Este whitepaper revisa el apoyo de la IA al tamizaje, la imagen y la predicción en ginecología y obstetricia, con foco en América Latina. Es una síntesis narrativa de la evidencia construida a partir de búsquedas en PubMed realizadas en junio y julio de 2026, con un corpus final de 27 referencias, y clasifica cada aplicación en cinco niveles de madurez, desde el desarrollo retrospectivo hasta la implementación rutinaria monitorizada. Es literatura gris no revisada por pares, publicada por Arkangel AI, y no evalúa ningún producto de Arkangel.
El tamizaje cervical y el análisis de imágenes tienen la evidencia más madura: un modelo de citología cervical alcanzó un AUC de 0.947 en una validación prospectiva con 2,780 participantes, mientras que un modelo de citología en base líquida mostró menor especificidad que los citopatólogos (0.831 frente a 0.901). La ecografía fetal es un área activa, y los modelos de aprendizaje automático para preeclampsia y diabetes gestacional son numerosos pero heterogéneos, con un AUROC agrupado de 0.8492 para diabetes gestacional y una heterogeneidad considerable. La evidencia regional directa proviene de dos cohortes mexicanas, entre ellas un modelo de preeclampsia con un AUC de 0.897 para la enfermedad pretérmino. Los autores concluyen que ningún dominio permite todavía afirmar una implementación rutinaria segura en América Latina y piden validación externa, auditorías de sesgo y medidas de proceso antes de hablar de impacto clínico.
