243;lipos de colon sin necesidad de tomar biopsias&#46; Se trata de realizar una biopsia &#243;ptica basada en la cantidad de microestructuras superficiales que reflejan las caracter&#237;sticas histol&#243;gicas de una lesi&#243;n&#46; Este procedimiento ayuda al endoscopista a &#171;resecar y desechar&#187; los p&#243;lipos en cada situaci&#243;n sin necesidad de tomar una muestra y realizar an&#225;lisis histol&#243;gico&#46; En la <a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a> se describen ejemplos de modelos IA disponibles<a class="elsevierStyleCrossRef" href="#bib0165"><span class="elsevierStyleSup">8</span></a>&#46;</p><elsevierMultimedia ident="tbl0005"></elsevierMultimedia></span><span id="sec0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0015">C&#225;ncer de es&#243;fago y es&#243;fago de Barrett</span><p id="par0035" class="elsevierStylePara elsevierViewall">El adenocarcinoma de es&#243;fago generalmente se diagnostica en una etapa avanzada&#44; cuando ya tiene un mal pron&#243;stico&#46; Por este motivo&#44; el adecuado seguimiento del es&#243;fago de Barrett y la erradicaci&#243;n de lesiones displ&#225;sicas y neopl&#225;sicas tempranas asociadas son la clave para prevenir la transformaci&#243;n a adenocarcinoma&#44; dado que en la actualizad disponemos de tratamientos m&#237;nimamente invasivos con alto &#237;ndice curativo<a class="elsevierStyleCrossRef" href="#bib0170"><span class="elsevierStyleSup">9</span></a>&#46;</p><p id="par0040" class="elsevierStylePara elsevierViewall">Actualmente el cribado se basa en la visualizaci&#243;n endosc&#243;pica directa junto con biopsias guiadas o aleatorias&#46; La displasia dentro del es&#243;fago de Barrett puede ser dif&#237;cil de identificar&#44; lo que resulta en una baja sensibilidad de las muestras de biopsia&#44; a pesar de los protocolos estandarizados&#44; por lo que se considera relativamente ineficiente&#44; ya que requiere mucho tiempo y proporciona una baja tasa de diagn&#243;sticos certeros&#46;</p><p id="par0045" class="elsevierStylePara elsevierViewall">El papel de la IA en la evaluaci&#243;n del es&#243;fago de Barrett se enfoca en mejorar el cribado de adenocarcinoma de es&#243;fago&#46; El uso conjunto de IA con t&#233;cnicas avanzadas de imagen&#44; como la endomicroscopia l&#225;ser volum&#233;trica &#40;VLE&#41;&#44; la luz blanca endosc&#243;pica y endomicroscopia con l&#225;ser confocal&#44; han demostrado altas m&#233;tricas de rendimiento en comparaci&#243;n con endoscopistas expertos&#44; mejorando as&#237; la sensibilidad y la rapidez del procedimiento&#46; Esto ayuda a los endoscopistas a realizar biopsias dirigidas con mayor precisi&#243;n y elimina la necesidad de realizar biopsias aleatorias&#44; las cuales tienen una sensibilidad relativamente baja&#44; alrededor del 64&#37; para la detecci&#243;n de displasia<a class="elsevierStyleCrossRefs" href="#bib0140"><span class="elsevierStyleSup">3&#44;10</span></a>&#46; La IA ha demostrado tener sensibilidades superiores al 90&#37; y especificidades superiores al 80&#37; en el diagn&#243;stico del adenocarcinoma de es&#243;fago precoz&#44; con apariencia endosc&#243;pica muy sutil<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">3</span></a>&#46; Los sistemas de IA son capaces de detectar lesiones precancerosas y formas tempranas de carcinoma de c&#233;lulas escamosas de es&#243;fago incluso con un tama&#241;o inferior 10<span class="elsevierStyleHsp" style=""></span>mm&#44; con una sensibilidad del 98&#44;04&#37; y una especificidad del 95&#44;03&#37;<a class="elsevierStyleCrossRefs" href="#bib0140"><span class="elsevierStyleSup">3&#44;11</span></a>&#46; En la <a class="elsevierStyleCrossRef" href="#fig0005">figura 1</a> se demuestra displasia severa en un segmento de es&#243;fago de Barret&#46;</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia></span><span id="sec0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0020">C&#225;ncer g&#225;strico</span><p id="par0050" class="elsevierStylePara elsevierViewall">La detecci&#243;n del c&#225;ncer g&#225;strico se lleva a cabo principalmente mediante la realizaci&#243;n de una endoscopia digestiva alta&#59; una predicci&#243;n precisa basada en im&#225;genes endosc&#243;picas es importante para crear una mejor estrategia de manejo para el paciente&#46;</p><p id="par0055" class="elsevierStylePara elsevierViewall">Por este motivo es primordial determinar la profundidad de invasi&#243;n para indicar la mejor estrategia de manejo&#59; sin embargo&#44; la precisi&#243;n general de la endoscopia convencional para definir invasi&#243;n es insuficiente &#40;69-79&#37;&#41;<a class="elsevierStyleCrossRef" href="#bib0185"><span class="elsevierStyleSup">12</span></a>&#46;</p><p id="par0060" class="elsevierStylePara elsevierViewall">Actualmente los sistemas de IA han demostrado ser &#250;tiles en el diagn&#243;stico del c&#225;ncer g&#225;strico con una gran precisi&#243;n&#44; detectando los puntos ciegos y las lesiones menores de 5<span class="elsevierStyleHsp" style=""></span>mm&#59; de esta manera discrimina &#225;reas malignas de &#225;reas no cancerosas en el est&#243;mago&#44; implementado con ello una importante mejora en la calidad del cribado de c&#225;ncer g&#225;strico&#46; De la misma manera&#44; la IA es &#250;til en la evaluaci&#243;n de la profundidad de invasi&#243;n del c&#225;ncer g&#225;strico&#44; diferenciando las lesiones que invaden m&#225;s de 500<span class="elsevierStyleHsp" style=""></span>&#956;m de la submucosa de aquellas m&#225;s superficiales<a class="elsevierStyleCrossRefs" href="#bib0140"><span class="elsevierStyleSup">3&#44;12&#44;13</span></a>&#46;</p><p id="par0065" class="elsevierStylePara elsevierViewall">En un estudio reciente realizado por Mori et al&#46;<a class="elsevierStyleCrossRef" href="#bib0195"><span class="elsevierStyleSup">14</span></a>&#44; en el cual se evaluaron 790 im&#225;genes de diferentes pacientes con c&#225;ncer g&#225;strico&#44; la IA present&#243; una sensibilidad del 76&#37; y una especificidad del 96&#37; en la identificaci&#243;n de c&#225;nceres m&#225;s profundos&#44; con respecto a la inspecci&#243;n visual realizada por endoscopistas&#46; Similares resultados fueron reportados en paralelo en el estudio de Zhu et al&#46;<a class="elsevierStyleCrossRef" href="#bib0185"><span class="elsevierStyleSup">12</span></a>&#46;</p></span><span id="sec0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0025">Identificaci&#243;n de infecci&#243;n por <span class="elsevierStyleItalic">Helicobacter pylori</span></span><p id="par0070" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Helicobacter pylori</span> ha demostrado estar asociado al c&#225;ncer g&#225;strico al inducir atrofia de la mucosa g&#225;strica adem&#225;s de metaplasia intestinal&#46; La gastroscopia es &#250;til para mejorar la precisi&#243;n diagn&#243;stica de la gastritis asociada a <span class="elsevierStyleItalic">H&#46;</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">pylori</span>&#44; aunque tiene una sensibilidad del 62&#37; y una especificidad del 89&#37;<a class="elsevierStyleCrossRef" href="#bib0200"><span class="elsevierStyleSup">15</span></a>&#46; La IA es una herramienta de apoyo en la toma de decisiones relacionadas con el diagn&#243;stico de la infecci&#243;n por <span class="elsevierStyleItalic">H&#46;</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">pylori</span>&#46; Shichijo et al&#46;<a class="elsevierStyleCrossRef" href="#bib0205"><span class="elsevierStyleSup">16</span></a> desarrollaron un algoritmo CNN profundo de 22 capas para predecir la infecci&#243;n por <span class="elsevierStyleItalic">H&#46;</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">pylori</span> durante la gastroscopia y compararon su precisi&#243;n diagn&#243;stica con la de endoscopistas&#46; La sensibilidad&#44; la especificidad y la precisi&#243;n de la CNN fueron del 81&#44;9&#44; del 83&#44;4 y del 83&#44;1&#37;&#44; respectivamente&#46; Asimismo&#44; Nakashima et al&#46;<a class="elsevierStyleCrossRef" href="#bib0175"><span class="elsevierStyleSup">10</span></a> crearon un sistema de IA para diagnosticar <span class="elsevierStyleItalic">H&#46;</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">pylori</span> utilizando im&#225;genes brillantes con l&#225;ser azul e im&#225;genes en color vinculadas&#44; demostrando cifras de sensibilidad del 96&#44;7 y del 96&#44;7&#37;&#44; respectivamente&#44; para este modelo&#44; adecuadas para su introducci&#243;n en la pr&#225;ctica cl&#237;nica&#46;</p></span><span id="sec0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0030">C&#225;psula endosc&#243;pica</span><p id="par0075" class="elsevierStylePara elsevierViewall">La c&#225;psula endosc&#243;pica es una t&#233;cnica desarrollada con el objetivo de obtener im&#225;genes endosc&#243;picas de todo el intestino delgado para detectar y diagnosticar las diferentes patolog&#237;as&#46; La interpretaci&#243;n de las im&#225;genes obtenidas es un desaf&#237;o para la mayor&#237;a de los gastroenter&#243;logos&#44; debido a que requiere un alto nivel de concentraci&#243;n y dedicaci&#243;n<a class="elsevierStyleCrossRefs" href="#bib0170"><span class="elsevierStyleSup">9&#44;11</span></a>&#46;</p><p id="par0080" class="elsevierStylePara elsevierViewall">La inteligencia artificial&#44; espec&#237;ficamente la visi&#243;n por ordenador y las metodolog&#237;as de aprendizaje autom&#225;tico&#44; utilizan algoritmos centrados fundamentalmente en la detecci&#243;n de hemorragia y lesiones&#44; disminuci&#243;n del tiempo de visualizaci&#243;n&#44; localizaci&#243;n de la posici&#243;n de la c&#225;psula en el intestino delgado y&#47;o mejoras en la calidad del v&#237;deo&#46; Con todas estas herramientas se ayuda a los m&#233;dicos a leer e interpretar im&#225;genes&#44; mejorando su eficiencia y su precisi&#243;n diagn&#243;stica<a class="elsevierStyleCrossRefs" href="#bib0140"><span class="elsevierStyleSup">3&#44;17</span></a>&#46;</p><p id="par0085" class="elsevierStylePara elsevierViewall">Los algoritmos de diagn&#243;stico asistido por ordenador ayudan a incrementar la precisi&#243;n del diagn&#243;stico mediante la clasificaci&#243;n de anomal&#237;as&#46; Las caracter&#237;sticas de las im&#225;genes obtenidas endosc&#243;picamente se pueden clasificar utilizando algoritmos de aprendizaje autom&#225;tico&#44; como una m&#225;quina de vectores de soporte&#44; una red neuronal o un clasificador binario<a class="elsevierStyleCrossRef" href="#bib0210"><span class="elsevierStyleSup">17</span></a>&#46; La herramienta m&#225;s eficaz realizada en el diagn&#243;stico asistido por ordenador ha sido la identificaci&#243;n de hemorragia del intestino delgado&#46; Este sistema de IA utiliza la extracci&#243;n de caracter&#237;sticas basada en colores&#44; utilizando proporciones de los valores de intensidad de las im&#225;genes en el dominio de rojo&#44; verde y azul&#44; o bien tono&#44; saturaci&#243;n e intensidad&#44; para ayudar a distinguir los segmentos intestinales que contienen o no restos hem&#225;ticos<a class="elsevierStyleCrossRef" href="#bib0170"><span class="elsevierStyleSup">9</span></a>&#46;</p><p id="par0090" class="elsevierStylePara elsevierViewall">Leenhardt et al&#46;<a class="elsevierStyleCrossRef" href="#bib0215"><span class="elsevierStyleSup">18</span></a> reportaron el uso de redes neuronales convolucionales para mejorar la detecci&#243;n de angiectasias gastrointestinales en el intestino delgado identificadas con c&#225;psula endosc&#243;pica inal&#225;mbrica&#46; La sensibilidad y la especificidad del algoritmo de diagn&#243;stico asistido por ordenador fueron del 100 y del 96&#37;&#44; respectivamente&#44; para la detecci&#243;n de estas ectasias vasculares&#46; Por otro lado&#44; Tsuboi et al&#46;<a class="elsevierStyleCrossRef" href="#bib0220"><span class="elsevierStyleSup">19</span></a>&#44; despu&#233;s de entrenar un sistema de red neuronal convolucional profundo basado en 2&#46;237 im&#225;genes de c&#225;psula endosc&#243;pica de angiectasias&#44; encontraron que ten&#237;a una sensibilidad y una especificidad del 98&#44;8 y del 98&#44;4&#37;&#44; respectivamente&#46; En cuanto a su efectividad en la detecci&#243;n de p&#243;lipos&#44; Saito et al&#46;<a class="elsevierStyleCrossRef" href="#bib0155"><span class="elsevierStyleSup">6</span></a> entrenaron una red neuronal convolucional profunda&#58; utilizando 30&#46;584 im&#225;genes de c&#225;psula endosc&#243;pica de lesiones protuberantes de 292 pacientes&#44; las usaron como un conjunto de datos de im&#225;genes de entrenamiento&#46; Un total de 17&#46;507 im&#225;genes de 93 pacientes se utilizaron para probar la CNN&#46; La sensibilidad y la especificidad de las redes neuronales convencionales fueron del 90&#44;7&#37; &#40;IC<span class="elsevierStyleHsp" style=""></span>95&#37;&#58; 90&#44;0-91&#44;4&#37;&#41; y del 79&#44;8&#37; &#40;IC<span class="elsevierStyleHsp" style=""></span>95&#37;&#58; 79&#44;0-80&#44;6&#37;&#41;&#44; respectivamente&#46; En un an&#225;lisis de subgrupos de la categor&#237;a de lesiones protuberantes&#44; como p&#243;lipos&#44; n&#243;dulos&#44; tumores epiteliales&#44; tumores submucosos y estructuras venosas&#44; las sensibilidades fueron del 86&#44;5&#44; del 92&#44;0&#44; del 95&#44;8&#44; del 77&#44;0 y del 94&#44;4&#37;&#44; respectivamente&#46;</p><p id="par0095" class="elsevierStylePara elsevierViewall">Aunque estos sistemas tienen el potencial de ser un excelente m&#233;todo de detecci&#243;n identificando &#225;reas de sangrado y&#47;o lesiones vasculares y neopl&#225;sicas&#44; a&#250;n tiene margen de mejora y son necesarios m&#225;s estudios para lograr un mejor rendimiento diagn&#243;stico&#46;</p></span><span id="sec0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0035">Detecci&#243;n de p&#243;lipos colorrectales</span><p id="par0100" class="elsevierStylePara elsevierViewall">El c&#225;ncer colorrectal es una de las principales causas de muerte en todo el mundo&#46; La colonoscopia es la t&#233;cnica de elecci&#243;n para prevenir el c&#225;ncer colorrectal&#44; cuya incidencia se puede reducir mediante la detecci&#243;n y la resecci&#243;n de adenomas&#46; Sin embargo&#44; est&#225; descrito que la tasa de detecci&#243;n de lesiones var&#237;a entre endoscopistas&#44; con un porcentaje de p&#233;rdida de hasta el 27&#37; debido a factores relacionados con las propias caracter&#237;sticas del p&#243;lipo y del operador<a class="elsevierStyleCrossRef" href="#bib0165"><span class="elsevierStyleSup">8</span></a>&#46; Esta reducci&#243;n en la detecci&#243;n de lesiones aumenta las posibilidades posteriores de progresi&#243;n de la lesi&#243;n a un c&#225;ncer colorrectal&#46; Por cada aumento del 1&#44;0&#37; en la tasa de detecci&#243;n de adenomas hay una disminuci&#243;n asociada del 3&#44;0&#37; en el riesgo de c&#225;ncer colorrectal de intervalo<a class="elsevierStyleCrossRefs" href="#bib0130"><span class="elsevierStyleSup">1&#44;9</span></a>&#46;</p><p id="par0105" class="elsevierStylePara elsevierViewall">Los sistemas de IA y el aprendizaje autom&#225;tico&#44; espec&#237;ficamente dentro del &#225;mbito del <span class="elsevierStyleItalic">deep learning</span>&#44; han llevado al desarrollo de programas de detecci&#243;n asistida por ordenador para ayudar a los endoscopistas en la detecci&#243;n de p&#243;lipos y adenomas durante la colonoscopia&#44; fundamentalmente centrados en la detecci&#243;n de lesiones planas o peque&#241;as<a class="elsevierStyleCrossRef" href="#bib0225"><span class="elsevierStyleSup">20</span></a>&#46; El sistema de CADe utilizado en la <a class="elsevierStyleCrossRef" href="#fig0015">figura 2</a> es el Wision AI&#44; el cual ayuda al operador a localizar p&#243;lipos dif&#237;ciles de detectar por su tama&#241;o o localizaci&#243;n&#46;</p><elsevierMultimedia ident="fig0015"></elsevierMultimedia><p id="par0110" class="elsevierStylePara elsevierViewall">El metaan&#225;lisis de ensayos prospectivos publicado por Barua et al&#46;<a class="elsevierStyleCrossRef" href="#bib0225"><span class="elsevierStyleSup">20</span></a> mostr&#243; que la colonoscopia con IA aumentaba las tasas de detecci&#243;n de adenomas &#40;tasa del 29&#44;6&#37; &#91;IC<span class="elsevierStyleHsp" style=""></span>95&#37;&#58; 22&#44;2-37&#44;0&#93;&#41; y de p&#243;lipos en comparaci&#243;n con la colonoscopia sin IA &#40;tasa del 19&#44;3&#37; &#91;IC<span class="elsevierStyleHsp" style=""></span>95&#37;&#58; 12&#44;7-25&#44;9&#93;&#41;&#46; Otro estudio realizado por Wang et al&#46;<a class="elsevierStyleCrossRef" href="#bib0210"><span class="elsevierStyleSup">17</span></a> demostr&#243; que el sistema autom&#225;tico de detecci&#243;n de p&#243;lipos en tiempo real aumenta significativamente la detecci&#243;n de la tasa de adenomas &#40;29&#44;1&#37; frente al 20&#44;3&#37;&#44; p<span class="elsevierStyleHsp" style=""></span>&#60;<span class="elsevierStyleHsp" style=""></span>0&#44;001&#41;&#46; Min et al&#46; crearon un sistema CADx para predecir p&#243;lipos adenomatosos frente a histolog&#237;a de p&#243;lipos no adenomatosos utilizando im&#225;genes en color&#46; Este sistema alcanz&#243; una sensibilidad del 83&#44;3&#37;&#44; una especificidad del 70&#44;1&#37; y una precisi&#243;n del 78&#44;4&#37;<a class="elsevierStyleCrossRef" href="#bib0180"><span class="elsevierStyleSup">11</span></a>&#44; demostrando que el sistema CADe puede combinarse con un sistema CADx para respaldar la estrategia de detecci&#243;n y diagn&#243;stico de p&#243;lipos hiperpl&#225;sicos que no requieran polipectom&#237;as para mejorar as&#237; el flujo y la carga de trabajo a los endoscopistas&#44; as&#237; tambi&#233;n como a los pat&#243;logos&#46;</p></span><span id="sec0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0040">Ultrasonido endosc&#243;pico</span><p id="par0115" class="elsevierStylePara elsevierViewall">El ultrasonido endosc&#243;pico &#40;UE&#41; se estableci&#243; como una herramienta importante para el diagn&#243;stico y el tratamiento de enfermedades del sistema digestivo&#44; pero tiene algunas limitaciones&#44; como por ejemplo la interpretaci&#243;n de las im&#225;genes<a class="elsevierStyleCrossRef" href="#bib0255"><span class="elsevierStyleSup">21</span></a>&#46; El procesamiento y el an&#225;lisis de im&#225;genes de UE utilizando CAD relacionado con la IA &#40;IA-CAD&#41; pueden superar esas limitaciones<a class="elsevierStyleCrossRef" href="#bib0235"><span class="elsevierStyleSup">22</span></a>&#46;</p><p id="par0120" class="elsevierStylePara elsevierViewall">Los datos de CNN basados en UE a&#250;n son limitados&#44; pero hay algunos estudios que han demostrado resultados positivos con su uso&#46; En el estudio&#44; realizado por Chang et al&#46; donde desarrollaron una UE-CNN para discriminar tumores subepiteliales g&#225;stricos en im&#225;genes de UE&#44; distinguiendo GIST del leiomioma&#44; se logr&#243; un AUC por imagen de 0&#44;9234&#44; con una sensibilidad correspondiente del 95&#44;6&#37; y una especificidad del 82&#44;1&#37;&#44; y un AUC por paciente de 0&#44;9929&#44; con una sensibilidad correspondiente del 100&#44;0&#37; y una especificidad del 85&#44;7&#37;<a class="elsevierStyleCrossRef" href="#bib0245"><span class="elsevierStyleSup">23</span></a>&#46; Estos resultados podr&#237;an deberse a la capacidad de la UE-CNN para analizar im&#225;genes a nivel de p&#237;xeles&#44; lo que es dif&#237;cil de lograr para los humanos&#46; En otro estudio&#44; Minoda et al&#46;<a class="elsevierStyleCrossRef" href="#bib0235"><span class="elsevierStyleSup">22</span></a> obtuvieron resultados similares&#44; concluyendo que la UE-AI tiene un alto rendimiento de predicci&#243;n de GIST y una buena predicci&#243;n para el diagn&#243;stico de tumores subepiteliales g&#225;stricos<a class="elsevierStyleCrossRef" href="#bib0245"><span class="elsevierStyleSup">23</span></a>&#46; Todav&#237;a se est&#225;n investigando otros usos de la IA en la UE&#44; como la UE elastograf&#237;a&#44; la UE con contraste y la aspiraci&#243;n con aguja fina guiada&#44; pero aunque los resultados sugieren ser positivos para evaluar patolog&#237;as tanto benignas como malignas&#44; a&#250;n se requieren m&#225;s estudios<a class="elsevierStyleCrossRef" href="#bib0255"><span class="elsevierStyleSup">21</span></a>&#46;</p></span><span id="sec0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0045">Costes para los sistemas de salud</span><p id="par0125" class="elsevierStylePara elsevierViewall">La AI se ha implementado de forma efectiva en diferentes t&#233;cnicas endosc&#243;picas&#46; No obstante&#44; pese a que se espera que se acompa&#241;e de una disminuci&#243;n en los costes&#44; la evidencia en este momento es escasa&#46; Un &#250;nico estudio en la literatura&#44; publicado por Mori et al&#46;<a class="elsevierStyleCrossRef" href="#bib0250"><span class="elsevierStyleSup">24</span></a>&#44; aborda este tema&#44; donde se calcularon los costos de colonoscopia al aplicar una estrategia de diagnosticar con AI y no resecar p&#243;lipos diminutos definidos como no neopl&#225;sicos&#44; o bien el abordaje de resecar todos los p&#243;lipos identificados&#46; En 207 pacientes con 250 p&#243;lipos diminutos localizados en recto y colon sigmoide&#44; utilizando la primera estrategia se demostr&#243; reducir el coste de procedimientos en el 18&#44;9&#44; el 6&#44;9&#44; el 7&#44;6 y el 10&#44;9&#37; en Jap&#243;n&#44; Inglaterra&#44; Noruega y Estados Unidos&#44; respectivamente&#44; en comparaci&#243;n con el segundo tipo de abordaje&#46;</p></span><span id="sec0050" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0050">Conclusi&#243;n</span><p id="par0130" class="elsevierStylePara elsevierViewall">Los algoritmos de la IA aparecieron inicialmente con el objetivo de limitar la variabilidad interoperadores&#44; evitar errores humanos y disminuir fallos diagn&#243;sticos&#46; De esta manera conducen a un aumentando en la productividad&#44; de la capacidad y de la calidad diagn&#243;stica&#44; as&#237; como a la realizaci&#243;n de una forma de trabajo m&#225;s eficiente que impacta de manera positiva en el cuidado del paciente&#46; En el campo de la endoscopia digestiva la IA ha progresado mucho en los &#250;ltimos a&#241;os&#44; destacando su potencial impacto en la mejora de la calidad de la misma en diferentes aspectos&#46;</p><p id="par0135" class="elsevierStylePara elsevierViewall">El futuro de la IA es prometedor&#44; ya que existen m&#250;ltiples estudios que demuestran que permite mejorar la tasa de detecci&#243;n de numerosas patolog&#237;as&#44; como la identificaci&#243;n de lesiones polipoideas&#44; la detecci&#243;n de c&#225;nceres gastrointestinales&#44; de &#225;reas de hemorragia del intestino delgado&#44; e incluso la identificaci&#243;n endosc&#243;pica de <span class="elsevierStyleItalic">H&#46;</span><span class="elsevierStyleHsp" style=""></span><span class="elsevierStyleItalic">pylori</span>&#46;</p><p id="par0140" class="elsevierStylePara elsevierViewall">A pesar de todos estos avances&#44; todav&#237;a existen retos en cuanto a su aplicaci&#243;n en la pr&#225;ctica cl&#237;nica&#46; Se necesitan ensayos cl&#237;nicos prospectivos de alta calidad para evaluar el verdadero impacto cl&#237;nico y de costos para los sistemas de salud&#46; Adem&#225;s&#44; es posible que se requieran muchas m&#225;s im&#225;genes endosc&#243;picas para la base de datos y mejorar as&#237; los modelos continuamente a trav&#233;s de actualizaciones peri&#243;dicas&#44; y de esta manera lograr un desempe&#241;o confiable en el entorno cl&#237;nico&#46; Creemos que esta nueva tecnolog&#237;a para la endoscopia podr&#237;a implementarse a gran escala en la pr&#225;ctica cl&#237;nica en un futuro pr&#243;ximo&#46;</p></span><span id="sec0055" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0055">Financiaci&#243;n</span><p id="par0145" class="elsevierStylePara elsevierViewall">Estudio no financiado&#46;</p></span><span id="sec0060" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0060">Autor&#237;a</span><p id="par0150" class="elsevierStylePara elsevierViewall">Todos los autores han contribuido equitativamente a este trabajo&#46;</p></span><span id="sec0065" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0065">Conflicto de intereses</span><p id="par0155" class="elsevierStylePara elsevierViewall">Kenneth Ernest-Su&#225;rez es consultor para Janssen&#44; Pfizer&#44; Astra Zeneca&#44; Ferring y Sandoz&#46;</p><p id="par0160" class="elsevierStylePara elsevierViewall">Tyler M&#46; Berzin ha actuado como consultor para Wision AI&#44; Mangentiq Eye&#44; Docbot&#44; Endovigilant y Medtronic&#46;</p><p id="par0165" class="elsevierStylePara elsevierViewall">Los autores restantes no tienen ning&#250;n conflicto de intereses que declarar&#46;</p></span></span>"
    "textoCompletoSecciones" => array:1 [
      "secciones" => array:14 [
        0 => array:2 [
          "identificador" => "sec0005"
          "titulo" => "Introducci&#243;n"
        ]
        1 => array:2 [
          "identificador" => "sec0010"
          "titulo" => "Aplicaciones endosc&#243;picas por IA en Gastroenterolog&#237;a"
        ]
        2 => array:2 [
          "identificador" => "sec0015"
          "titulo" => "C&#225;ncer de es&#243;fago y es&#243;fago de Barrett"
        ]
        3 => array:2 [
          "identificador" => "sec0020"
          "titulo" => "C&#225;ncer g&#225;strico"
        ]
        4 => array:2 [
          "identificador" => "sec0025"
          "titulo" => "Identificaci&#243;n de infecci&#243;n por Helicobacter pylori"
        ]
        5 => array:2 [
          "identificador" => "sec0030"
          "titulo" => "C&#225;psula endosc&#243;pica"
        ]
        6 => array:2 [
          "identificador" => "sec0035"
          "titulo" => "Detecci&#243;n de p&#243;lipos colorrectales"
        ]
        7 => array:2 [
          "identificador" => "sec0040"
          "titulo" => "Ultrasonido endosc&#243;pico"
        ]
        8 => array:2 [
          "identificador" => "sec0045"
          "titulo" => "Costes para los sistemas de salud"
        ]
        9 => array:2 [
          "identificador" => "sec0050"
          "titulo" => "Conclusi&#243;n"
        ]
        10 => array:2 [
          "identificador" => "sec0055"
          "titulo" => "Financiaci&#243;n"
        ]
        11 => array:2 [
          "identificador" => "sec0060"
          "titulo" => "Autor&#237;a"
        ]
        12 => array:2 [
          "identificador" => "sec0065"
          "titulo" => "Conflicto de intereses"
        ]
        13 => array:1 [
          "titulo" => "Bibliograf&#237;a"
        ]
      ]
    ]
    "pdfFichero" => "main.pdf"
    "tienePdf" => true
    "fechaRecibido" => "2021-06-21"
    "fechaAceptado" => "2021-11-07"
    "multimedia" => array:3 [
      0 => array:7 [
        "identificador" => "fig0005"
        "etiqueta" => "Figura 1"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr1.jpeg"
            "Alto" => 473
            "Ancho" => 1255
            "Tamanyo" => 106065
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0005" class="elsevierStyleSimplePara elsevierViewall">Detecci&#243;n de displasia de alto grado en un paciente con es&#243;fago de Barrett con el algoritmo CADe en tiempo real&#46;Cortes&#237;a de DocBot Inc<span class="elsevierStyleItalic">&#46;</span></p>"
        ]
      ]
      1 => array:7 [
        "identificador" => "fig0015"
        "etiqueta" => "Figura 2"
        "tipo" => "MULTIMEDIAFIGURA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "figura" => array:1 [
          0 => array:4 [
            "imagen" => "gr2.jpeg"
            "Alto" => 595
            "Ancho" => 805
            "Tamanyo" => 91344
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Im&#225;genes endosc&#243;picas captadas por el sistema de detecci&#243;n autom&#225;tica de p&#243;lipos&#44; o CADe &#40;por sus siglas en ingl&#233;s&#41; donde se visualizan p&#243;lipos col&#243;nicos resaltados en la pantalla por un cuadro azul que indica su ubicaci&#243;n&#46; A&#41;<span class="elsevierStyleHsp" style=""></span>P&#243;lipo de 3<span class="elsevierStyleHsp" style=""></span>mm&#44; IIA seg&#250;n la clasificaci&#243;n de Par&#237;s&#46; B&#41;<span class="elsevierStyleHsp" style=""></span>P&#243;lipo de 5<span class="elsevierStyleHsp" style=""></span>mm&#44; IS seg&#250;n la clasificaci&#243;n de Par&#237;s&#46;Im&#225;genes cortes&#237;a del Dr&#46; Tyler Berzin&#44; Co-director del Departamento de Endoscopia Avanzada en el Beth Israel Deaconess Medical Center&#46;</p>"
        ]
      ]
      2 => array:8 [
        "identificador" => "tbl0005"
        "etiqueta" => "Tabla 1"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "detalles" => array:1 [
          0 => array:3 [
            "identificador" => "at1"
            "detalle" => "Tabla "
            "rol" => "short"
          ]
        ]
        "tabla" => array:1 [
          "tablatextoimagen" => array:1 [
            0 => array:2 [
              "tabla" => array:1 [
                0 => """
                  <table border="0" frame="\n
                  \t\t\t\t\tvoid\n
                  \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Sistemas de inteligencia artificial&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Compa&#241;&#237;as&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Tipo&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th><th class="td" title="\n
                  \t\t\t\t\ttable-head\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t" scope="col" style="border-bottom: 2px solid black">Funci&#243;n&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">ENDO-AID&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Olympus&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">CADe&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Detecci&#243;n de posibles lesiones como p&#243;lipos col&#243;nicos&#44; neoplasias malignas y adenomas&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">The GI Genius&#8482;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Medtronic&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">CADe&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Wision AI&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Shanghai Wision AI Co&#46;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">CADe&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Discovery&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Pentax Medical&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">CADe&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">ME-APDS&#8482;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Magentig Eye LTD&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">CADe&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Ultivision&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Docbot&#44; Inc&#46;&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">CADe&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">EndoBRAIN-EYE&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Cybernet&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">CADe&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">EndoAngel&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Wuhan EndoAngel Medical Technology Company&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">CADe&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">CAD EYE&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Fujifilm&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">CADe-CADx&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">Detecci&#243;n y diagn&#243;stico en tiempo real de la histolog&#237;a de las lesiones gastrointestinales&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">CADDIE&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">OdinVision&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="left" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">CADe-CADx&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td><td class="td" title="\n
                  \t\t\t\t\ttable-entry\n
                  \t\t\t\t  " align="" valign="\n
                  \t\t\t\t\ttop\n
                  \t\t\t\t">&nbsp;\t\t\t\t\t\t\n
                  \t\t\t\t</td></tr></tbody></table>
                  """
              ]
              "imagenFichero" => array:1 [
                0 => "xTab2907054.png"
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "<p id="spar0025" class="elsevierStyleSimplePara elsevierViewall">Ejemplos de sistemas de inteligencia artificial</p>"
        ]
      ]
    ]
    "bibliografia" => array:2 [
      "titulo" => "Bibliograf&#237;a"
      "seccion" => array:1 [
        0 => array:2 [
          "identificador" => "bibs0015"
          "bibliografiaReferencia" => array:24 [
            0 => array:3 [
              "identificador" => "bib0130"
              "etiqueta" => "1"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence in gastrointestinal endoscopy&#58; The future is almost here"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:4 [
                            0 => "M&#46; Alagappan"
                            1 => "J&#46;R&#46;G&#46; Brown"
                            2 => "Y&#46; Mori"
                            3 => "T&#46;M&#46; Berzin"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.4253/wjge.v10.i10.239"
                      "Revista" => array:6 [
                        "tituloSerie" => "World J Gastrointest Endosc&#46;"
                        "fecha" => "2018"
                        "volumen" => "10"
                        "paginaInicial" => "239"
                        "paginaFinal" => "249"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30364792"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            1 => array:3 [
              "identificador" => "bib0135"
              "etiqueta" => "2"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Position statement on priorities for artificial intelligence in GI endoscopy&#58; A report by the ASGE Task Force"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:6 [
                            0 => "T&#46;M&#46; Berzin"
                            1 => "S&#46; Parasa"
                            2 => "M&#46;B&#46; Wallace"
                            3 => "S&#46;A&#46; Gross"
                            4 => "A&#46; Repici"
                            5 => "P&#46; Sharma"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.gie.2020.06.035"
                      "Revista" => array:5 [
                        "tituloSerie" => "Gastrointest Endosc&#46;"
                        "fecha" => "2020"
                        "volumen" => "92"
                        "paginaInicial" => "951"
                        "paginaFinal" => "959"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            2 => array:3 [
              "identificador" => "bib0140"
              "etiqueta" => "3"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A primer on artificial intelligence and its application to endoscopy"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "D&#46; Chahal"
                            1 => "M&#46;F&#46; Byrne"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.gie.2020.04.074"
                      "Revista" => array:5 [
                        "tituloSerie" => "Gastrointest Endosc&#46;"
                        "fecha" => "2020"
                        "volumen" => "92"
                        "paginaInicial" => "813"
                        "paginaFinal" => "820&#46;e4"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            3 => array:3 [
              "identificador" => "bib0145"
              "etiqueta" => "4"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Review of computational methods for the detection and classification of polyps in colonoscopy imaging"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:5 [
                            0 => "C&#46; S&#225;nchez-Montes"
                            1 => "J&#46; Bernal"
                            2 => "A&#46; Garc&#237;a-Rodr&#237;guez"
                            3 => "H&#46; C&#243;rdova"
                            4 => "G&#46; Fern&#225;ndez-Esparrach"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.gastrohep.2019.11.004"
                      "Revista" => array:6 [
                        "tituloSerie" => "Gastroenterol Hepatol&#46;"
                        "fecha" => "2020"
                        "volumen" => "43"
                        "paginaInicial" => "222"
                        "paginaFinal" => "232"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32143918"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            4 => array:3 [
              "identificador" => "bib0150"
              "etiqueta" => "5"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "The potential for artificial intelligence in healthcare"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "T&#46; Davenport"
                            1 => "R&#46; Kalakota"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.7861/futurehosp.6-2-94"
                      "Revista" => array:6 [
                        "tituloSerie" => "Future Healthc J&#46;"
                        "fecha" => "2019"
                        "volumen" => "6"
                        "paginaInicial" => "94"
                        "paginaFinal" => "98"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31363613"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            5 => array:3 [
              "identificador" => "bib0155"
              "etiqueta" => "6"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Automatic detection and classification of protruding lesions in wireless capsule endoscopy images based on a deep convolutional neural network"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "H&#46; Saito"
                            1 => "T&#46; Aoki"
                            2 => "K&#46; Aoyama"
                            3 => "Y&#46; Kato"
                            4 => "A&#46; Tsuboi"
                            5 => "A&#46; Yamada"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.gie.2020.01.054"
                      "Revista" => array:5 [
                        "tituloSerie" => "Gastrointest Endosc&#46;"
                        "fecha" => "2020"
                        "volumen" => "92"
                        "paginaInicial" => "144"
                        "paginaFinal" => "1510"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            6 => array:3 [
              "identificador" => "bib0160"
              "etiqueta" => "7"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Use of artificial intelligence-based analytics from live colonoscopies to optimize the quality of the colonoscopy examination in real time&#58; Proof of concept"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:4 [
                            0 => "S&#46; Thakkar"
                            1 => "N&#46;M&#46; Carleton"
                            2 => "B&#46; Rao"
                            3 => "A&#46; Syed"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1053/j.gastro.2019.12.035"
                      "Revista" => array:5 [
                        "tituloSerie" => "Gastroenterology&#46;"
                        "fecha" => "2020"
                        "volumen" => "158"
                        "paginaInicial" => "1219"
                        "paginaFinal" => "122100"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            7 => array:3 [
              "identificador" => "bib0165"
              "etiqueta" => "8"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Real-time automatic detection system increases colonoscopic polyp and adenoma detection rates&#58; A prospective randomised controlled study"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "P&#46; Wang"
                            1 => "T&#46;M&#46; Berzin"
                            2 => "J&#46;R&#46; Glissen Brown"
                            3 => "S&#46; Bharadwaj"
                            4 => "A&#46; Becq"
                            5 => "X&#46; Xiao"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1136/gutjnl-2018-317500"
                      "Revista" => array:6 [
                        "tituloSerie" => "Gut&#46;"
                        "fecha" => "2019"
                        "volumen" => "68"
                        "paginaInicial" => "1813"
                        "paginaFinal" => "1819"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30814121"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            8 => array:3 [
              "identificador" => "bib0170"
              "etiqueta" => "9"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence in gastrointestinal endoscopy&#58; General overview"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "A&#46;El Hajjar"
                            1 => "J&#46;F&#46; Rey"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1097/CM9.0000000000000623"
                      "Revista" => array:6 [
                        "tituloSerie" => "Chin Med J &#40;Engl&#41;&#46;"
                        "fecha" => "2020"
                        "volumen" => "133"
                        "paginaInicial" => "326"
                        "paginaFinal" => "334"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31929362"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            9 => array:3 [
              "identificador" => "bib0175"
              "etiqueta" => "10"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence diagnosis of <span class="elsevierStyleItalic">Helicobacter pylori</span> infection using blue laser imaging-bright and linked color imaging&#58; A single-center prospective study"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:4 [
                            0 => "H&#46; Nakashima"
                            1 => "H&#46; Kawahira"
                            2 => "H&#46; Kawachi"
                            3 => "N&#46; Sakaki"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.20524/aog.2018.0269"
                      "Revista" => array:6 [
                        "tituloSerie" => "Ann Gastroenterol&#46;"
                        "fecha" => "2018"
                        "volumen" => "31"
                        "paginaInicial" => "462"
                        "paginaFinal" => "468"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29991891"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            10 => array:3 [
              "identificador" => "bib0180"
              "etiqueta" => "11"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence in gastrointestinal endoscopy"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:4 [
                            0 => "A&#46;P&#46; Abadir"
                            1 => "M&#46;F&#46; Ali"
                            2 => "W&#46; Karnes"
                            3 => "J&#46;B&#46; Samarasena"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.5946/ce.2020.038"
                      "Revista" => array:6 [
                        "tituloSerie" => "Clin Endosc&#46;"
                        "fecha" => "2020"
                        "volumen" => "53"
                        "paginaInicial" => "132"
                        "paginaFinal" => "141"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32252506"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            11 => array:3 [
              "identificador" => "bib0185"
              "etiqueta" => "12"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Application of convolutional neural network in the diagnosis of the invasion depth of gastric cancer based on conventional endoscopy"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:5 [
                            0 => "Y&#46; Zhu"
                            1 => "Q&#46; Wang"
                            2 => "M&#46; Xu"
                            3 => "Z&#46; Zhang"
                            4 => "J&#46; Cheng"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.gie.2018.11.011"
                      "Revista" => array:6 [
                        "tituloSerie" => "Gastrointest Endosc&#46;"
                        "fecha" => "2019"
                        "volumen" => "89"
                        "paginaInicial" => "806"
                        "paginaFinal" => "815&#46;e1"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30452913"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            12 => array:3 [
              "identificador" => "bib0190"
              "etiqueta" => "13"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Comparing blind spots of unsedated ultrafine&#44; sedated&#44; and unsedated conventional gastroscopy with and without artificial intelligence&#58; A prospective&#44; single-blind&#44; 3-parallel-group&#44; randomized&#44; single-center trial"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "D&#46; Chen"
                            1 => "L&#46; Wu"
                            2 => "Y&#46; Li"
                            3 => "J&#46; Zhang"
                            4 => "J&#46; Liu"
                            5 => "L&#46; Huang"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.gie.2019.09.016"
                      "Revista" => array:5 [
                        "tituloSerie" => "Gastrointest Endosc&#46;"
                        "fecha" => "2020"
                        "volumen" => "91"
                        "paginaInicial" => "332"
                        "paginaFinal" => "339&#46;e3"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            13 => array:3 [
              "identificador" => "bib0195"
              "etiqueta" => "14"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence for early gastric cancer&#58; Early promise and the path ahead"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "Y&#46; Mori"
                            1 => "T&#46;M&#46; Berzin"
                            2 => "S&#46; Kudo"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.gie.2018.12.019"
                      "Revista" => array:6 [
                        "tituloSerie" => "Gastrointest Endosc&#46;"
                        "fecha" => "2019"
                        "volumen" => "89"
                        "paginaInicial" => "816"
                        "paginaFinal" => "817"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30902205"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            14 => array:3 [
              "identificador" => "bib0200"
              "etiqueta" => "15"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence and upper gastrointestinal endoscopy&#58; Current status and future perspective"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "Y&#46; Mori"
                            1 => "S&#46; Kudo"
                            2 => "H&#46;E&#46;N&#46; Mohmed"
                            3 => "M&#46; Misawa"
                            4 => "N&#46; Ogata"
                            5 => "H&#46; Itoh"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/den.13317"
                      "Revista" => array:6 [
                        "tituloSerie" => "Dig Endosc&#46;"
                        "fecha" => "2019"
                        "volumen" => "31"
                        "paginaInicial" => "378"
                        "paginaFinal" => "388"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30549317"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            15 => array:3 [
              "identificador" => "bib0205"
              "etiqueta" => "16"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "EBioMedicine application of convolutional neural networks in the diagnosis of <span class="elsevierStyleItalic">Helicobacter pylori</span> infection based on endoscopic images"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:5 [
                            0 => "S&#46; Shichijo"
                            1 => "S&#46; Nomura"
                            2 => "K&#46; Aoyama"
                            3 => "Y&#46; Nishikawa"
                            4 => "M&#46; Miura"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.ebiom.2017.10.014"
                      "Revista" => array:6 [
                        "tituloSerie" => "EBioMedicine&#46;"
                        "fecha" => "2017"
                        "volumen" => "25"
                        "paginaInicial" => "106"
                        "paginaFinal" => "111"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29056541"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            16 => array:3 [
              "identificador" => "bib0210"
              "etiqueta" => "17"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Effect of a deep-learning computer-aided detection system on adenoma detection during colonoscopy &#40;CADe-DB trial&#41;&#58; A double-blind randomised study"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "P&#46; Wang"
                            1 => "X&#46; Liu"
                            2 => "T&#46;M&#46; Berzin"
                            3 => "J&#46;R&#46; Glissen Brown"
                            4 => "P&#46; Liu"
                            5 => "C&#46; Zhou"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/S2468-1253(19)30411-X"
                      "Revista" => array:6 [
                        "tituloSerie" => "Lancet Gastroenterol Hepatol&#46;"
                        "fecha" => "2020"
                        "volumen" => "5"
                        "paginaInicial" => "343"
                        "paginaFinal" => "351"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31981517"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            17 => array:3 [
              "identificador" => "bib0215"
              "etiqueta" => "18"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "CAD-CAP&#58; A 25&#44;000-image database serving the development of artificial intelligence for capsule endoscopy"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "R&#46; Leenhardt"
                            1 => "C&#46; Li"
                            2 => "J&#46;-F&#46; le Mouel"
                            3 => "G&#46; Rahmi"
                            4 => "J&#46;C&#46; Saurin"
                            5 => "F&#46; Cholet"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1055/a-1035-9088"
                      "Revista" => array:5 [
                        "tituloSerie" => "Endosc Int Open"
                        "fecha" => "2020"
                        "volumen" => "8"
                        "paginaInicial" => "E415"
                        "paginaFinal" => "E420"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            18 => array:3 [
              "identificador" => "bib0220"
              "etiqueta" => "19"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence using a convolutional neural network for automatic detection of small-bowel angioectasia in capsule endoscopy images"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "A&#46; Tsuboi"
                            1 => "S&#46; Oka"
                            2 => "K&#46; Aoyama"
                            3 => "H&#46; Saito"
                            4 => "T&#46; Aoki"
                            5 => "A&#46; Yamada"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/den.13507"
                      "Revista" => array:6 [
                        "tituloSerie" => "Dig Endosc&#46;"
                        "fecha" => "2020"
                        "volumen" => "32"
                        "paginaInicial" => "382"
                        "paginaFinal" => "390"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31392767"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            19 => array:3 [
              "identificador" => "bib0225"
              "etiqueta" => "20"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence for polyp detection during colonoscopy&#58; A systematic review and meta-analysis"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "I&#46; Barua"
                            1 => "D&#46; Vinsard"
                            2 => "H&#46; Jodal"
                            3 => "M&#46; L&#248;berg"
                            4 => "M&#46; Kalager"
                            5 => "&#216;&#46; Holme"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1055/a-1201-7165"
                      "Revista" => array:6 [
                        "tituloSerie" => "Endoscopy&#46;"
                        "fecha" => "2020"
                        "volumen" => "53"
                        "paginaInicial" => "277"
                        "paginaFinal" => "284"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32557490"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            20 => array:3 [
              "identificador" => "bib0255"
              "etiqueta" => "21"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial intelligence the new wave of innovation"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:4 [
                            0 => "Enshuo Liu"
                            1 => "S&#46; Manoop"
                            2 => "Bhutani"
                            3 => "Sun&#46; Siyu"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.4103/EUS-D-21-00052"
                      "Libro" => array:4 [
                        "fecha" => "2021"
                        "paginaInicial" => "04"
                        "paginaFinal" => "15"
                        "editorial" => "Published online"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            21 => array:3 [
              "identificador" => "bib0235"
              "etiqueta" => "22"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Efficacy of endoscopic ultrasound with artificial intelligence for the diagnosis of gastrointestinal stromal tumors"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "Y&#46; Minoda"
                            1 => "E&#46; Ihara"
                            2 => "K&#46; Komori"
                            3 => "H&#46; Ogino"
                            4 => "Y&#46; Otsuka"
                            5 => "T&#46; Chinen"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1007/s00535-020-01725-4"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Gastroenterol&#46;"
                        "fecha" => "2020"
                        "volumen" => "55"
                        "paginaInicial" => "1119"
                        "paginaFinal" => "1126"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32918102"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            22 => array:3 [
              "identificador" => "bib0245"
              "etiqueta" => "23"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Convolutional neural network-based object detection model to identify gastrointestinal stromal tumors in endoscopic ultrasound images"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "C&#46;K&#46; Oh"
                            1 => "T&#46; Kim"
                            2 => "Y&#46;K&#46; Cho"
                            3 => "D&#46;Y&#46; Cheung"
                            4 => "B&#46;I&#46; Lee"
                            5 => "Y&#46;S&#46; Cho"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1111/jgh.15653"
                      "Revista" => array:2 [
                        "tituloSerie" => "J Gastroenterol Hepatol&#46;"
                        "fecha" => "2021"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            23 => array:3 [
              "identificador" => "bib0250"
              "etiqueta" => "24"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Cost savings in colonoscopy with artificial intelligence-aided polyp diagnosis&#58; An add-on analysis of a clinical trial &#40;with video&#41;"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "Y&#46; Mori"
                            1 => "S&#46;ei Kudo"
                            2 => "J&#46;E&#46; East"
                            3 => "A&#46; Rastogi"
                            4 => "M&#46; Bretthauer"
                            5 => "M&#46; Misawa"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.gie.2020.03.3759"
                      "Revista" => array:6 [
                        "tituloSerie" => "Gastrointest Endosc&#46;"
                        "fecha" => "2020"
                        "volumen" => "92"
                        "paginaInicial" => "905"
                        "paginaFinal" => "911&#46;e1"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32240683"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
          ]
        ]
      ]
    ]
  ]
  "idiomaDefecto" => "es"
  "url" => "/02105705/0000004500000006/v1_202205180628/S0210570521003095/v1_202205180628/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "9042"
    "tipo" => "SECCION"
    "en" => array:2 [
      "titulo" => "Art&#237;culo especial"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "en"
  ]
  "PDF" => "https://static.elsevier.es/multimedia/02105705/0000004500000006/v1_202205180628/S0210570521003095/v1_202205180628/es/main.pdf?idApp=UINPBA00004N&text.app=https://www.elsevier.es/"
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210570521003095?idApp=UINPBA00004N"
]
Información del artículo
ISSN: 02105705
Idioma original: Español
Datos actualizados diariamente
año/Mes Html Pdf Total
2024 Noviembre 17 2 19
2024 Octubre 203 20 223
2024 Septiembre 359 18 377
2024 Agosto 84 31 115
2024 Julio 78 26 104
2024 Junio 47 34 81
2024 Mayo 8 7 15
2024 Abril 11 8 19
2024 Marzo 21 14 35
2024 Febrero 12 4 16
2024 Enero 6 0 6
2023 Diciembre 10 0 10
2023 Noviembre 8 0 8
2023 Octubre 20 0 20
2023 Septiembre 16 0 16
2023 Agosto 12 0 12
2023 Julio 13 0 13
2023 Junio 13 2 15
2023 Mayo 2 0 2
2023 Abril 5 1 6
2023 Marzo 6 8 14
2023 Febrero 7 8 15
2023 Enero 20 10 30
2022 Diciembre 6 8 14
2022 Noviembre 7 9 16
2022 Octubre 8 8 16
2022 Septiembre 7 8 15
2022 Agosto 7 10 17
2022 Julio 4 4 8
2022 Junio 9 10 19
2022 Mayo 26 10 36
2022 Abril 0 3 3
2022 Marzo 0 4 4
2022 Febrero 0 1 1
2021 Diciembre 0 4 4
2021 Noviembre 0 4 4
Mostrar todo

Siga este enlace para acceder al texto completo del artículo

es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos