Determinación de la eficiencia de una inteligencia artificial generativa en la interpretación del Test de Michigan
Revista Científica Internacional · 28.06.2026 · 9 (1)
DOI: 10.46734/revcientifica.v9i1.272 ↗Kurz gefasst
Fachartikel in der Zeitschrift Revista Científica Internacional, online erschienen am 28.06.2026. Verfasst von Jonathan Armando López Espino und 4 weiteren Autor:innen. Die Arbeit nennt 16 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
OBJETIVO: Determinar la eficacia de una Inteligencia Artificial Generativa (IAG) en la interpretación del Test de Michigan para la detección temprana de neuropatía diabética, con el fin de optimizar el diagnóstico en pacientes que asisten al Centro de Salud de Jutiapa, Guatemala. MÉTODO: Se realizó un estudio descriptivo, comparativo, transversal y no experimental, que incluyó a 31 pacientes del club de diabéticos del centro de salud de Jutiapa, evaluados entre febrero y septiembre de 2025. RESULTADOS: La IAG mostró coincidencia total con la evaluación humana en sintomatología: 22 pacientes fueron clasificados como asintomáticos (70.97%) y 9 como sintomáticos (29.03%). Asimismo, se observó correspondencia perfecta en la detección de neuropatía, con 51.61% de pacientes diagnosticados con neuropatía y 48.39% sin ella en ambos métodos. CONCLUSIÓN: La IAG alcanzó una eficiencia del 100% en la interpretación del Test de Michigan. Los 9 pacientes sintomáticos fueron diagnosticados con neuropatía diabética, mientras que 15 de los 22 asintomáticos fueron clasificados sin la enfermedad, evidenciando alta especificidad. La IAG permite reducir la variabilidad en la interpretación y mejorar la precisión diagnóstica.
Zitieren
APA
Espino, J. A. L., Rivera, S. E. O., Flores, S. P. D., Marroquín, G. G. A., & Tizol, M. J. A. (2026). Determinación de la eficiencia de una inteligencia artificial generativa en la interpretación del Test de Michigan. Revista Científica Internacional, 9(1). https://doi.org/10.46734/revcientifica.v9i1.272
Vancouver
Espino JAL, Rivera SEO, Flores SPD, Marroquín GGA, Tizol MJA. Determinación de la eficiencia de una inteligencia artificial generativa en la interpretación del Test de Michigan. Revista Científica Internacional. 2026;9(1). doi:10.46734/revcientifica.v9i1.272
BibTeX
@article{Espino2026,
author = {Espino, Jonathan Armando López and Rivera, Sarai Elizabeth Orellana and Flores, Scarlett Pamela Diéguez and Marroquín, Gladys Guadalupe Azurdia and Tizol, María José Almengor},
title = {Determinación de la eficiencia de una inteligencia artificial generativa en la interpretación del Test de Michigan},
journal = {Revista Científica Internacional},
year = {2026},
volume = {9},
number = {1},
doi = {10.46734/revcientifica.v9i1.272}
}
EUVIMED