1. Identifique el estudio como una investigación que utiliza metodología de inteligencia artificial, especificando la categoría tecnológica empleada, por ejemplo, aprendizaje profundo, aprendizaje automático, redes neuronales u otro método de IA.

1.a. Nombre del (los) autor (autores): ingrese primero los apellidos, seguido de una coma, luego los nombres.

1.b. Ingrese el código ORCID del (los) autor (autores). Puede buscar su código ORCID aquí: https://orcid.org/

1.c. Ingrese la afiliación del (los) autor (autores): indique la institución principal a la que pertenece.

2. Presente un resumen estructurado que incluya el diseño del estudio, los métodos utilizados, los principales resultados y las conclusiones.

3.a. Antecedentes científicos y clínicos: describa los antecedentes científicos y clínicos del problema estudiado, incluyendo el uso previsto y el papel clínico del método de inteligencia artificial propuesto.

3.b. Objetivos e hipótesis: indique los objetivos del estudio y, si corresponde, las hipótesis planteadas.

4.a. Diseño del estudio: indique si el estudio fue prospectivo o retrospectivo.

4.b. Describa el objetivo del estudio, por ejemplo: creación de un modelo, estudio exploratorio, estudio de factibilidad, ensayo de no inferioridad u otro diseño aplicable.

5.a. Datos: describa las fuentes de datos utilizadas en el estudio.

5.b. Indique los criterios de elegibilidad: cómo, dónde y cuándo fueron identificados los participantes, estudios o imágenes potencialmente elegibles, por ejemplo, síntomas, resultados de pruebas previas, inclusión en registros, entorno asistencial, ubicación y fechas.

5.c. Describa los pasos de preprocesamiento de los datos.

5.d. Si corresponde, describa la selección de subconjuntos de datos.

5.e. Defina los elementos de datos utilizados, incluyendo referencias a elementos de datos comunes cuando sea aplicable.

5.f. Describa los métodos de anonimización o desidentificación de los datos.

5.g. Explique cómo se manejaron los datos faltantes.

6.a. Estándar de referencia o verdad fundamental: defina el estándar de referencia o «verdad fundamental» utilizado, con suficiente detalle para permitir la replicación.

6.b. Justifique la elección del estándar de referencia, especialmente si existían alternativas.

6.c. Describa la fuente de las anotaciones de referencia, así como la formación, calificaciones o preparación de los anotadores.

6.d. Indique las herramientas utilizadas para realizar las anotaciones.

6.e. Describa la medición de la variabilidad intraobservador e interobservador, así como los métodos utilizados para reducir la variabilidad o resolver discrepancias.

7.a. Partición de datos: indique el tamaño muestral previsto y cómo fue determinado.

7.b. Explique cómo se asignaron los datos a las diferentes particiones, especificando las proporciones utilizadas, por ejemplo, entrenamiento, validación y prueba.

7.c. Indique el nivel en el que las particiones fueron independientes o no superpuestas, por ejemplo, imagen, estudio, paciente o institución.

8.a. Modelo: describa detalladamente el modelo, incluyendo entradas, salidas, capas intermedias y conexiones.

8.b. Indique las bibliotecas, marcos de trabajo, paquetes o programas utilizados.

8.c. Describa la inicialización de los parámetros del modelo, por ejemplo, aleatorización o aprendizaje por transferencia.

9.a. Entrenamiento: describa el enfoque de entrenamiento, incluyendo aumento de datos, hiperparámetros y número de modelos entrenados.

9.b. Explique el método utilizado para seleccionar el modelo final.

9.c. Si corresponde, describa las técnicas de ensamblaje de modelos utilizadas.

10.a. Evaluación: indique las métricas utilizadas para evaluar el rendimiento del modelo.

10.b. Describa las medidas estadísticas de significancia e incertidumbre utilizadas, por ejemplo, intervalos de confianza.

10.c. Describa los análisis de robustez o sensibilidad realizados.

10.d. Describa los métodos de explicabilidad o interpretabilidad utilizados, por ejemplo, mapas de saliencia, e indique cómo fueron validados.

10.e. Indique si se realizó validación o prueba con datos externos.

11.a. Datos: describa el flujo de participantes, casos, estudios o imágenes, idealmente mediante un diagrama que indique inclusiones y exclusiones.

11.b. Presente las características demográficas y clínicas de los casos incluidos en cada partición de datos.

12.a. Rendimiento del modelo: presente las métricas de rendimiento del modelo o modelos óptimos en todas las particiones de datos.

12.b. Presente las estimaciones de exactitud diagnóstica y su precisión, por ejemplo, intervalos de confianza del 95 %.

12.c. Realice un análisis de fallos de los casos clasificados incorrectamente.

13.a. Describa las limitaciones del estudio, incluyendo posibles sesgos, incertidumbre estadística y generalización de los resultados.

13.b. Explique las implicaciones para la práctica clínica, incluyendo el uso previsto y/o el papel clínico del modelo de inteligencia artificial.

14.a. Indique el número de registro y el nombre del registro, si corresponde.

14.b. Indique dónde se puede acceder al protocolo completo del estudio, si existe.

14.c. Describa las fuentes de financiación y otros apoyos recibidos, así como el papel de los financiadores.

15. Bibliografía en formato VANCOUVER. Puede usar: https://www.bibguru.com/es/c/generador-citas-vancouver/.

Adjuntar figuras y tablas

Archivos de imagen de hasta 1.5 MB cada uno. Cada archivo debe tener su nombre como se lo cita en el documento. Ej: Tabla1.jpg, Figura1.jpg