Inteligencia artificial en neurocirugía: evidencia, aplicaciones clínicas y perspectivas futuras
DOI:
https://doi.org/10.59156/revista.v40i01.792Palabras clave:
Aprendizaje automático, Inteligencia artificial, Neurocirugía, Revisión narrativaResumen
Introducción: la inteligencia artificial (IA) ha surgido como una de las herramientas más disruptivas en la medicina contemporánea con un impacto creciente en la práctica neuroquirúrgica. Su capacidad para procesar grandes volúmenes de datos, identificar patrones complejos y asistir en la toma de decisiones quirúrgicas abre nuevas posibilidades en diagnóstico, planificación quirúrgica y educación médica. Sin embargo, su integración plantea desafíos significativos. En este contexto, resulta necesario realizar una revisión narrativa con metodología sistemática que sintetice las evidencias actuales, explore las aplicaciones clínicas más relevantes y analice sus perspectivas futuras.
Objetivos: analizar las principales evidencias, aplicaciones y perspectivas de la IA en neurocirugía.
Material y método: se efectuó una búsqueda en PubMed, Scopus y Web of Science, adaptando criterios PRISMA para revisiones narrativas. Se incluyeron estudios en inglés y español publicados entre 2020 y octubre 2025.
Resultado: de 412 registros seleccionados, se analizaron 118 artículos tras un cribado por relevancia y calidad metodológica. La IA muestra impacto significativo en diagnóstico, planificación prequirúrgica y aplicación en subespecialidades neuroquirúrgicas. Los grandes modelos de lenguaje ofrecen utilidad en educación y comunicación médico-paciente. Las limitaciones críticas incluyen la falta de validación externa generalizada, los sesgos algorítmicos, marcos regulatorios incipientes y desafíos particulares en Latinoamérica.
Conclusión: la IA constituye una herramienta transformadora en neurocirugía, pero su implementación responsable requiere validación rigurosa, marcos ético-legales robustos (especialmente adaptados al contexto regional) y supervisión humana constante. La formación profesional y la generación de evidencia local son imperativas para una integración equitativa y segura.
Descargas
Referencias
1. Baker CR, Pease M, Sexton DP, Abumoussa A, Chambless LB. Artificial intelligence innovations in neurosurgical oncology: a narrative review. J Neurooncol. 2024;169(3):489-96. Doi: 10.1007/s11060-024-04757-5
2. Staartjes VE, Zanier O, da Mutten R, Serra C, Regli L. Machine intelligence in cerebrovascular and endovascular neurosurgery. En: Di Ieva A, Suero Molina E, Liu S, Russo C, editores. Computational Neurosurgery. Adv Exp Med Biol. Cham: Springer; 2024. p. 489-503. Doi: 10.1007/978-3-031-64892-2_23
3. Akhtar M, Farooqi HA, Nabi R. Letter to the editor regarding "Use of artificial intelligence software to detect intracranial aneurysms: a comprehensive stroke center experience". World Neurosurg. 2024;191:349-50.
4. Windermere SA, Shah S, Hey G, McGrath K, Rahman M. Applications of artificial intelligence in neurosurgery for improving outcomes through diagnostics, predictive tools, and resident education. World Neurosurg. 2025;197:123809.
5. Patil A, Serrato P, Cleaver G, Limbania D, See AP, Huang KT. Employing large language models safely and effectively as a practicing neurosurgeon. Acta Neurochir (Wien). 2025;167(1):101. Doi: 10.1007/s00701-025-06515-6
6. Char DS, Shah NH, Magnus D. Implementing machine learning in health care—addressing ethical challenges. N Engl J Med. 2018;378(11):981-3. Doi: 10.1056/NEJMp1714229
7. Valor Yébenes JA. Alan Turing y el origen de la inteligencia artificial: la superación de la intuición. Naturaleza y Libertad Rev Estud Interdisciplinares. 2024;(18). Doi: 10.24310/nyl.18.2024.19496
8. Çöllüŏolu B, Dikici Ş. Transforming neurosurgical practice with large language models: comparative performance of ChatGPT-Omni and Gemini in complex case management. World Neurosurg. 2025;199:124103. Doi: 10.1016/j.wneu.2025.124103
9. Bocanegra-Becerra JE, Neves Ferreira JS, Simoni G, Hong A, Rios-Garcia W, Eraghi MM, y col. Machine learning algorithms for neurosurgical preoperative planning: a scoping review. World Neurosurg. 2025;194:123465. Doi: 10.1016/j.wneu.2024.11.048
10. Li W, Gumera A, Surya S, Edwards A, Basiri F, Eves C. The role of artificial intelligence in diagnostic neurosurgery: a systematic review. Neurosurg Rev. 2025;48(1):393. Doi: 10.1007/s10143-025-03512-2
11. Priyadharshini S, Ramkumar K, Prasath VBS, Venkatesh S. Web-based AI-driven framework combining multi-modal data with CNN and LLM for Parkinson’s disease diagnosis. Sci Rep. 2025;15(1):38556. Doi: 10.1038/s41598-025-22448-7
12. Twala B. AI-driven precision diagnosis and treatment in Parkinson’s disease: a comprehensive review and experimental analysis. Front Aging Neurosci. 2025;17:1638340. Doi: 10.3389/fnagi.2025.1638340
13. Lucas A, Revell A, Davis KA. Artificial intelligence in epilepsy—applications and pathways to the clinic. Nat Rev Neurol. 2024;20(6):319-36. Doi: 10.1038/s41582-024-00965-9
14. Loushy I, Sperling MR. Artificial intelligence for epilepsy decision support. Epilepsia. 2025 Nov 21. Doi: 10.1111/epi.18709. Epub ahead of print. PMID: 41269050.
15. Ervin B, Arya R. Artificial intelligence and machine learning in neuromodulation for epilepsy. J Clin Neurophysiol. 2025 Jul 2;42(6):493-504. Doi: 10.1097/WNP.0000000000001186
16. Jirsa V, Wang H, Triebkorn P, y col. Personalised virtual brain models in epilepsy. Lancet Neurol. 2023;22(5):443-54. Doi: 10.1016/S1474-4422(23)00008-X
17. Khalighi S, Reddy K, Midya A, Pandav KB, Madabhushi A, Abedalthagafi M. Artificial intelligence in neuro-oncology: advances and challenges in brain tumor diagnosis, prognosis, and precision treatment. NPJ Precis Oncol. 2024;8(1):80. Doi: 10.1038/s41698-024-00575-0
18. Rafanan J, Ghani N, Kazemeini S, Nadeem-Tariq A, Shih R, Vida TA. Modernizing neuro-oncology: the impact of imaging, liquid biopsies, and AI on diagnosis and treatment. Int J Mol Sci. 2025;26(3):917. Doi: 10.3390/ijms26030917
19. Chadha S, Sritharan DV, Hager T, D’Souza R, Aneja S. Emerging trends in artificial intelligence in neuro-oncology. Curr Oncol Rep. 2025;27(8):951-62. Doi: 10.1007/s11912-025-01688-w
20. Voigtlaender S, Nelson TA, Karschnia P, Vaios EJ, Kim MM, Lohmann P, y col. Value of artificial intelligence in neuro-oncology. Lancet Digit Health. 2025:100876. Doi: 10.1016/j.landig.2025.100876
21. Zhang H, Ma W, Zhou X, y col. Artificial intelligence in cerebrovascular disease management: a comprehensive review of risk prediction, diagnosis, therapeutic optimization, and clinical translation. Vasc Health Risk Manag. 2025;21:949-64. Doi: 10.2147/VHRM.S555592
22. Kunapinun A, Suthakorn J, Siravaman D, Songsaeng D. Toward AI-powered neurovascular intervention: from imaging to XR-robotic convergence. Stroke. 2025. Doi: 10.1161/STROKEAHA.125.053121
23. Adida S, Legarreta AD, Hudson JS, y col. Machine learning in spine surgery: a narrative review. Neurosurgery. 2024;94(1):53-64. Doi: 10.1227/neu.0000000000002660
24. Bcharah G, Gupta N, Panico N, y col. Innovations in spine surgery: a narrative review of current integrative technologies. World Neurosurg. 2024;184:127-36. Doi: 10.1016/j.wneu.2023.12.124
25. Charles YP, Lamas V, Ntilikina Y. Artificial intelligence and treatment algorithms in spine surgery. Orthop Traumatol Surg Res. 2023;109(1S):103456. Doi: 10.1016/j.otsr.2022.103456
25. Scheer JK, Ames CP. Artificial intelligence in spine surgery. Neurosurg Clin N Am. 2024;35(2):253-62. Doi: 10.1016/j.nec.2023.11.001
27. Łajczak PM, Jóźwik K, Jaldin Torrico C. Current applications of the three-dimensional printing technology in neurosurgery: a review. J Neurol Surg A Cent Eur Neurosurg. 2025;86(3):304-20. Doi: 10.1055/a-2389-5207
28. Palmisciano P, Jamjoom AAB, Taylor D, Stoyanov D, Marcus HJ. Attitudes of patients and their relatives toward artificial intelligence in neurosurgery: a cross-sectional study. World Neurosurg. 2020;138:e627-e633. Doi: 10.1016/j.wneu.2020.03.029
29. De Bartolo Villar M, Baldocini M, Campero A. Inteligencia artificial en neuralgia del trigémino y del espasmo hemifacial. Rev Argent Neurocir. 2024;39:17-23. Doi: 10.59156/revista.v39i01.699
30. Obermeyer Z, Powers B, Vogeli C, Mullainathan S. Dissecting racial bias in an algorithm used to manage the health of populations. Science. 2019;366(6464):447-53. Doi: 10.1126/science.aax2342
31. Shinners L, Smith S, Grace P, Stephens A, Aggar C. Exploring patient perceptions of artificial intelligence in healthcare. Health Inf Manag J. 2020;49(1):3-10. Doi: 10.1177/1833358319853040
32. U.S. Food and Drug Administration (FDA). Artificial Intelligence/Machine Learning (AI/ML)-Based Software as a Medical Device (SaMD) Action Plan. Silver Spring, MD: FDA; 2021 [citado 19 Ene 2026]. Disponible en: https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-software-medical-device.
33. Parlamento Europeo, Consejo de la Unión Europea. Reglamento (UE) 2024/1689 por el que se establecen normas armonizadas en materia de inteligencia artificial (Ley de Inteligencia Artificial). Diario Oficial de la Unión Europea. 12 de julio de 2024; L 2024/1689.
34. Tangsrivimol JA, Schonfeld E, Zhang M, Veeravagu A, Smith TR, Härtl R, y col. Artificial intelligence in neurosurgery: a state-of-the-art review from past to future. Diagnostics (Basel). 2023;13(14):2429. Doi: 10.3390/diagnostics13142429
35. Reyes JS, Lohia VN, Almeida T, Niranjan A, Lunsford LD, Hadjipanayis CG. Artificial intelligence in neurosurgery: a systematic review of applications, model comparisons, and ethical implications. Neurosurg Rev. 2025;48:455-72. Doi: 10.1007/s10143-025-03597-9
36. Senders JT, Staples P, Mehrtash A, Cote DJ, Taphoorn MJB, Reardon DA, y col. An online calculator for the prediction of survival in glioblastoma patients using classical statistics and machine learning. Neurosurgery. 2020;86(2):E184-E192. Doi: 10.1093/neuros/nyz403
37. Jiménez-Ponce F. Artificial intelligence in medicine. Rev Med Hosp Gen Méx. 2024;87(2):39-41. Doi: 10.24875/hgmx.m24000049
38. Hatherley JJ. Limits of trust in medical AI. J Med Ethics. 2020;46(7):478-81. Doi: 10.1136/medethics-2019-105935
39. Topol EJ. Deep medicine: how artificial intelligence can make healthcare human again. New York: Basic Books; 2019.
40. Park SH, Han K, Jang HY, Smith TR, Härtl R. Clinician-centered AI: a framework for human-computer collaboration in medicine. JAMA. 2025;333(8):711-2. Doi: 10.1001/jama.2024.27654
41. Koryciński M, Ciecierski KA, Niewiadomska-Szynkiewicz E. Decision support systems in neurosurgery: current applications and future directions. Sensors (Basel). 2025;25(24):7415. Doi: 10.3390/s25247415
42. Yangi K, Hong J, Gholami AS, y col. Deep learning in neurosurgery: a systematic literature review with a structured analysis of applications across subspecialties. Front Neurol. 2025;16:1532398. Doi: 10.3389/fneur.2025.1532398
43. Szmyd B, Podstawka M, Wiśniewski K, y col. AI-driven innovations in neuroradiology and neurosurgery: scoping review of current evidence and future directions. Cancers (Basel). 2025;17(16):2625. Doi: 10.3390/cancers17162625
44. El-Hajj VG, Gharios M, Edström E, Elmi-Terander A. Artificial intelligence in neurosurgery: a bibliometric analysis. World Neurosurg. 2023;171:152-158.e4. Doi: 10.1016/j.wneu.2022.12.087
45. Yilmaz R, Browd S, Donoho DA. Controversies in artificial intelligence in neurosurgery. Neurosurg Clin N Am. 2025;36(1):91-100. Doi: 10.1016/j.nec.2024.08.008
46. AbuAlrob MA, Mesraoua B. Harnessing artificial intelligence for the diagnosis and treatment of neurological emergencies: a comprehensive review of recent advances and future directions. Front Neurol. 2024;15:1485799. Doi: 10.3389/fneur.2024.1485799
