Estrategias de optimización de la tomografía computarizada de tórax de baja dosis: efectos sobre la reducción de la dosis de radiación y la calidad diagnóstica. Revisión sistemática

Síguenos en Pinterest

Incluido en la revista Ocronos. Vol. IX. N.º 8–Agosto 2026.

Pág. Inicial: Vol. IX; N.º 8: 1005

Autor principal (primer firmante): Hugo Hernán Mina Romero

Fecha recepción: 28/07/2026

Fecha aceptación: 24/08/2026

Ref.: Ocronos. 2026;9(8): 1005

https://doi.org/10.58842/QOQZ8037

Autores:

Hugo Hernán Mina Romero

https://orcid.org/0009-0009-3604-8034

Categoría profesional:

Posgradista de Imagenología. Universidad de Cuenca. Ecuador

Ramon Patricio Dominguez Cambizaca

https://orcid.org/0009-0003-3508-0610

Categoría profesional:

Médico especialista en Imagenología. Instituto Ecuatoriano de Seguridad Social. Ecuador.

Daniela Elizabeth Angamarca Coello

https://orcid.org/0009-0009-3604-8034

Categoría profesional:

Posgradista de Imagenología. Universidad de Cuenca. Ecuador

Gabriela Anaís Andrade Navas

https://orcid.org/0000-0001-9567-9287

Categoría profesional:

Posgradista de Imagenología. Universidad de Cuenca. Ecuador

Gina Carolina Villigua Vásquez

https://orcid.org/0000-0063-4962-9782

Categoría profesional:

Posgradista de Imagenología. Universidad de Cuenca. Ecuador

Rosa Alexandra Pineda Orellana

Código: https://orcid.org/0009-0009-6512-0082

Categoría profesional:

Posgradista de Imagenología. Universidad de Cuenca. Ecuador

Resumen

La tomografía computarizada (TC) de tórax de baja dosis se consolidó como una herramienta esencial para el diagnóstico y seguimiento de diversas enfermedades torácicas. No obstante, el aumento de su utilización hizo necesaria la implementación de estrategias que permitieran reducir la exposición a la radiación sin comprometer la calidad diagnóstica. El propósito de esta revisión sistemática fue analizar la evidencia científica disponible sobre las estrategias de optimización de los protocolos de TC de tórax de baja dosis para disminuir la dosis de radiación y mantener la calidad de las imágenes.

Se realizó una revisión sistemática conforme a las recomendaciones de la declaración PRISMA 2020. La búsqueda bibliográfica se efectuó en las bases de datos PubMed/MEDLINE, Scopus, Embase, Web of Science y Cochrane Library, incluyendo estudios publicados entre 2020 y 2025 en inglés y español. Se seleccionaron investigaciones originales que evaluaron estrategias de optimización de protocolos y su efecto sobre la dosis de radiación y la calidad diagnóstica.

Los estudios analizados mostraron que la reducción del voltaje y de la corriente del tubo, la modulación automática de la exposición, las técnicas de reconstrucción iterativa y los algoritmos de reconstrucción basados en inteligencia artificial permitieron disminuir la dosis de radiación manteniendo una calidad diagnóstica adecuada. Se concluyó que la optimización de los protocolos de TC de tórax de baja dosis constituyó una estrategia eficaz para fortalecer la protección radiológica y mejorar la seguridad del paciente sin afectar el rendimiento diagnóstico.

Palabras clave: Tomografía computarizada; radiación ionizante; calidad de la imagen.

Introducción

La tomografía computarizada (TC) de tórax constituye una de las modalidades de imagen diagnóstica con mayor impacto en la práctica clínica debido a su elevada resolución espacial, rapidez de adquisición y capacidad para detectar alteraciones anatómicas de manera temprana. Su utilización ha aumentado de forma sostenida durante la última década como consecuencia de la expansión de las indicaciones clínicas, entre las que destacan el cribado del cáncer de pulmón, la evaluación de enfermedades pulmonares intersticiales, las infecciones respiratorias, la enfermedad pulmonar obstructiva crónica, las patologías mediastínicas y el seguimiento de pacientes oncológicos (László Tárnokii et al., 2024).

La evidencia científica ha demostrado que la TC de baja dosis representa la estrategia de elección para el cribado del cáncer de pulmón en poblaciones de alto riesgo, ya que permite reducir la mortalidad mediante la detección precoz de lesiones potencialmente malignas (Mazzone et al., 2021; (American Association of Physicists in Medicine, 2023). No obstante, el incremento del número de exploraciones realizadas también ha originado una mayor preocupación por la exposición acumulativa a radiación ionizante, lo que ha convertido la optimización de los protocolos de adquisición en una prioridad para la radiología moderna (Cody et al., 2021).

La exposición a radiación derivada de la tomografía computarizada representa una proporción importante de la dosis colectiva recibida por la población como consecuencia de los procedimientos diagnósticos. Aunque el beneficio clínico supera ampliamente el riesgo cuando la exploración está correctamente indicada, la repetición de estudios puede incrementar el riesgo estocástico de efectos biológicos asociados a la radiación. En respuesta a esta situación, organismos internacionales como la American Association of Physicists in Medicine (AAPM), el American College of Radiology (ACR) y diferentes sociedades científicas han promovido la implementación de programas de optimización basados en el principio ALARA (As Low As Reasonably Achievable), cuyo propósito consiste en mantener la dosis de radiación tan baja como sea razonablemente posible sin afectar la calidad diagnóstica de la imagen. Estas recomendaciones enfatizan la revisión periódica de los protocolos, la estandarización de los parámetros técnicos y la participación de equipos multidisciplinarios para garantizar la seguridad del paciente y la calidad asistencial (Cody et al., 2021).

La tomografía computarizada de tórax de baja dosis (Low-Dose Computed Tomography, LDCT) se ha consolidado como una herramienta esencial para el diagnóstico y seguimiento de múltiples enfermedades torácicas. Inicialmente desarrollada para programas de cribado de cáncer de pulmón, actualmente su aplicación se ha extendido al estudio de enfermedades infecciosas, patologías pulmonares difusas y control evolutivo de pacientes con enfermedades crónicas. Las guías clínicas internacionales recomiendan el empleo de protocolos específicos de baja dosis, adaptados al tamaño corporal del paciente y al objetivo diagnóstico, con el fin de obtener imágenes de alta calidad utilizando la menor dosis posible (Mazzone et al., 2021; (American Association of Physicists in Medicine, 2023).

Los avances tecnológicos incorporados en los equipos de TC multicorte han permitido desarrollar nuevas estrategias de optimización orientadas a mejorar simultáneamente la calidad de imagen y la protección radiológica. Entre las principales innovaciones destacan la modulación automática de corriente (Automatic Exposure Control), la selección automática del voltaje del tubo, la reducción del kilovoltaje (kVp), las técnicas de reconstrucción iterativa híbrida y basada en modelos físicos, así como los algoritmos de reconstrucción mediante aprendizaje profundo (Deep Learning Image Reconstruction, DLIR). Estas herramientas han demostrado disminuir el ruido de imagen, incrementar la relación señal-ruido y preservar la resolución espacial aun cuando se emplean protocolos de baja o ultrabaja dosis, favoreciendo una mejor detectabilidad de las lesiones sin incrementar la exposición del paciente (Vonder et al., 2021; Coelho et al., 2025).

En los últimos años, la inteligencia artificial ha adquirido un papel relevante en la optimización de la tomografía computarizada. Los algoritmos de reconstrucción mediante aprendizaje profundo permiten generar imágenes con menor ruido y mayor definición anatómica respecto a las técnicas convencionales de reconstrucción iterativa. Diversas investigaciones han demostrado que estas tecnologías pueden mantener o incluso mejorar la calidad diagnóstica utilizando dosis considerablemente inferiores a las empleadas en protocolos tradicionales. Además, su integración con sistemas automáticos de selección de parámetros de adquisición representa una de las principales tendencias en la evolución de la imagen médica, favoreciendo protocolos personalizados de acuerdo con las características individuales de cada paciente (Coelho et al., 2025).

A pesar de estos avances, la optimización de los protocolos continúa representando un desafío para los servicios de radiología. Persisten diferencias importantes entre instituciones en cuanto a los parámetros técnicos utilizados, los niveles de referencia diagnósticos, los algoritmos de reconstrucción disponibles y los criterios empleados para valorar la calidad diagnóstica. Estas variaciones generan una considerable heterogeneidad en los indicadores dosimétricos y dificultan la estandarización de los protocolos de adquisición. Estudios multicéntricos recientes han evidenciado diferencias relevantes entre centros asistenciales, incluso cuando se utilizan equipos del mismo fabricante, lo que pone de manifiesto la necesidad de fortalecer los procesos de revisión, actualización y control de calidad de los protocolos institucionales (Cody et al., 2021; (Damilakis et al., 2023).

Paralelamente, la evidencia científica disponible muestra que la eficacia de las estrategias de reducción de dosis depende no solo de la tecnología empleada, sino también de factores relacionados con las características del paciente, la experiencia del personal, la indicación clínica y el tipo de equipo utilizado. Por ello, la combinación de diferentes estrategias de optimización parece ofrecer mejores resultados que la implementación aislada de una única intervención. Este enfoque integral responde a la tendencia actual de desarrollar protocolos individualizados que equilibren la protección radiológica con la obtención de imágenes diagnósticas de alta calidad (Vonder et al., 2021; Tonkopi et al., 2024)

Ante este panorama, resulta pertinente realizar una revisión sistemática que sintetice la evidencia científica reciente sobre las estrategias empleadas para optimizar los protocolos de tomografía computarizada de tórax de baja dosis. La integración de esta información permitirá identificar las intervenciones con mayor respaldo científico, analizar su impacto sobre los indicadores dosimétricos y la calidad diagnóstica, así como aportar evidencia útil para favorecer la estandarización de protocolos, optimizar la práctica radiológica y fortalecer la seguridad del paciente.

Objetivos

Objetivo general

Analizar las estrategias de optimización empleadas en la tomografía computarizada de tórax de baja dosis, con el propósito de valorar su impacto en la reducción de la dosis de radiación, la preservación de la calidad diagnóstica y su posible aplicación en la práctica clínica.

Objetivos específicos

1. Describir las principales estrategias utilizadas para optimizar los protocolos de tomografía computarizada de tórax de baja dosis, incluyendo la reducción del voltaje del tubo, la modulación automática de corriente, la reconstrucción iterativa, la reconstrucción basada en inteligencia artificial y la optimización multiparamétrica.
2. Analizar el efecto de las estrategias en la reducción de la dosis de radiación y en el mantenimiento de una calidad de imagen adecuada para el diagnóstico.
3. Comparar el rendimiento diagnóstico de los protocolos de dosis estándar, baja dosis y ultrabaja dosis en la detección de las principales patologías torácicas descritas en la literatura científica reciente.

Método

La presente investigación se desarrolló mediante una revisión sistemática de la literatura científica con el propósito de sintetizar la evidencia disponible acerca de las estrategias empleadas para optimizar los protocolos de tomografía computarizada (TC) de tórax de baja dosis, orientadas a reducir la exposición a la radiación sin comprometer la calidad diagnóstica. El proceso de revisión se ejecutó siguiendo las recomendaciones de la declaración PRISMA 2020 (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), con el fin de garantizar un proceso de búsqueda, selección y presentación de los estudios transparente y reproducible (Page et al., 2021).

La búsqueda bibliográfica se realizó en las bases de datos PubMed/MEDLINE, Scopus, Embase, Web of Science y Cochrane Library, por ser fuentes reconocidas por su cobertura de literatura biomédica y radiológica. Se incluyeron artículos publicados entre enero de 2020 y diciembre de 2025, escritos en inglés o español. La estrategia de búsqueda combinó términos controlados MeSH y palabras clave relacionadas con low-dose chest computed tomography, radiation dose reduction, protocol optimization, image quality, iterative reconstruction y deep learning reconstruction, utilizando operadores booleanos (AND y OR) para maximizar la sensibilidad y especificidad de la búsqueda.

La población estuvo conformada por todos los estudios científicos relacionados con la optimización de protocolos de TC de tórax de baja dosis. La muestra correspondió a los artículos que cumplieron los criterios de elegibilidad establecidos previamente. Se incluyeron investigaciones originales realizadas en población adulta que evaluaran estrategias de reducción de dosis de radiación mediante modificaciones de los parámetros de adquisición, reconstrucción iterativa, reconstrucción basada en aprendizaje profundo u otras técnicas de optimización, y que reportaran al menos un desenlace relacionado con la dosis de radiación o la calidad diagnóstica de las imágenes. Se excluyeron revisiones narrativas, cartas al editor, editoriales, estudios en población pediátrica, investigaciones realizadas exclusivamente con fantomas experimentales y publicaciones con información insuficiente para el análisis.

El proceso de selección se efectuó en dos etapas. Inicialmente se revisaron los títulos y resúmenes identificados en la búsqueda electrónica para eliminar los estudios que no cumplían los criterios de inclusión. Posteriormente, se realizó la lectura del texto completo de los artículos potencialmente elegibles para confirmar su pertinencia. Los registros duplicados fueron eliminados antes del proceso de selección. Todo el procedimiento fue documentado mediante el diagrama de flujo PRISMA 2020 (Page et al., 2021).

De cada estudio incluido se extrajo información referente al autor, año de publicación, país de realización, diseño metodológico, características de la población, protocolo de adquisición utilizado, estrategia de optimización implementada, indicadores dosimétricos evaluados (como CTDIvol, DLP o dosis efectiva), parámetros de calidad de imagen (relación señal-ruido, relación contraste-ruido o evaluación subjetiva) y principales resultados relacionados con el desempeño diagnóstico. La información obtenida fue organizada en una matriz de extracción para facilitar su comparación y posterior síntesis (Coelho et al., 2025).

Finalmente, los hallazgos fueron analizados mediante una síntesis narrativa, agrupando los estudios de acuerdo con el tipo de estrategia de optimización empleada y los desenlaces evaluados. Este procedimiento permitió identificar las intervenciones con mayor evidencia para reducir la dosis de radiación preservando la calidad diagnóstica en la tomografía computarizada de tórax de baja dosis.

Resultados

Los estudios incluidos en esta revisión sistemática evidenciaron un creciente interés por la optimización de los protocolos de tomografía computarizada (TC) de tórax de baja dosis como estrategia para disminuir la exposición a la radiación sin afectar la calidad diagnóstica. Las investigaciones analizaron principalmente la implementación de algoritmos de reconstrucción basados en aprendizaje profundo (Deep Learning Image Reconstruction, DLIR), técnicas de reconstrucción iterativa, modificaciones de los parámetros de adquisición, como la reducción del voltaje (kVp) y de la corriente del tubo (mAs), la modulación automática de la exposición y el uso de filtros espectrales para optimizar la calidad de la imagen.

Tabla 1. Extracción de datos

Ver tabla al final del artículo.

Fuente: elaboración propia

La reconstrucción basada en aprendizaje profundo fue la estrategia más frecuentemente evaluada. Los estudios de Liu et al. (2022) y Lee et al. (2023) demostraron que esta tecnología permitió disminuir el ruido de la imagen y mejorar la calidad objetiva y subjetiva en comparación con los métodos de reconstrucción iterativa convencionales, favoreciendo la reducción de la dosis de radiación sin comprometer la capacidad diagnóstica. De manera similar, investigaciones posteriores confirmaron que la implementación clínica de la reconstrucción mediante inteligencia artificial constituyó una alternativa eficaz para optimizar los protocolos de TC de tórax de baja dosis (Wang et al., 2022; Deok Jo et al., 2023).

En los estudios que compararon protocolos de ultrabaja dosis con protocolos convencionales, Weber et al. (2024) observaron que la calidad diagnóstica se mantuvo en niveles comparables entre ambas modalidades, lo que permitió reducir la exposición a la radiación sin afectar la evaluación de las alteraciones pulmonares. Asimismo, Estrella et al. (2024) evidenciaron que la incorporación de filtros espectrales combinados con reconstrucción mediante aprendizaje profundo redujo significativamente la dosis administrada y conservó la información cuantitativa necesaria para el seguimiento de pacientes con enfermedades pulmonares (Wassipaul et al., 2024; Golbus et al., 2024).

Respecto a la optimización de los parámetros técnicos, Tonkopi et al. (2024) identificaron diferencias entre instituciones en los protocolos empleados y en los indicadores dosimétricos utilizados para la adquisición de imágenes. Los autores señalaron que la estandarización de los protocolos, junto con la incorporación de tecnologías de reconstrucción avanzadas, favoreció la disminución de la dosis de radiación manteniendo una calidad diagnóstica adecuada (Tonkopi et al., 2024).

Las investigaciones que evaluaron la reconstrucción iterativa mostraron resultados consistentes en la reducción del ruido de imagen y en la mejora de la relación señal-ruido, especialmente cuando estas técnicas se combinaron con protocolos de bajo kilovoltaje y sistemas de modulación automática de corriente. Del mismo modo, los estudios que analizaron protocolos de bajo kVp con reconstrucción iterativa reportaron una calidad diagnóstica equivalente a la obtenida con protocolos convencionales, utilizando una menor exposición a radiación (Guido et al., 2023); (Chandran M et al., 2024).

En conjunto, la evidencia revisada mostró que las estrategias más efectivas para optimizar los protocolos de TC de tórax de baja dosis fueron la reconstrucción basada en aprendizaje profundo, la reconstrucción iterativa, la reducción del voltaje del tubo, la modulación automática de la corriente y la utilización de filtros espectrales. La combinación de estas herramientas permitió alcanzar un equilibrio entre la reducción de la dosis de radiación y el mantenimiento de una calidad diagnóstica adecuada, contribuyendo al fortalecimiento de la protección radiológica y a una práctica clínica más segura.

Tabla 2. Criterios de inclusión y exclusión

Ver tabla al final del artículo.

Fuente: elaboración propia

Reducción del voltaje del tubo (kVp)

La reducción del voltaje del tubo (kVp) constituye una de las estrategias más utilizadas para disminuir la dosis de radiación en la tomografía computarizada (TC) de tórax. La dosis de radiación mantiene una relación aproximadamente cuadrática con el voltaje aplicado; por ello, reducir el potencial del tubo desde protocolos convencionales de 120 kVp hacia valores de 100 kVp o incluso 80 kVp puede disminuir de forma significativa la dosis absorbida por el paciente. Sin embargo, esta reducción incrementa el ruido de la imagen debido a la menor energía del haz de rayos X, especialmente en pacientes con mayor índice de masa corporal, por lo que su implementación requiere una adecuada selección del paciente y, habitualmente, la combinación con algoritmos avanzados de reconstrucción de imagen (Chen et al., 2024).

Diversos estudios recientes han demostrado que los protocolos de bajo kVp, cuando se combinan con reconstrucción iterativa o reconstrucción basada en aprendizaje profundo (Deep Learning Image Reconstruction, DLIR), permiten mantener una calidad diagnóstica comparable a la obtenida con protocolos convencionales de 120 kVp. Estas técnicas compensan el incremento del ruido mediante algoritmos de reducción de ruido y preservación de bordes, favoreciendo una adecuada visualización de nódulos pulmonares, opacidades en vidrio deslustrado y otras lesiones torácicas incluso con reducciones sustanciales de la dosis de radiación (Chandran M et al., 2024).

Asimismo, las recomendaciones actuales enfatizan que la reducción del kVp no debe aplicarse de forma aislada, sino integrarse con otras estrategias de optimización, como la modulación automática de corriente (Automatic Exposure Control), la adaptación del protocolo al tamaño corporal del paciente y las técnicas avanzadas de reconstrucción. Este enfoque multimodal permite maximizar la reducción de la dosis manteniendo la detectabilidad de las lesiones y la confianza diagnóstica, en concordancia con el principio ALARA y con las tendencias actuales hacia protocolos personalizados de TC de tórax (Tivaskar et al., 2026).

Modulación automática de la corriente del tubo (Automatic Exposure Control, AEC)

La modulación automática de la corriente del tubo (Automatic Exposure Control, AEC) constituye una de las estrategias más importantes para la optimización de la dosis en tomografía computarizada (TC). Esta tecnología ajusta automáticamente la corriente del tubo (mA) de acuerdo con la atenuación del paciente durante la adquisición de las imágenes, evitando la utilización de una corriente fija para todos los cortes. Como resultado, incrementa los mAs en regiones anatómicas de mayor espesor y los reduce en aquellas con menor atenuación, permitiendo mantener una calidad de imagen relativamente uniforme mientras disminuye la exposición innecesaria a la radiación. Actualmente, la AAPM y la European Society of Radiology consideran la modulación automática de corriente uno de los pilares fundamentales para la optimización de protocolos de TC, recomendando su utilización sistemática en combinación con otras estrategias de reducción de dosis (Damilakis et al., 2023).

Diversos estudios han demostrado que la implementación del AEC permite reducir la dosis de radiación aproximadamente entre un 15% y un 40%, dependiendo del fabricante del tomógrafo, del algoritmo empleado y de las características antropométricas del paciente. En la TC de tórax esta estrategia resulta especialmente eficiente debido a las importantes diferencias de atenuación existentes entre el mediastino, el parénquima pulmonar y la pared torácica. Cuando el AEC se combina con protocolos de bajo kilovoltaje y algoritmos de reconstrucción iterativa o reconstrucción basada en aprendizaje profundo, es posible obtener reducciones adicionales de la dosis manteniendo una adecuada calidad diagnóstica y preservando la detectabilidad de nódulos pulmonares y lesiones de bajo contraste (Coelho et al., 2025; Vonder et al., 2021).

Desde el punto de vista técnico, los sistemas actuales de modulación automática pueden realizar ajustes longitudinales (modulación en el eje z) utilizando la información obtenida en el topograma para adaptar la corriente del tubo entre los diferentes cortes, así como efectuar una modulación angular durante la rotación del tubo alrededor del paciente. Los equipos multidetectores de última generación integran ambas modalidades de modulación, permitiendo adaptar continuamente los mAs según la atenuación proyectada en cada ángulo de adquisición. No obstante, el rendimiento del AEC depende de un adecuado posicionamiento del paciente en el isocentro del gantry y de la correcta selección de los parámetros de referencia establecidos para cada protocolo clínico, ya que errores en estos aspectos pueden incrementar innecesariamente la dosis o deteriorar la calidad de imagen (Damilakis et al., 2023).

Las recomendaciones internacionales coinciden en que la modulación automática de corriente no debe utilizarse de manera aislada, sino integrarse con otras estrategias de optimización como la reducción del voltaje del tubo, la reconstrucción iterativa, la reconstrucción mediante inteligencia artificial y la personalización de los protocolos según el tamaño corporal y la indicación clínica. La combinación de estas estrategias permite mantener una adecuada relación señal-ruido (SNR), preservar la calidad diagnóstica y reducir significativamente la exposición acumulativa del paciente a la radiación ionizante, constituyendo actualmente uno de los componentes esenciales de los protocolos modernos de TC de tórax de baja y ultrabaja dosis (Damilakis et al., 2023; Lee et al., 2025).

Reconstrucción iterativa

La reconstrucción iterativa (Iterative Reconstruction, IR) representa uno de los avances tecnológicos más importantes en la optimización de la tomografía computarizada durante las últimas dos décadas. A diferencia de la retroproyección filtrada convencional (Filtered Back Projection, FBP), que reconstruye la imagen mediante un único proceso matemático y presenta un incremento considerable del ruido cuando se emplean protocolos de baja dosis, la reconstrucción iterativa utiliza algoritmos que comparan repetidamente los datos adquiridos con un modelo matemático del sistema, corrigiendo progresivamente las discrepancias hasta obtener una imagen con menor ruido y menos artefactos. Este proceso permite mejorar la relación señal-ruido (SNR) y la relación contraste-ruido (CNR), facilitando la utilización de protocolos con menor dosis de radiación sin comprometer la calidad diagnóstica (Chandran M et al., 2024).

La evidencia científica reciente demuestra que la reconstrucción iterativa permite reducir la dosis de radiación entre un 30% y un 60% respecto a los protocolos convencionales reconstruidos mediante FBP, manteniendo una calidad diagnóstica equivalente para la detección de nódulos pulmonares, opacidades en vidrio deslustrado y otras patologías torácicas. No obstante, cuando se emplean niveles elevados de reconstrucción iterativa, especialmente en algoritmos híbridos, puede producirse una sobrecorrección del ruido que modifica la textura natural de la imagen, generando una apariencia excesivamente lisa o "plástica", lo que puede disminuir la percepción subjetiva de calidad por parte del radiólogo y afectar la evaluación de lesiones de bajo contraste. Estas limitaciones han impulsado el desarrollo de nuevas técnicas de reconstrucción basadas en inteligencia artificial (Chandran M et al., 2024; Obhuli et al., 2026).

Actualmente, las principales sociedades científicas recomiendan que la reconstrucción iterativa forme parte de cualquier protocolo moderno de TC de tórax de baja dosis y que se combine con otras estrategias de optimización, como la reducción del voltaje del tubo, la modulación automática de corriente y la selección individualizada de los parámetros de adquisición según el biotipo del paciente. Sin embargo, la aparición de algoritmos de reconstrucción mediante aprendizaje profundo (Deep Learning Image Reconstruction, DLIR) ha supuesto una nueva evolución tecnológica, al ofrecer una reducción adicional del ruido preservando la textura anatómica y la resolución espacial, superando algunas de las limitaciones observadas con la reconstrucción iterativa convencional (Chandran M et al., 2024; Obhuli et al., 2026).

Optimización multiparamétrica de los protocolos de tomografía computarizada de tórax

La optimización multiparamétrica constituye el enfoque contemporáneo más aceptado para la reducción de la dosis de radiación en tomografía computarizada (TC) de tórax. Este concepto se basa en la combinación simultánea de múltiples estrategias técnicas, incluyendo la reducción del voltaje del tubo (kVp), la modulación automática de corriente (AEC), la selección adecuada del pitch, la optimización de los parámetros de adquisición y el empleo de algoritmos avanzados de reconstrucción iterativa o reconstrucción basada en aprendizaje profundo. A diferencia de los enfoques tradicionales centrados en la modificación de un único parámetro, la optimización multiparamétrica busca alcanzar el equilibrio óptimo entre dosis de radiación y calidad diagnóstica mediante la adaptación integral del protocolo a las características del paciente y a la indicación clínica específica (Chandran M et al., 2024).

La evidencia reciente demuestra que la reducción aislada de un parámetro técnico puede incrementar el ruido de la imagen o afectar la detectabilidad de lesiones de bajo contraste. Por ejemplo, la disminución del voltaje del tubo reduce significativamente la dosis de radiación, pero puede aumentar el ruido cuántico cuando no se acompaña de técnicas de reconstrucción avanzadas. De manera similar, la disminución de la corriente del tubo puede deteriorar la relación señal-ruido si no se implementa conjuntamente con sistemas de modulación automática y algoritmos de reducción de ruido. Por esta razón, las estrategias actuales de optimización recomiendan modificar múltiples variables de forma coordinada para mantener la calidad diagnóstica mientras se minimiza la exposición del paciente a la radiación ionizante (Chandran M et al., 2024; Lee et al., 2025).

Los protocolos modernos de TC de tórax de baja dosis suelen combinar voltajes reducidos (80–100 kVp), sistemas de modulación automática de corriente, adquisición helicoidal de alta eficiencia y reconstrucción iterativa o mediante inteligencia artificial. Diversos estudios multicéntricos han demostrado que esta combinación permite alcanzar reducciones superiores al 60% de la dosis efectiva en comparación con protocolos convencionales, manteniendo una adecuada detectabilidad de nódulos pulmonares, opacidades en vidrio deslustrado y otras alteraciones parenquimatosas relevantes. Estas ventajas han favorecido su implementación en programas de cribado de cáncer de pulmón, seguimiento de enfermedades pulmonares crónicas y evaluación seriada de pacientes que requieren múltiples exploraciones tomográficas (Chandran M et al., 2024; Tivaskar et al., 2026).

La incorporación de algoritmos de reconstrucción basados en inteligencia artificial ha ampliado aún más las posibilidades de la optimización multiparamétrica. Estas tecnologías permiten compensar de manera más eficiente el incremento del ruido asociado a protocolos de muy baja dosis, preservando simultáneamente la textura anatómica y la resolución espacial de la imagen. Como resultado, los protocolos ultrabaja dosis (<1 mSv) han comenzado a ser utilizados en determinadas indicaciones clínicas sin comprometer significativamente la confianza diagnóstica del radiólogo (Chandran M et al., 2024).

Las sociedades científicas internacionales coinciden en que la optimización de la TC no debe orientarse únicamente a la reducción de la dosis, sino a la obtención de imágenes con calidad diagnóstica suficiente utilizando la menor exposición razonablemente posible, de acuerdo con el principio ALARA. En este contexto, la optimización multiparamétrica permite individualizar los protocolos según el tamaño corporal del paciente, la sospecha clínica y la tecnología disponible en cada institución, favoreciendo una práctica radiológica más segura, eficiente y alineada con los estándares actuales de protección radiológica (Damilakis et al., 2023).

Tabla 3. Comparativa de las estrategias de optimización

Ver tabla al final del artículo.

Fuente: elaboración propia

Efectos de la reducción de la dosis de radiación sobre la calidad de imagen y el rendimiento diagnóstico

La reducción de la dosis de radiación en la tomografía computarizada de tórax constituye uno de los principales objetivos de la radiología moderna debido a la necesidad de minimizar la exposición acumulativa de los pacientes a la radiación ionizante, especialmente en programas de cribado de cáncer de pulmón, seguimiento de enfermedades pulmonares crónicas y pacientes sometidos a controles seriados. No obstante, la disminución de la dosis modifica directamente la cantidad de fotones que alcanzan el detector, lo que incrementa el ruido cuántico y puede afectar la calidad de la imagen si no se implementan estrategias de compensación adecuadas. Por esta razón, las recomendaciones actuales enfatizan que la optimización no consiste únicamente en reducir la dosis, sino en mantener una calidad diagnóstica suficiente para responder con seguridad a la pregunta clínica (Chandran M et al., 2024; Damilakis et al., 2023).

A pesar de estas limitaciones, múltiples estudios recientes han demostrado que la utilización conjunta de reconstrucción iterativa, reconstrucción basada en inteligencia artificial, modulación automática de corriente y protocolos optimizados de adquisición permite compensar el incremento del ruido asociado a la reducción de la dosis. Como consecuencia, numerosos protocolos de baja dosis y ultrabaja dosis logran mantener una sensibilidad diagnóstica comparable a la obtenida con protocolos convencionales para la detección de nódulos pulmonares sólidos, consolidaciones, enfisema y otras alteraciones parenquimatosas clínicamente relevantes, utilizando dosis considerablemente inferiores (Chandran M et al., 2024; Tivaskar et al., 2026).

Otro efecto importante de la reducción de la dosis es la disminución del riesgo acumulativo de efectos estocásticos asociados a la radiación ionizante. Aunque el riesgo derivado de un único estudio de TC es relativamente bajo, la exposición repetida incrementa la probabilidad teórica de desarrollar neoplasias inducidas por radiación, especialmente en pacientes jóvenes y en aquellos que requieren múltiples exploraciones durante el seguimiento de enfermedades crónicas o procesos oncológicos (Damilakis et al., 2023).

Comparación de la calidad diagnóstica entre protocolos de dosis estándar, baja dosis y ultrabaja dosis

Los estudios comparativos publicados durante los últimos años muestran que la sensibilidad para la detección de nódulos pulmonares sólidos mayores de 4 mm permanece prácticamente inalterada cuando se utilizan protocolos de baja dosis combinados con reconstrucción iterativa o reconstrucción basada en inteligencia artificial. Asimismo, la evaluación del enfisema, las bronquiectasias, las consolidaciones y la mayoría de las lesiones focales mantiene una elevada concordancia con la obtenida mediante protocolos convencionales. Estos hallazgos han consolidado la TC de baja dosis como la técnica de elección en los programas de cribado de cáncer pulmonar y en el seguimiento de pacientes que requieren exploraciones repetidas (Coelho et al., 2025; Vonder et al., 2021).

En contraste, los protocolos de ultrabaja dosis presentan un incremento más evidente del ruido de imagen, lo que puede afectar la visualización de lesiones de muy bajo contraste, especialmente las opacidades en vidrio deslustrado de pequeño tamaño, las alteraciones intersticiales iniciales y algunos nódulos subsólidos. No obstante, la incorporación de algoritmos de reconstrucción basados en aprendizaje profundo ha demostrado una reducción significativa del ruido sin deteriorar la textura anatómica, permitiendo mantener una adecuada confianza diagnóstica incluso con dosis efectivas inferiores a 1 mSv en pacientes correctamente seleccionados (Wassipaul et al., 2024).

En conjunto, la evidencia científica disponible indica que la reducción de la dosis de radiación no implica necesariamente una disminución de la calidad diagnóstica. Cuando los protocolos son adecuadamente optimizados mediante la combinación de reducción del voltaje del tubo, modulación automática de corriente y reconstrucción iterativa o basada en inteligencia artificial, es posible obtener imágenes con una calidad suficiente para responder a la mayoría de las indicaciones clínicas torácicas, manteniendo un perfil de seguridad radiológica significativamente superior al de los protocolos convencionales. Este equilibrio constituye actualmente el objetivo principal de la optimización de la TC de tórax y representa la base de las recomendaciones internacionales sobre protección radiológica (Damilakis et al., 2023).

Tabla 4. Comparación de los protocolos de tomografía computarizada de tórax según la dosis de radiación, calidad diagnóstica y evidencia científica

Ver tabla al final del artículo.

Fuente: elaboración propia

SDCT: Standard-Dose Computed Tomography; LDCT: Low-Dose Computed Tomography; ULDCT: Ultra-Low-Dose Computed Tomography; CTDIvol: Computed Tomography Dose Index Volume; DLP: Dose-Length Product; SNR: Signal-to-Noise Ratio; CNR: Contrast-to-Noise Ratio; IR: Iterative Reconstruction; DLIR: Deep Learning Image Reconstruction.

Protocolos de tomografía computarizada de tórax de baja y ultrabaja dosis

Los protocolos de tomografía computarizada (TC) de tórax de baja dosis (Low-Dose CT, LDCT) y ultrabaja dosis (Ultra-Low-Dose CT, ULDCT) han sido desarrollados con el objetivo de reducir la exposición del paciente a la radiación ionizante sin comprometer la calidad diagnóstica. Estos protocolos se fundamentan en la optimización simultánea de diversos parámetros de adquisición, como la reducción del voltaje del tubo (kVp), la disminución de la corriente (mAs), el empleo de sistemas de modulación automática de corriente (AEC), la utilización de pitch elevados y la reconstrucción mediante algoritmos iterativos o inteligencia artificial. La combinación de estas estrategias ha permitido alcanzar reducciones de la dosis efectiva superiores al 70% respecto a los protocolos convencionales, manteniendo una adecuada sensibilidad para la detección de la mayoría de las patologías torácicas (Lee et al., 2025; Wassipaul et al., 2024).

Tabla 5. Parámetros técnicos de adquisición en cada uno de los protocolos.

Ver tabla al final del artículo.

Fuente: elaboración propia

La implementación de protocolos de baja dosis en Ecuador es técnicamente viable en una proporción importante de los tomógrafos multidetectores instalados tanto en instituciones públicas como privadas. La mayoría de equipos de 64 detectores o superiores disponibles en hospitales de referencia incorporan sistemas de modulación automática de corriente (AEC) y algoritmos de reconstrucción iterativa híbrida, tecnologías suficientes para desarrollar protocolos de baja dosis destinados al cribado de cáncer pulmonar, evaluación de enfermedades pulmonares difusas y seguimiento de pacientes con patologías torácicas. En consecuencia, la adopción de protocolos LDCT no depende exclusivamente de la adquisición de nuevos equipos, sino de la estandarización institucional de los protocolos, la capacitación del personal y la optimización de los parámetros técnicos según las características del paciente y la indicación clínica.

En contraste, la implementación rutinaria de protocolos de ultrabaja dosis presenta mayores limitaciones en el contexto nacional. Estos protocolos obtienen su mejor rendimiento cuando se combinan con algoritmos avanzados de reconstrucción basados en modelos (MBIR) o inteligencia artificial, tecnologías que actualmente se encuentran disponibles principalmente en tomógrafos de última generación y que dependen del fabricante y de licencias de software específicas. Por este motivo, su disponibilidad es variable entre las instituciones ecuatorianas, especialmente entre hospitales públicos y centros de menor complejidad, donde todavía existen equipos con capacidades limitadas para este tipo de reconstrucción avanzada.

No obstante, la evidencia internacional demuestra que una parte importante de los beneficios en reducción de dosis puede alcanzarse sin necesidad de inteligencia artificial, mediante la optimización de parámetros ya disponibles en la mayoría de tomógrafos multidetectores modernos, como la adecuada selección del kVp, el uso sistemático de AEC, la modulación automática de corriente, la reconstrucción iterativa y la adaptación del protocolo al índice de masa corporal del paciente. Estas medidas representan estrategias de bajo costo y alta factibilidad, por lo que podrían incorporarse progresivamente en los servicios de radiología del Ecuador mediante programas institucionales de aseguramiento de la calidad.

Discusión

La presente revisión evidencia que la optimización de la dosis de radiación en la tomografía computarizada (TC) de tórax ha evolucionado desde estrategias centradas en la modificación de parámetros individuales hacia un enfoque multiparamétrico que integra la reducción del voltaje del tubo (kVp), la modulación automática de corriente (AEC), la reconstrucción iterativa (IR), la reconstrucción basada en aprendizaje profundo (DLIR) y la personalización de los protocolos según las características del paciente. La evidencia publicada demuestra que la combinación de estas tecnologías permite disminuir significativamente la dosis de radiación sin comprometer el rendimiento diagnóstico, consolidando un nuevo paradigma basado en el equilibrio entre seguridad radiológica y calidad de imagen.

Uno de los hallazgos más consistentes encontrados en la literatura fue el papel de la reconstrucción iterativa y de los algoritmos basados en inteligencia artificial como elementos fundamentales para compensar el incremento del ruido asociado a la reducción de la dosis. Mientras que los primeros algoritmos híbridos permitieron disminuir la exposición manteniendo una calidad diagnóstica aceptable, las técnicas de reconstrucción mediante aprendizaje profundo han demostrado una mejor preservación de la textura anatómica y de la resolución espacial, superando una de las principales limitaciones de la reconstrucción iterativa convencional. Estos resultados coinciden con las revisiones sistemáticas recientes, las cuales concluyen que la inteligencia artificial representa actualmente una de las herramientas con mayor potencial para el desarrollo de protocolos de ultrabaja dosis.

Otro aspecto relevante identificado fue que la optimización de la dosis no depende exclusivamente de una tecnología específica, sino de la adecuada combinación de múltiples estrategias. La reducción aislada del voltaje del tubo o de la corriente puede incrementar el ruido cuántico y deteriorar la relación señal-ruido (SNR) y la relación contraste-ruido (CNR); sin embargo, cuando estas modificaciones se integran con sistemas de modulación automática de corriente y algoritmos avanzados de reconstrucción, es posible mantener una elevada calidad diagnóstica incluso con reducciones importantes de la dosis efectiva. Este enfoque multiparamétrico es actualmente el más recomendado por la European Society of Radiology y por la Agencia Internacional de Energía Atómica para la optimización de protocolos de TC.

En relación con la calidad diagnóstica, la evidencia analizada demuestra que los protocolos de baja dosis mantienen una sensibilidad comparable a la de la TC convencional para la detección de nódulos pulmonares clínicamente relevantes, enfisema, bronquiectasias, consolidaciones y otras lesiones parenquimatosas frecuentes. No obstante, la reducción extrema de la dosis puede afectar la detección de lesiones de muy bajo contraste, particularmente opacidades en vidrio deslustrado y nódulos subsólidos de pequeño tamaño, especialmente cuando no se dispone de algoritmos avanzados de reconstrucción. Estos hallazgos ponen de manifiesto que la optimización debe orientarse a obtener la menor dosis posible compatible con una calidad diagnóstica suficiente y no a minimizar la dosis de manera indiscriminada.

La presente revisión también resalta que los protocolos de baja dosis se han consolidado como el estándar para programas de cribado de cáncer de pulmón y para el seguimiento de pacientes que requieren exploraciones seriadas. En contraste, los protocolos de ultrabaja dosis todavía presentan limitaciones relacionadas con la disponibilidad tecnológica y con la necesidad de algoritmos de reconstrucción de última generación, por lo que su implementación debe individualizarse según la indicación clínica y la infraestructura disponible en cada institución.

Desde la perspectiva del contexto ecuatoriano, la evidencia nacional continúa siendo limitada. No se identificaron estudios multicéntricos que describan la distribución tecnológica de los tomógrafos ni la disponibilidad de algoritmos avanzados de reconstrucción en los diferentes niveles del sistema de salud. Asimismo, la ausencia de niveles de referencia diagnósticos (DRL) específicos para TC de tórax constituye una limitación para la estandarización de protocolos y la comparación entre instituciones. No obstante, la mayoría de las estrategias de optimización descritas, como la adecuada selección del kVp, la modulación automática de corriente, la adaptación de los protocolos al tamaño corporal y el uso de reconstrucción iterativa cuando se encuentre disponible, pueden implementarse progresivamente sin requerir necesariamente la adquisición de nuevos equipos, siempre que se acompañen de programas de aseguramiento de la calidad y capacitación continua del personal.

Entre las fortalezas de esta revisión destaca la incorporación de evidencia científica reciente procedente de revisiones sistemáticas, estudios prospectivos y documentos de consenso publicados durante los últimos cinco años, lo que permitió realizar un análisis actualizado sobre las estrategias de optimización de la dosis en TC de tórax. Además, se incluyó un análisis de la aplicabilidad de estas tecnologías en el contexto ecuatoriano, aspecto escasamente abordado en revisiones previas y de especial relevancia para la práctica clínica nacional.

Como limitaciones, debe señalarse que la evidencia disponible presenta una importante heterogeneidad metodológica, relacionada con las diferencias entre fabricantes de tomógrafos, algoritmos de reconstrucción, parámetros técnicos de adquisición y poblaciones estudiadas. Esta variabilidad dificulta la comparación directa de los resultados y limita la posibilidad de establecer recomendaciones universales sobre valores específicos de kVp, mAs o dosis efectiva.

En conclusión, la optimización de la dosis en la TC de tórax debe entenderse como un proceso integral que combina innovación tecnológica, estandarización de protocolos y formación continua del personal. La implementación progresiva de estrategias multiparamétricas, junto con el establecimiento de niveles de referencia diagnósticos y programas nacionales de aseguramiento de la calidad, representa una oportunidad para mejorar la seguridad radiológica y mantener una elevada calidad diagnóstica en los servicios de Imagenología, tanto en Ecuador como en otros países con características similares.

Conclusiones

La evidencia científica demuestra que la optimización de la dosis de radiación en la tomografía computarizada de tórax debe abordarse mediante un enfoque multiparamétrico que integre la reducción del voltaje del tubo, la modulación automática de corriente, la reconstrucción iterativa, la reconstrucción basada en aprendizaje profundo y la personalización de los protocolos según las características del paciente y la indicación clínica. La combinación de estas estrategias permite disminuir significativamente la exposición a la radiación manteniendo una calidad diagnóstica adecuada para la mayoría de las patologías torácicas.

Los protocolos de baja dosis han demostrado un rendimiento diagnóstico comparable al de la tomografía computarizada convencional para la detección de nódulos pulmonares clínicamente relevantes, enfisema, bronquiectasias y otras enfermedades del parénquima pulmonar. Aunque los protocolos de ultrabaja dosis pueden incrementar el ruido de imagen y reducir la detectabilidad de algunas lesiones de bajo contraste, la incorporación de algoritmos avanzados de reconstrucción, especialmente aquellos basados en inteligencia artificial, ha permitido minimizar estas limitaciones y ampliar sus aplicaciones clínicas.

La revisión de la literatura evidencia que la reducción de la dosis no debe considerarse un objetivo aislado, sino un proceso de optimización orientado a preservar el equilibrio entre seguridad radiológica y calidad diagnóstica, de acuerdo con el principio ALARA. En este contexto, la selección del protocolo debe individualizarse considerando el biotipo del paciente, la sospecha clínica, la tecnología disponible y la experiencia del equipo de Imagenología, evitando tanto la exposición innecesaria como el deterioro de la información diagnóstica. En el contexto de nuestro medio, la implementación de protocolos de baja dosis es factible mediante la optimización de los recursos tecnológicos actualmente disponibles, sin que ello implique necesariamente la adquisición de nuevos equipos.

Finalmente, esta revisión pone de manifiesto que la incorporación progresiva de tecnologías avanzadas, junto con la capacitación continua del personal, la monitorización sistemática de indicadores dosimétricos y la estandarización de protocolos, constituye una estrategia esencial para mejorar la seguridad del paciente y garantizar estudios de alta calidad diagnóstica. Asimismo, identifica la necesidad de desarrollar investigaciones multicéntricas en nuestro medio que permitan establecer niveles de referencia diagnósticos nacionales y evaluar la efectividad de los protocolos de baja y ultrabaja dosis en la práctica clínica local.

Referencias

1. American Association of Physicists in Medicine. (2023). Lung Cancer Screening CT Protocols. 6, 19.
2. Chandran M, O., Pendem, S., P S, P., Chacko, C., Priyanka -, & Kadavigere, R. (2024). Influence of deep learning image reconstruction algorithm for reducing radiation dose and image noise compared to iterative reconstruction and filtered back projection for head and chest computed tomography examinations: A systematic review. 13(1), 274. https://doi.org/10.12688/f1000research.147345.1.
3. Chen, H., Li, Q., Zhou, L., & Li, F. (2024). Deep learning-based algorithms for low-dose CT imaging: A review. 172(1), 111355. https://doi.org/https://doi.org/10.1016/j.ejrad.20 24.111355.
4. Cody, D. D., Dillon, C. M., Fisher, T. S., Liu, X., McNitt-Gray, M. F., & Patel, V. (2021). AAPM Medical Physics Practice Guideline 1.b: CT protocol management and review practice guideline. 22, 4-10. https://doi.org/https://doi.org/10.1002/acm2.13193 .
5. Coelho, S., Dinis, M. de L., Freitas, M., & Santos Baptista, J. (2025). Radiation Dose Reduction in CT Exams with Iterative and Deep Learning Reconstruction: A Systematic Review. 16(1), 36. https://doi.org/10.3390/app16010316.
6. Damilakis, J., Frija, G., Brkljacic, B., Vano, E., Loose, R., Paulo, G., Brat, H., & Tsapaki, V. (2023). How to establish and use local diagnostic reference levels: An ESR EuroSafe Imaging expert statement. 14(27). https://doi.org/https://doi.org/10.1186/s13244-023 -01369-x.
7. Deok Jo, G., Ahn, C., Hee Hong, J., Som Kim, D., Park, J., Kim, H., Hyo Kim, J., Mo Goo, J., & Gang Nam, J. (2023). 75% radiation dose reduction using deep learning reconstruction on low-dose chest CT. 23(1), 121. https://doi.org/10.1186/s12880-023-01081-8.
8. Golbus, A. E., Steveson, C., Schuzer, J. L., Rollison, S. F., Worthy, T., Jones, A. M., Julien-Williams, P., Moss, J., & Chen, M. Y. (2024). Ultra-low dose chest CT with silver filter and deep learning reconstruction significantly reduces radiation dose and retains quantitative information in the investigation and monitoring of lymphangioleiomyomatosis (LAM). 34(1), 5613-5620. https://doi.org/https://doi.org/10.1007/s00330-024 -10649-z.
9. Guido, G., Polici, M., Nacci, I., Bozzi, F., De Santis, D., Ubaldi, N., Polidori, T., Zerunian, M., Bracci, B., Laghi, A., & Caruso, D. (2023). Iterative Reconstruction: State-of-the-Art and Future Perspectives. 47(2), 244-254. https://doi.org/10.1097/RCT.0000000000001401.
10. László Tárnokii, D., Karlinger, K., & Ridge, C. A. (2024). Lung imaging methods: Indications, strengths and limitations. 20(3), 230127. https://doi.org/https://doi.org/10.1183/20734735.0 127-2023.
11. Mazzone, P. J., Silvestri, G. A., Souter, L. H., Caverly, T. J., Kanne, J. P., Katki, H. A., Soylemez Wiener, R., & Detterbeck, F. C. (2021). Screening for Lung Cancer: CHEST Guideline and Expert Panel Report. 160(5), e427-e494. https://doi.org/10.1016/j.chest.2021.06.063.
12. Obhuli, C. M., Pendem, S., Abhijith, S., Kadavigere, R., Priyanka, Priya, P. S., & Chacko, C. (2026). Clinical value of deep learning image reconstruction in chest computed tomography (CT) imaging: A systematic review. 92(1), 107184. https://doi.org/https://doi.org/10.1016/j.crad.202 5.107184.
13. Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., McGuinness, L. A., & Stewart, L. A. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. 372, 71. https://doi.org/https://doi.org/10.1136/bmj.n71.
14. Tivaskar, S., Luharia, A., Mishra, G. V., Shrivastav, A., Christian, R., & Das, S. (2026). Artificial Intelligence in Chest Computed Tomography Optimization: A Task-based Framework for Balancing Detectability and Radiation Dose. 51(2), 215-226. https://doi.org/10.4103/jmp.jmp_57_26.
15. Tonkopi, E., Afadzi Tetteh, M., Gunn, C., Ashraf, H., Lia Rusten, S., Safi, P., Suu Tinsoe, N., Colford, K., Ouellet, O., Naimi, S., & Johansen, S. (2024). A multi-institutional assessment of low-dose protocols in chest computed tomography: Dose and image quality. 13(1), 1-10. https://doi.org/10.1177/20584601241228220.
16. Vonder, M., Dorrius, M. D., & Vliegenthart, R. (2021). Latest CT technologies in lung cancer screening: Protocols and radiation dose reduction. 10(2), 1154-1164. https://doi.org/10.21037/tlcr-20-808.
17. Wang, H., Li, L.-L., Shang, J., Song, J., & Liu, B. (2022). Application of deep learning image reconstruction in low-dose chest CT scan. 95(1133), 20210380. https://doi.org/10.1259/bjr.20210380.
18. Wassipaul, C., Kifjak, D., Milos, R.-I., Prayer, F., Roehrich, S., Winter, M., Beer, L., Watzenboeck, M. L., Pochepnia, S., Weber, M., Tamandl, D., Homolka, P., Birkfellner, W., Ringl, H., Prosch, H., & Heidinger, B. H. (2024). Ultra-low-dose vs. Standard-of-care-dose CT of the chest in patients with post-COVID-19 conditions-a prospective intra-patient multi-reader study. 34(11), 7244-7254. https://doi.org/10.1007/s00330-024-10754-z.

Anexos: PDF

Síguenos en Pinterest