Resumen: En los países de ingresos bajos y medianos (PIBM), una proporción significativa de los equipos de diagnóstico médico siguen infrautilizados o no funcionan debido a la falta de mantenimiento oportuno, el acceso limitado a la experiencia técnica y el apoyo mínimo de los fabricantes, particularmente para los dispositivos adquiridos a través de proveedores externos o donaciones. Este desafío contribuye a un mayor tiempo de inactividad de los equipos, retrasos en los diagnósticos y una atención comprometida al paciente. Esta investigación explora el desarrollo y la validación de una plataforma de soporte impulsada por IA diseñada para ayudar a los técnicos biomédicos a diagnosticar y reparar dispositivos médicos en tiempo real. El sistema integra un modelo de lenguaje grande (LLM) con una interfaz web fácil de usar, lo que permite a los tecnólogos/radiógrafos de imágenes y técnicos biomédicos ingresar códigos de error o síntomas del dispositivo y recibir orientación precisa, paso a paso, para la solución de problemas. La plataforma también incluye un foro global de discusión entre pares para apoyar el intercambio de conocimientos y proporcionar contexto adicional para problemas poco comunes o no documentados. Se desarrolló una prueba de concepto utilizando el ecógrafo Philips HDI 5000, logrando un 100% de precisión en la interpretación de códigos de error y un 80% de precisión al sugerir acciones correctivas. Este estudio demuestra la viabilidad y el potencial de los sistemas impulsados por IA para respaldar el mantenimiento de dispositivos médicos, con el objetivo de reducir el tiempo de inactividad de los equipos para mejorar la prestación de atención médica en entornos con recursos limitados.
Publicado originalmente en export.arxiv.org el 25 de enero de 2026.
Ver fuente original
