Este whitepaper de Arkangel AI revisa qué puede hacer hoy la IA en neumología y salud respiratoria, qué no puede prometer todavía, y propone una agenda de validación para América Latina. Es una síntesis narrativa rápida de 27 fuentes, obtenidas con búsquedas en PubMed/MEDLINE, Crossref, la OMS, la OPS y SciELO realizadas el 22 de julio de 2026, que cubre seis dominios: imagen torácica y nódulos, tamizaje de tuberculosis, función pulmonar y enfermedades obstructivas, enfermedad pulmonar intersticial, sueño y procedimientos, y predicción y monitoreo. Cada dominio se clasifica desde la discriminación retrospectiva hasta la implementación rutinaria.
La evidencia más sólida corresponde a la radiografía y la tomografía de tórax. En un ensayo aleatorizado con 323 pacientes de consultas externas respiratorias, la asistencia de IA elevó el AUC por radiografía de médicos no radiólogos de 0.718 a 0.840, pero las decisiones clínicas no cambiaron de forma significativa. En Brasil, una validación retrospectiva reportó AUC internos de 0.94 para anomalía pulmonar y tuberculosis, y un estudio de tamizaje de cáncer de pulmón con 779 tomografías reportó 92.5% de sensibilidad y 97.8% de valor predictivo negativo, junto con 78.5% de especificidad, 50% de valor predictivo positivo y nódulos no detectados. La OMS avala la detección de TB asistida por computador en radiografías de tórax para personas de 15 años o más, pero un estudio pediátrico brasileño encontró una sensibilidad de 52% frente a la confirmación microbiológica. En EPOC, asma, enfermedad intersticial, apnea del sueño y predicción de eventos predominan los estudios retrospectivos, y la evidencia latinoamericana directa fue escasa y concentrada en Brasil. El documento es un whitepaper, no revisado por pares ni una revisión sistemática; todos los autores están vinculados a Arkangel AI y la evidencia citada no evalúa productos de Arkangel.
