Inteligencia artificial en la detección temprana del cáncer de laringe mediante
análisis de imágenes endoscópicas
Artificial intelligence in the early detection of laryngeal cancer through endoscopic
image analysis
Inteligência artificial na detecção precoce do câncer de laringe por meio de análise de
imagens endoscópicas.
Allister Antonio Miñán Vera
Instituto Europeo de Postgrados
Ecuador
allister1999@hotmail.com
https://orcid.org/0009-0006-3916-6739
Forma de citación en APA, séptima edición.
Miñán, A. (2026). Inteligencia artificial en la detección temprana del cáncer de laringe mediante análisis
de imágenes endoscópicas. Revista Ibero Research, 1(7), 1110 - 1144.
Fecha
de
presentación:
20/09/2026
Fecha
de
aceptación:
04/10/2026
Fecha
de
publicación:
06/10/2026
Resumen
La inteligencia artificial aplicada a endoscopia laríngea muestra potencial para apoyar
detección, clasificación y segmentación de lesiones. Se realizó una revisión narrativa
crítica de estudios, metaanálisis y estándares de reporte. Se diferenciaron pacientes e
imágenes, tareas diagnósticas y tipos de validación. Los resultados publicados muestran
desempeño variable y experiencias de validación externa y vídeo, pero no acreditan por
sí solos diagnóstico más temprano o mejores desenlaces oncológicos. Se propone una
matriz de evaluación e implementación supervisada que integra calidad de datos,
seguridad e impacto clínico. Se concluye que la adopción requiere validación
independiente, control de sesgos y seguimiento de decisiones, manteniendo
confirmación diagnóstica y responsabilidad especializada.
Palabras clave: inteligencia artificial; cáncer de laringe; endoscopia; aprendizaje profundo;
exactitud diagnóstica.
Abstract
Artificial intelligence applied to laryngeal endoscopy may support lesion detection,
classification, and segmentation. A critical narrative review examined studies,
meta-analyses, and reporting standards. Patients and images, diagnostic tasks, and
validation types were differentiated. Published results show variable performance and
experience with external and video validation, but do not independently establish earlier
diagnosis or improved oncological outcomes. An evaluation and supervised
implementation matrix integrating data quality, safety, and clinical impact is proposed.
Adoption requires independent validation, bias control, and monitoring of decisions
while maintaining diagnostic confirmation and specialist responsibility.
Keywords: artificial intelligence; laryngeal cancer; endoscopy; deep learning; diagnostic
accuracy.
Resumo
A inteligência artificial aplicada à endoscopia laríngea apresenta potencial para apoiar
detecção, classificação e segmentação de lesões. Realizou-se uma revisão narrativa
crítica de estudos, metanálises e padrões de relato. Diferenciaram-se pacientes e
imagens, tarefas diagnósticas e tipos de validação. Os resultados publicados mostram
desempenho variável e experiências de validação externa e por vídeo, mas não
demonstram, isoladamente, diagnóstico mais precoce ou melhores resultados
oncológicos. Propõe-se uma matriz de avaliação e implementação supervisionada que
integra qualidade dos dados, segurança e impacto clínico. A adoção exige validação
independente, controle de vieses e acompanhamento das decisões, mantendo
confirmação diagnóstica e responsabilidade especializada.
Palavras-chave: inteligência artificial; câncer de laringe; endoscopia; aprendizagem profunda;
acurácia diagnóstica.
Introducción
El cáncer de laringe representa una enfermedad de considerable importancia dentro de
la oncología de cabeza y cuello. La mayoría de los tumores laríngeos corresponden a
carcinomas escamocelulares, que pueden desarrollarse en regiones glóticas,
supraglóticas o subglóticas. Su aparición se encuentra relacionada con múltiples
factores, entre ellos el consumo de tabaco, alcohol y determinadas exposiciones
ambientales y ocupacionales. Además, pueden existir lesiones precursoras como
leucoplasias, displasias y alteraciones epiteliales que requieren una valoración
especializada debido a su potencial de progresión maligna (1,2).
La detección precoz constituye un componente esencial del abordaje del cáncer
laríngeo. Las lesiones diagnosticadas en fases iniciales pueden presentar mejores
posibilidades de tratamiento conservador y de preservación funcional. Sin embargo, la
identificación temprana no siempre resulta sencilla, debido a que determinadas lesiones
pueden presentar cambios sutiles de color, textura, vascularización o arquitectura
superficial. La exploración endoscópica convencional mediante luz blanca continúa
siendo una herramienta fundamental, pero su interpretación depende de factores
relacionados con la calidad de la imagen, las características de la lesión y la experiencia
del especialista. (1)
Paralelamente, el desarrollo de la inteligencia artificial ha modificado el panorama de la
medicina basada en imágenes. El aprendizaje automático y, especialmente, el
aprendizaje profundo permiten construir modelos capaces de identificar patrones
complejos en imágenes digitales que pueden no ser fácilmente reconocibles mediante
una inspección convencional. Las redes neuronales convolucionales (CNN) han
adquirido particular importancia en la interpretación automatizada de imágenes médicas
debido a su capacidad para aprender representaciones jerárquicas de características
visuales (3,4).
En laringología, la investigación sobre IA ha evolucionado desde modelos
experimentales de clasificación de imágenes hacia sistemas capaces de detectar
lesiones, diferenciar tejido benigno y maligno, identificar lesiones precursoras y
delimitar los bordes tumorales. El propósito de esta revisión es analizar críticamente el
papel potencial de la IA en la detección temprana del cáncer de laringe mediante
imágenes endoscópicas y discutir los principales retos que deben resolverse antes de su
implementación clínica generalizada. (1)
La detección temprana constituye una finalidad clínica más exigente que clasificar
fotografías correctamente. Para demostrarla es necesario establecer si una herramienta
adelanta el diagnóstico de lesiones relevantes, modifica decisiones y mejora resultados
sin aumentar de forma desproporcionada biopsias o falsas alarmas. Los estudios de
exactitud aportan un paso inicial, pero no responden por sí solos a esas preguntas
asistenciales. (1,2,5)
Las tareas computacionales también deben diferenciarse. Detectar una lesión, clasificar
su naturaleza y delimitar su superficie producen resultados distintos y utilizan métricas
diferentes; una elevada concordancia de segmentación no representa sensibilidad
diagnóstica ni capacidad para identificar invasión profunda. El artículo delimita su
objeto al análisis de imágenes endoscópicas laríngeas, utilizando otras modalidades
únicamente para discutir límites y complementariedad. (6,7,8)
La endoscopia proporciona información visual condicionada por iluminación, óptica,
movimiento y selección de fotogramas. El rendimiento puede cambiar cuando un
modelo entrenado con imágenes limpias se aplica a exploraciones con secreciones,
sangrado o visualización incompleta. La validación externa adquiere especial relevancia
porque refleja, aunque de manera imperfecta, variación entre centros y equipos. (9,7)
Se plantea identificar qué evidencia respalda el apoyo diagnóstico, qué errores
metodológicos pueden exagerarlo y qué condiciones debería cumplir una
implementación supervisada. El aporte consiste en una matriz de evaluación que une
calidad de datos, desempeño, interacción clínica y seguimiento; no se presenta un
algoritmo nuevo ni resultados de entrenamiento propios.
Metodología
Se realizó una revisión narrativa crítica, de alcance documental y orientación aplicada.
El material temático inicial se amplió mediante búsquedas dirigidas en registros
académicos y publicaciones originales disponibles; se verificaron identidad
bibliográfica y correspondencia de las fuentes con las afirmaciones. La búsqueda
complementaria se cerró el 5 de octubre de 2026 y conservó trabajos fundacionales
cuando eran necesarios para interpretar la evidencia reciente.
Se consultaron registros de Europe PMC/PubMed, metadatos DOI y páginas de revistas
u organismos pertinentes. Se incluyeron publicaciones con relación directa con la
pregunta y datos o argumentos interpretables; se excluyeron duplicados bibliográficos,
referencias que no correspondían al contenido atribuido y trabajos ajenos al objeto. No
se declararon búsquedas en bases de suscripción no consultadas ni un proceso
exhaustivo de revisión sistemática.
La selección fue intencional y se utilizó una matriz de extracción para ordenar diseño,
población u objeto, resultados, medida y limitaciones. El análisis fue comparativo y
temático; los resultados cuantitativos se conservaron en su contexto y las propuestas se
diferenciaron de hallazgos empíricos. Las tablas y gráficos se elaboraron con
información publicada, sin crear participantes, observaciones o estimaciones de efecto
propias.
La revisión utilizó fuentes documentales públicas y no intervino sobre personas ni
accedió a registros individuales identificables. No se atribuye una aprobación ética
inexistente. Se mantuvo trazabilidad mediante DOI o URL y se realizó una
comprobación de correspondencia entre citas y referencias, junto con revisión de
coherencia de cifras y elementos visuales.
Se realizó una revisión narrativa crítica con búsqueda complementaria de laryngeal,
laryngoscopy, leukoplakia, artificial intelligence, deep learning y machine learning. Se
priorizaron estudios con endoscopia laríngea, validación independiente o análisis de
utilidad clínica; se incorporaron guías de reporte para interpretar aspectos de diseño.
Los trabajos sobre voz, tomografía o histopatología no se utilizaron para atribuir
desempeño a una modalidad endoscópica diferente.
La extracción identificó población, número de pacientes e imágenes, modalidad óptica,
tarea, referencia diagnóstica y tipo de validación. Se registró la unidad de análisis
porque miles de fotogramas de pocos pacientes no proporcionan la misma información
que miles de personas independientes. Se distinguieron validación interna, externa y
evaluación prospectiva, sin asumir que cualquiera de ellas implica beneficio asistencial
demostrado.
Se interpretaron sensibilidad, especificidad, área bajo la curva y métricas de
segmentación según su propósito. Los resultados de distintas revisiones no se
combinaron nuevamente, dado el probable solapamiento de estudios y diferencias en
selección y referencia. La comparación fue crítica y descriptiva; no se calculó una
estimación única del rendimiento de toda la inteligencia artificial laríngea.
Las guías STARD y STARD-AI orientaron el examen de exactitud diagnóstica;
TRIPOD+AI, la transparencia de modelos predictivos; CLAIM, la información
específica de imágenes; y DECIDE-AI, la evaluación inicial en el flujo clínico. Se
emplearon como marcos de lectura y no se declaró una puntuación formal de
cumplimiento no realizada. (10,11,12,13,14)
Los gráficos conservan la tarea y el conjunto de evaluación de cada fuente. Los
porcentajes de sensibilidad y especificidad se presentan como estimaciones publicadas,
sin construir matrices de pacientes hipotéticos ni calcular valores predictivos sin
prevalencia definida. La propuesta de implementación corresponde a una derivación
metodológica de los hallazgos, no a una intervención probada.
Resultados
La laringoscopia permite examinar directamente las estructuras laríngeas y constituye
uno de los principales procedimientos para la evaluación de pacientes con disfonía
persistente, lesiones sospechosas u otros signos compatibles con patología laríngea. La
visualización mediante luz blanca puede identificar irregularidades de la mucosa, masas,
ulceraciones, cambios de color y alteraciones de la superficie. (15)
Sin embargo, existe una importante variabilidad interobservador. Algunas lesiones
benignas pueden presentar características similares a lesiones malignas, mientras que
lesiones premalignas o carcinomas incipientes pueden presentar manifestaciones
discretas. La experiencia del otorrinolaringólogo influye directamente en la capacidad
para reconocer patrones sospechosos. (15)
Estos resultados muestran que las imágenes endoscópicas contienen información
morfológica y vascular potencialmente aprovechable por sistemas computacionales. La
IA puede procesar grandes cantidades de imágenes y aprender asociaciones entre
características visuales y diagnósticos previamente establecidos mediante
histopatología. (15)
La IA comprende diferentes técnicas computacionales destinadas a realizar tareas que
tradicionalmente requieren capacidades cognitivas humanas. En medicina, el
aprendizaje automático permite identificar patrones a partir de datos previamente
etiquetados, mientras que el aprendizaje profundo emplea arquitecturas neuronales con
múltiples capas capaces de generar representaciones complejas de los datos. (7)
Las CNN se han convertido en una de las principales herramientas para el análisis de
imágenes médicas. Su arquitectura permite detectar progresivamente características
como bordes, texturas, patrones geométricos y estructuras más complejas. En el caso de
las imágenes laríngeas, estos modelos pueden aprender diferencias entre mucosa
normal, lesiones benignas, lesiones premalignas y cáncer. (7)
Uno de los trabajos iniciales de gran relevancia fue desarrollado por Xiong y
colaboradores (7), quienes utilizaron 13.721 imágenes laringoscópicas para construir y
evaluar una red neuronal convolucional destinada a identificar cáncer laríngeo, lesiones
precancerosas, tumores benignos y tejido normal. En un conjunto independiente
procedente de otros hospitales, el modelo alcanzó una sensibilidad de 73,1%,
especificidad de 92,2%, AUC de 0,922 y exactitud global de 86,7%.
Este trabajo fue importante porque demostró que el análisis computacional podía
extenderse más allá de la clasificación binaria simple. El modelo intentaba diferenciar
múltiples categorías de tejido, acercándose más a la complejidad del diagnóstico real.
(7)
La tabla 1 organiza tareas de IA endoscópica y desenlaces, con indicación del alcance
de cada componente y de las fuentes que sustentan su interpretación.
Tabla 1
Tareas de IA endoscópica y desenlaces
Tarea
Resultado
Límite
Clasificación
Categoría de lesión
No sustituye confirmación (7)
Detección
Localización de área sospechosa
Depende de adquisición (9)
Segmentación
Delimitación superficial
No informa margen profundo (6)
Predicción de
transformación
Riesgo futuro
Necesita seguimiento temporal (16)
Fuente: Síntesis de las publicaciones citadas.
Posteriormente, las investigaciones han incorporado algoritmos capaces de analizar
secuencias de video, en lugar de limitarse a imágenes individuales. Wellenstein y
colaboradores (9) desarrollaron un sistema de aprendizaje profundo capaz de localizar y
clasificar carcinoma de cuerda vocal y lesiones benignas durante la endoscopia. El
sistema alcanzó velocidades de procesamiento compatibles con aplicaciones
potencialmente en tiempo real, lo que abre la posibilidad de que la IA funcione durante
el procedimiento endoscópico.
Una revisión sistemática de Yao y colaboradores (8) identificó múltiples aplicaciones de
IA en la laringoscopia ambulatoria, incluyendo clasificación automática de imágenes,
detección de estructuras anatómicas y análisis de calidad de las imágenes. Este
desarrollo resulta especialmente importante porque una herramienta de IA clínicamente
útil no debería limitarse a emitir un diagnóstico final, sino también contribuir a
garantizar que las imágenes obtenidas sean suficientemente informativas.
La evidencia acumulada durante los últimos años muestra resultados considerablemente
prometedores. Żurek y colaboradores (17), en una revisión sistemática y metaanálisis
sobre IA aplicada a la endoscopia laríngea, analizaron estudios que evaluaban imágenes
obtenidas durante laringoscopia. Los modelos presentaron valores de exactitud entre
0,806 y 0,997. Para la diferenciación entre lesiones benignas y malignas, la sensibilidad
y especificidad agrupadas fueron aproximadamente de 91% y 94%, respectivamente.
Estos resultados deben interpretarse con cautela. Un alto rendimiento en conjuntos de
datos experimentales no significa automáticamente que un algoritmo pueda sustituir al
especialista en condiciones clínicas reales. Las bases de datos pueden presentar
imágenes de calidad superior a las obtenidas habitualmente en consulta y pueden incluir
una distribución de enfermedades diferente de la encontrada en la población general.
(17)
Xiong y colaboradores utilizaron 13.721 imágenes para desarrollar y evaluar
clasificación de lesiones laríngeas. En la evaluación independiente de otros hospitales se
reportaron sensibilidad de 73,1%, especificidad de 92,2%, área bajo la curva de 0,922 y
exactitud de 86,7%. Estas métricas responden a contrastes definidos en el estudio; su
coexistencia demuestra que una cifra de exactitud puede ocultar diferencias
clínicamente importantes en errores. (7)
El rendimiento de la imagen asistida depende del sustrato óptico. La investigación de Ni
y colaboradores sobre NBI muestra el valor de examinar patrones vasculares, pero la
interpretación sigue vinculada a lesión y calidad de adquisición. La IA aprende
asociaciones presentes en los datos; no convierte información ausente o una exploración
incompleta en certeza histológica. (15,3,4)
La revisión de aplicaciones en laringoscopia ambulatoria describe funciones más
amplias que clasificar cáncer. Reconocimiento anatómico, selección y calidad de
imágenes pueden apoyar el procedimiento, aunque cada función necesita un desenlace
propio. Un sistema útil para enseñanza o adquisición no debe promocionarse
automáticamente como sustituto de biopsia o de juicio especializado. (8,18)
El gráfico 1 presenta rendimiento externo del modelo de Xiong. Se conserva la unidad y
el contexto de los datos para distinguir la descripción publicada de las implicaciones
propuestas.
Gráfico 1
Rendimiento externo del modelo de Xiong
Fuente: elaboración propia. (7). Evaluación independiente; métricas distintas, no categorías excluyentes.
La sensibilidad menor que la especificidad señala la necesidad de valorar falsos
negativos, aun con exactitud global elevada. La comparación entre métricas no
representa un contraste estadístico entre modelos; cada una describe una propiedad
distinta del mismo sistema. La decisión clínica requiere conocer umbral, población y
consecuencias del error.
Du y colaboradores (19) realizaron un metaanálisis de algoritmos de aprendizaje
profundo aplicados a laringoscopia que incluyó nueve estudios y más de 106.000
imágenes endoscópicas. La sensibilidad agrupada para el diagnóstico de cáncer laríngeo
fue de 95%, mientras que la especificidad fue de 96% y el área bajo la curva alcanzó
aproximadamente 0,99. Estos resultados evidencian el potencial diagnóstico de la
tecnología, aunque los autores también reconocen la necesidad de continuar
investigando su utilidad clínica.
De manera complementaria, Marrero-Gonzalez y colaboradores (20) analizaron
aplicaciones de IA en endoscopia, análisis de voz e histopatología. Para la endoscopia
asistida por IA, la sensibilidad combinada para clasificar lesiones benignas y malignas
fue de aproximadamente 91%, mientras que la sensibilidad para detección de lesiones
también fue cercana al 91%.
Una revisión más reciente de Alabdalhussein y colaboradores (21), que incluyó 15
estudios y 17.559 pacientes, encontró una sensibilidad agrupada de 78% y especificidad
de 86% para la detección de cáncer laríngeo. Esta diferencia respecto de otros
metaanálisis demuestra que el rendimiento de los modelos depende considerablemente
del diseño de los estudios, población analizada, definición del desenlace, tipo de
imágenes y estrategia algorítmica.
Por tanto, la evidencia disponible no debería interpretarse como la existencia de un
único rendimiento diagnóstico universal de la IA. Más apropiadamente, los estudios
demuestran que determinados sistemas pueden alcanzar un rendimiento elevado bajo
condiciones específicas. (17)
Uno de los desafíos más importantes en la detección temprana consiste en identificar
lesiones que todavía no constituyen un carcinoma invasivo. La leucoplasia de las
cuerdas vocales representa un ejemplo especialmente relevante debido a que puede
corresponder a cambios benignos, displasia o carcinoma. (22)
Tie y colaboradores (22) desarrollaron un modelo de aprendizaje profundo basado en
multi-instance learning para distinguir leucoplasias benignas y malignas utilizando
imágenes de luz blanca y NBI. El estudio incluyó miles de imágenes procedentes de
múltiples instituciones y realizó validación externa. El área bajo la curva alcanzó 0,868
en la validación interna y 0,884 en la externa. Además, la evaluación con laringólogos
mostró que la asistencia de IA podía mejorar determinadas medidas diagnósticas y la
consistencia de los especialistas.
Este tipo de investigación resulta especialmente relevante porque representa un cambio
desde la simple clasificación “cáncer/no cáncer” hacia una herramienta destinada a
resolver un problema clínico concreto: determinar qué lesión aparentemente sospechosa
requiere mayor atención diagnóstica. (22)
La tabla 2 organiza metaanálisis seleccionados: poblaciones y estimaciones, con
indicación del alcance de cada componente y de las fuentes que sustentan su
interpretación.
Tabla 2
Metaanálisis seleccionados: poblaciones y estimaciones
Síntesis
Unidad declarada
Resultado informado
Du (19)
9 estudios; 106.175 imágenes
Sensibilidad 95%; especificidad 96%
Alabdalhussein (21)
15 estudios; 17.559 pacientes
Sensibilidad 78%; especificidad 86%
Marrero-Gonzalez
(20)
Modalidades diferenciadas
Sensibilidad endoscópica 91%
Żurek (17)
Endoscopia laríngea
Variación entre modelos y tareas
Fuente: No se suman cohortes ni se calcula una nueva estimación agrupada.
La IA podría, por tanto, actuar como un sistema de triaje. Ante una imagen
endoscópica, el algoritmo podría señalar zonas sospechosas y asignar una probabilidad
de malignidad, permitiendo al especialista decidir si se requiere biopsia, seguimiento
estrecho u otra evaluación. (22)
Otra aplicación relevante es la segmentación automática de lesiones. En lugar de
limitarse a indicar si existe o no una lesión, un algoritmo de segmentación identifica los
píxeles correspondientes al área patológica. (6)
Sampieri y colaboradores (6) desarrollaron un sistema de aprendizaje profundo
denominado SegMENT-Plus destinado a delimitar en tiempo real los bordes del cáncer
laríngeo en imágenes de luz blanca y NBI. El modelo presentó resultados comparables a
los de residentes de otorrinolaringología y fue probado en conjuntos de datos externos,
mostrando una capacidad de generalización prometedora.
La segmentación podría adquirir importancia durante la planificación quirúrgica. Una
delimitación más precisa de los márgenes tumorales podría facilitar la evaluación de la
extensión superficial de una lesión y apoyar la planificación de procedimientos
endoscópicos conservadores. (6)
Los metaanálisis muestran estimaciones diferentes y no necesariamente contradictorias.
Du y colaboradores incluyeron nueve estudios y 106.175 imágenes, con sensibilidad y
especificidad agrupadas de 95% y 96%; Alabdalhussein y colaboradores integraron 15
estudios y 17.559 pacientes, con 78% y 86%. Los denominadores, tareas y criterios de
selección impiden atribuir la diferencia únicamente al año o a la calidad de los
algoritmos. (19,21)
La revisión de Marrero-Gonzalez y colaboradores distinguió endoscopia, voz e
histopatología y estimó sensibilidad de 91% para clasificación endoscópica de lesiones
benignas y malignas. La síntesis de Żurek y colaboradores también documentó
resultados altos, con variación entre estudios. El número de revisiones no representa
replicaciones independientes si varias incluyen los mismos modelos o cohortes. (20,17)
La revisión de alcance sobre videómica amplía el mapa de tareas y requisitos técnicos.
Su utilidad es identificar qué se ha estudiado y cómo, no proporcionar una
recomendación universal de adopción. La transición desde clasificación retrospectiva
hacia análisis de vídeo exige resolver estabilidad, latencia y comportamiento ante
imágenes no interpretables. (23)
El gráfico 2 presenta estimaciones publicadas de sensibilidad en dos metaanálisis. Se
conserva la unidad y el contexto de los datos para distinguir la descripción publicada de
las implicaciones propuestas.
Gráfico 2
Estimaciones publicadas de sensibilidad en dos metaanálisis
Fuente: elaboración propia. (19,21). Corpus y definiciones diferentes; no es comparación directa entre
algoritmos.
Las diferencias entre síntesis no acreditan una mejora o deterioro histórico de la
tecnología. Cambian criterios, tareas, unidades y estudios incluidos; además, pueden
existir cohortes compartidas. El gráfico muestra variación de estimaciones publicadas
para impedir una cifra universal de rendimiento, sin proponer una combinación nueva.
Sin embargo, todavía es necesario demostrar que una mejor segmentación
computacional se traduce efectivamente en mejores resultados oncológicos. Un
algoritmo puede delimitar una lesión con elevada precisión matemática sin
necesariamente modificar las tasas de resección completa, recurrencia o preservación
funcional. (6)
Una de las aplicaciones más atractivas de la IA es su incorporación directamente al flujo
de la videolaringoscopia. En este escenario, el algoritmo analiza cada fotograma y
proporciona una señal visual al especialista cuando identifica una región potencialmente
sospechosa. (9)
El procesamiento en tiempo real podría tener varias ventajas. Primero, permitiría
identificar lesiones durante el procedimiento sin necesidad de revisar posteriormente
miles de imágenes. Segundo, podría ayudar a disminuir el riesgo de pasar por alto
lesiones pequeñas. Tercero, podría servir como apoyo educativo para especialistas en
formación. (9)
No obstante, la velocidad computacional no debe confundirse con utilidad clínica. Un
sistema de tiempo real debe minimizar falsos positivos, evitar alertas excesivas y
proporcionar resultados suficientemente estables durante los movimientos de la cámara,
cambios de iluminación, secreciones, sangre o desenfoque. (9)
El rendimiento de la IA puede mejorar cuando el algoritmo tiene acceso a diferentes
modalidades de imagen. La luz blanca aporta información sobre la arquitectura y
coloración de la mucosa, mientras que NBI puede proporcionar información adicional
sobre patrones vasculares. (22)
La combinación de ambas modalidades puede ser particularmente útil para lesiones con
características ambiguas. Los estudios de Tie y colaboradores (22) representan un
ejemplo de esta estrategia multimodal.
La futura evolución de los sistemas podría integrar simultáneamente imágenes
endoscópicas, video, información clínica, antecedentes de exposición a tabaco y
alcohol, edad, síntomas y resultados histopatológicos. Sin embargo, esta integración
debe realizarse cuidadosamente para evitar modelos que aprendan asociaciones
espurias. (22)
La tabla 3 organiza riesgos de sesgo y controles de evaluación, con indicación del
alcance de cada componente y de las fuentes que sustentan su interpretación.
Tabla 3
Riesgos de sesgo y controles de evaluación
Riesgo
Consecuencia
Control
Fotogramas del
mismo paciente
Fuga entre entrenamiento y
prueba
Separación por paciente
Imágenes
seleccionadas
Rendimiento poco transportable
Casos consecutivos y exclusiones
Verificación
diferencial
Etiquetas diagnósticas sesgadas
Referencia y seguimiento claros
Umbral post hoc
Optimismo en resultados
Umbral predefinido y validación
Fuente: Elaboración propia basada en (12,13,24,25,10,11).
Un algoritmo podría, por ejemplo, asociar una determinada cámara, hospital o grupo
poblacional con el diagnóstico en lugar de aprender verdaderamente las características
de la lesión. Por ello, la validación externa y multicéntrica resulta fundamental. (22)
A pesar del crecimiento de la evidencia, existen limitaciones importantes. La primera es
la heterogeneidad de las bases de datos. Los estudios emplean diferentes cámaras,
resoluciones, sistemas de iluminación, protocolos de adquisición y criterios de
clasificación. (24)
La segunda es la dependencia de estudios retrospectivos. Los algoritmos suelen
entrenarse utilizando imágenes seleccionadas después de conocer el diagnóstico. En la
práctica clínica, el sistema debe funcionar antes de conocer el resultado histopatológico
y en una población donde la prevalencia de cáncer sea diferente. (24)
La tercera limitación es el riesgo de sobreajuste. Cuando imágenes del mismo paciente
aparecen simultáneamente en los conjuntos de entrenamiento y validación, el
rendimiento puede parecer artificialmente elevado. La división correcta debe realizarse
idealmente a nivel del paciente y, cuando sea posible, mediante validación externa en
instituciones independientes. (24)
El estudio de Tie y colaboradores que combinó luz blanca y NBI mediante aprendizaje
de múltiples instancias reportó áreas bajo la curva de 0,868 en validación interna, 0,884
en externa y 0,825 en vídeos prospectivos. El conjunto de vídeo incluyó 50
exploraciones y su intervalo fue amplio; la variación ilustra la importancia de evaluar el
sistema en condiciones cercanas al uso previsto. (22)
La publicación de Wang y colaboradores sobre aprendizaje de múltiples instancias
constituye un trabajo relacionado, pero no debe confundirse con el estudio anterior por
compartir autores y tema. La trazabilidad requiere asociar cada resultado al artículo y
conjunto correspondiente; duplicar cohortes o intercambiar sus métricas puede producir
una impresión artificial de validación independiente. (26)
La leucoplasia es una apariencia clínica con posibles sustratos diferentes. Un modelo
puede ayudar a priorizar evaluación, pero la probabilidad estimada depende de la
composición de lesiones con la que se desarrolló. Las investigaciones de clasificación y
de riesgo de transformación deben distinguir un diagnóstico presente de un evento
futuro, que necesita seguimiento temporal apropiado. (16,27)
El gráfico 3 presenta discriminación del modelo multimodal de leucoplasia. Se conserva
la unidad y el contexto de los datos para distinguir la descripción publicada de las
implicaciones propuestas.
Gráfico 3
Discriminación del modelo multimodal de leucoplasia
Fuente: elaboración propia. (22). Conjuntos diferentes; vídeo: 50 exploraciones. No demuestra beneficio
clínico.
El desempeño en vídeos fue menor en estimación puntual, pero los conjuntos difieren y
su comparación requiere considerar precisión y composición. La validación externa
elevada no garantiza idéntico comportamiento en tiempo real. Para implementación
interesa estabilidad de alertas y decisiones del especialista, además de discriminación en
imágenes seleccionadas.
La cuarta limitación es la generalización. Un modelo entrenado principalmente con
pacientes de una determinada región geográfica puede no mantener el mismo
desempeño en otras poblaciones. (24)
Finalmente, existe el problema de la interpretabilidad. Los especialistas necesitan
conocer por qué el sistema considera sospechosa una imagen. Las técnicas de
visualización de regiones de interés pueden ayudar, pero todavía no sustituyen una
explicación clínica completa. (24)
La utilización de IA para diagnóstico médico exige altos estándares de seguridad. Una
clasificación incorrecta puede producir consecuencias clínicas relevantes: un falso
negativo podría retrasar el diagnóstico de un cáncer, mientras que un falso positivo
podría generar biopsias, ansiedad y procedimientos innecesarios. (14)
Por ello, los estudios deben reportar no solamente exactitud, sino también sensibilidad,
especificidad, valores predictivos, curvas ROC, intervalos de confianza y características
de la población estudiada. (14)
Las recomendaciones STARD-AI publicadas en 2025 destacan precisamente la
necesidad de describir de forma transparente las bases de datos, el funcionamiento del
algoritmo, los métodos de evaluación y potenciales sesgos. (14)
Asimismo, las extensiones CONSORT-AI y SPIRIT-AI proporcionan estándares para
evaluar intervenciones clínicas que incorporan inteligencia artificial, haciendo énfasis
en la interacción entre profesionales y sistemas de IA y en el reporte de errores del
algoritmo (28,29).
La IA debe considerarse, por tanto, una herramienta de apoyo y no una sustitución
automática del otorrinolaringólogo. La decisión diagnóstica definitiva debe integrar
hallazgos endoscópicos, antecedentes, exploración clínica, imagen complementaria
cuando corresponda y confirmación histopatológica. (14)
La tabla 4 organiza implementación clínica supervisada propuesta, con indicación del
alcance de cada componente y de las fuentes que sustentan su interpretación.
Tabla 4
Implementación clínica supervisada propuesta
Etapa
Evidencia requerida
Decisión
Validación local
silenciosa
Desempeño por población y
equipo
Ajustar o detener
Piloto asistido
Usabilidad, fallos y decisiones
Mantener supervisión
Comparación clínica
Diagnóstico, biopsias y tiempos
Valorar beneficio y daño
Seguimiento
Versión, cambios y degradación
Revisar o retirar
Fuente: Propuesta basada en (14,28,29,5); no representa despliegue ya evaluado.
La evolución futura de esta tecnología probablemente estará marcada por modelos
multimodales y sistemas capaces de analizar no solamente fotografías, sino secuencias
completas de video. El concepto de videomics plantea la posibilidad de extraer
información temporal y espacial de grandes cantidades de imágenes endoscópicas. (5)
La segmentación automática también podría adquirir mayor relevancia, especialmente
en el contexto de cirugía endoscópica. Además, los sistemas podrían evolucionar hacia
plataformas capaces de identificar lesiones, delimitar sus bordes, estimar el nivel de
sospecha y comparar los hallazgos con estudios previos. (5)
La investigación publicada en 2026 muestra que el campo está avanzando hacia
modelos más clínicamente orientados, incluyendo sistemas destinados simultáneamente
a la detección de cáncer y a la estimación del riesgo de transformación maligna de
lesiones laríngeas (16).
Sin embargo, la prioridad no debería ser únicamente desarrollar algoritmos con mayor
exactitud. El objetivo principal debe ser demostrar que su utilización mejora resultados
clínicos relevantes: detección en estadios tempranos, reducción de biopsias innecesarias,
menor tiempo hasta el diagnóstico, mejor selección de pacientes para procedimientos y,
finalmente, mejores resultados funcionales y oncológicos. (5)
SegMENT-Plus se desarrolló con 3.933 imágenes de 557 pacientes y se examinó en dos
conjuntos externos de 156 y 200 imágenes. La mediana del coeficiente Dice fue 0,83 y
la velocidad de inferencia, 25,6 fotogramas por segundo. Tales resultados apoyan
factibilidad técnica, pero no establecen márgenes histológicos negativos ni reducción de
recurrencia; la extensión superficial visible es solo una parte del problema quirúrgico.
(6)
Wellenstein y colaboradores mostraron posibilidad de procesamiento rápido durante
endoscopia. La velocidad debe evaluarse junto con latencia del sistema completo,
persistencia de alertas y calidad de imagen; un número de fotogramas por segundo
medido en condiciones experimentales no garantiza estabilidad con todos los equipos
clínicos. (9)
La revisión de impacto clínico en endoscopia del tracto aerodigestivo superior y el
estudio prospectivo de Hu y colaboradores acercan la pregunta al escenario asistencial.
La clasificación como prospectivo mejora la pertinencia temporal, pero no elimina
sesgos de selección ni demuestra por sí sola que la asistencia cambie desenlaces
importantes. La propuesta exige vincular desempeño técnico con decisiones y
consecuencias. (5,30)
El gráfico 4 presenta imágenes utilizadas en desarrollo y validación de SegMENT-Plus.
Se conserva la unidad y el contexto de los datos para distinguir la descripción publicada
de las implicaciones propuestas.
Gráfico 4
Imágenes utilizadas en desarrollo y validación de SegMENT-Plus
Fuente: elaboración propia. (6). Imágenes no equivalen a pacientes independientes; el desarrollo
comprende varias etapas.
El conjunto de desarrollo contiene muchas más imágenes que cada validación externa.
Esa asimetría no invalida el estudio, pero obliga a examinar incertidumbre y diversidad
de pacientes; múltiples imágenes de una misma persona no equivalen a observaciones
independientes. La factibilidad de segmentación debe complementarse con evaluación
clínica prospectiva.
Discusión
La evidencia acumulada permite considerar la inteligencia artificial como una
tecnología con potencial significativo para complementar la detección endoscópica del
cáncer de laringe. Los modelos de aprendizaje profundo han demostrado capacidad para
reconocer patrones asociados con lesiones malignas y premalignas, y los metaanálisis
recientes presentan resultados diagnósticos elevados. (5)
Sin embargo, la magnitud de los resultados varía entre estudios. Las diferencias entre
las sensibilidades agrupadas reportadas por Du y colaboradores (19) y Alabdalhussein y
colaboradores (21) evidencian que el rendimiento depende de las características de los
datos, la definición de la tarea diagnóstica y el diseño de validación.
Un aspecto particularmente importante es que el objetivo clínico no debe limitarse a
detectar carcinomas evidentes. La verdadera oportunidad de la IA está en identificar
lesiones tempranas y potencialmente precursoras, cuando la intervención puede
contribuir a preservar la función laríngea y reducir la progresión de la enfermedad. (5)
La integración con NBI representa una vía especialmente prometedora. La IA puede
aprovechar características vasculares que requieren experiencia para su interpretación,
aumentando potencialmente la uniformidad diagnóstica. Del mismo modo, los sistemas
de segmentación pueden proporcionar información adicional sobre extensión
superficial. (5)
No obstante, la IA no elimina la necesidad de biopsia e histopatología. La confirmación
microscópica continúa siendo necesaria para establecer el diagnóstico definitivo de
malignidad. La función más realista de la IA en el corto plazo es actuar como
herramienta de asistencia, priorización y segunda lectura. (5)
Otro elemento esencial es la colaboración multidisciplinaria. El desarrollo de estos
sistemas requiere la participación conjunta de otorrinolaringólogos, oncólogos,
patólogos, ingenieros biomédicos, científicos de datos y especialistas en metodología
clínica. (5)
Los estudios futuros deberían utilizar cohortes multicéntricas, protocolos estandarizados
de adquisición de imágenes, validación externa y diseños prospectivos. También deben
analizar el desempeño del sistema cuando se utiliza conjuntamente con especialistas de
diferentes niveles de experiencia. (5)
La principal conclusión crítica es que exactitud y utilidad clínica pertenecen a niveles
distintos. Un modelo puede reconocer patrones y, aun así, no mejorar el diagnóstico si
señala lesiones ya evidentes, produce alertas que se ignoran o no cambia el tiempo hasta
la biopsia. La evaluación debe describir qué decisión espera modificar y comparar
atención habitual con atención asistida bajo condiciones realistas. (5,14)
La selección de imágenes constituye un riesgo metodológico central. Si se excluyen
fotogramas borrosos, zonas difíciles y exploraciones negativas complejas, el conjunto
de prueba se aleja de la consulta habitual. Un algoritmo destinado a apoyar al
especialista necesita reconocer incertidumbre o abstenerse ante datos insuficientes;
presentar una categoría siempre, aunque falte información, puede aumentar confianza
injustificada.
La división de datos debe realizarse por paciente y, cuando proceda, por centro o
período. Fotogramas del mismo vídeo comparten rasgos anatómicos, iluminación y
lesión; distribuirlos entre entrenamiento y prueba permite reconocer similitudes sin
demostrar generalización. Los estándares de reporte sobre imágenes y modelos ayudan a
identificar esa dependencia, aunque el cumplimiento formal no garantiza ausencia de
sesgo. (13,12)
La referencia diagnóstica también puede ser imperfecta. La histología debe
corresponder a la lesión y momento examinados; cuando solo las lesiones sospechosas
reciben biopsia, aparece verificación diferencial. Clasificar el resto como benigno sin
seguimiento suficiente puede distorsionar sensibilidad y especificidad; por ello, debe
describirse qué ocurrió con todos los pacientes y no únicamente con las imágenes
disponibles para entrenamiento. (10,11)
La interpretación de las métricas requiere considerar consecuencias. Un falso negativo
puede retrasar evaluación de una lesión relevante y un falso positivo puede aumentar
procedimientos y ansiedad. La elección del umbral debe responder al uso previsto y a
capacidad asistencial, mientras que el área bajo la curva resume discriminación a través
de umbrales sin indicar cuál es clínicamente aceptable.
Los valores predictivos cambian con prevalencia y selección de pacientes. Un sistema
probado en una serie enriquecida con cáncer no puede trasladar directamente su
probabilidad posterior a una consulta de disfonía con otra composición. La calibración
debe examinar si probabilidades estimadas corresponden a frecuencias observadas; una
buena discriminación no asegura estimaciones individuales bien calibradas. (12,24,25)
La validación externa es necesaria, pero su significado depende de la independencia
real. Centros que comparten equipos, protocolos o población pueden constituir una
prueba limitada de transporte; la validación temporal y multicéntrica debería incluir
condiciones relevantes para el destino. La falta de significación al comparar conjuntos
pequeños no acredita equivalencia de rendimiento ni ausencia de degradación.
La evaluación humano-IA requiere diseñar comparaciones justas. Deben considerarse
experiencia, orden de lectura, memoria de imágenes y tiempo disponible; un mismo
caso repetido con y sin asistencia puede introducir aprendizaje. También interesa
estudiar qué ocurre cuando el modelo se equivoca y si especialistas mantienen
capacidad de discrepancia, porque la aceptación automática puede neutralizar beneficios
de una buena herramienta.
Las diferencias entre luz blanca y NBI no se resuelven necesariamente añadiendo
modalidades. La combinación puede aportar información, pero también aumentar
requisitos de adquisición y restringir aplicabilidad a centros equipados. El desarrollo
debe describir qué sucede si falta una modalidad; comparar un modelo multimodal con
una lectura limitada sin justificar condiciones puede favorecer artificialmente al sistema.
(22,26)
La segmentación exige una lectura independiente de la clasificación. Una máscara que
coincide con anotaciones expertas representa extensión visible, no prueba de
profundidad, invasión o margen quirúrgico seguro. Para evaluar beneficio quirúrgico se
requieren desenlaces relacionados con resección, función y recurrencia, además de
explicar variabilidad entre anotadores y correspondencia con histopatología. (6)
La implementación propuesta comienza con evaluación silenciosa del modelo en datos
locales y continúa con asistencia supervisada limitada. El paso entre fases debería
depender de desempeño, seguridad y usabilidad definidos previamente; no se presupone
que un resultado retrospectivo autorice despliegue general. Los marcos DECIDE-AI,
SPIRIT-AI y CONSORT-AI permiten ordenar evaluación clínica y transparencia de
ensayos posteriores. (14,29,28)
La gobernanza debe identificar versión, responsables, cambios y mecanismos de
retirada. Un ajuste del modelo o del equipo endoscópico puede alterar desempeño; por
ello, el seguimiento necesita denominadores, registro de fallos y revisión periódica. El
consentimiento y la protección de vídeos requieren especial cuidado porque contienen
información clínica e imágenes potencialmente identificables, aun cuando no aparezca
el rostro.
La equidad se relaciona con representatividad clínica y acceso. Diferencias de
comorbilidad, lesiones tratadas previamente, anatomía o calidad de adquisición pueden
afectar resultados; la evaluación debe examinar grupos relevantes y no limitarse a una
cifra global. En centros con menos recursos, una herramienta no debería aumentar
dependencia de derivaciones inexistentes ni sustituir inversión en diagnóstico definitivo.
Las limitaciones de esta revisión incluyen selección narrativa y dependencia de reportes
heterogéneos. No se recalcularon métricas a partir de bases individuales ni se aplicó una
evaluación completa y duplicada de riesgo de sesgo. El análisis utiliza los estándares
como criterios críticos y conserva la diferencia entre resultados publicados y propuesta
de implementación; no demuestra eficacia de un producto específico.
La investigación futura debe priorizar estudios prospectivos con pacientes consecutivos,
comparación del proceso asistencial y evaluación de daños. Son desenlaces relevantes el
tiempo hasta diagnóstico confirmado, lesiones omitidas, biopsias innecesarias y
resultados funcionales, junto con costes y carga de trabajo. La supervivencia requiere
seguimiento y diseños adecuados; no puede inferirse de un área bajo la curva elevada.
Conclusiones
La inteligencia artificial aplicada al análisis de imágenes endoscópicas constituye una
de las líneas emergentes con mayor potencial dentro de la innovación diagnóstica en
laringología. Las redes neuronales convolucionales y otros modelos de aprendizaje
profundo han demostrado capacidad para identificar lesiones laríngeas, diferenciar
lesiones benignas y malignas, detectar lesiones precursoras y delimitar bordes
tumorales. (17)
La evidencia disponible hasta 2026 muestra resultados diagnósticos elevados en
diferentes escenarios, aunque no existe todavía suficiente homogeneidad metodológica
para asumir que estos valores serán reproducibles de manera universal en la práctica
clínica. (17)
La combinación de endoscopia de luz blanca, NBI y algoritmos de IA podría mejorar la
detección de alteraciones sutiles y contribuir a estandarizar la interpretación de las
imágenes. Además, el procesamiento en tiempo real ofrece posibilidades para integrar
sistemas de asistencia directamente en la videolaringoscopia. (17)
No obstante, la implementación clínica debe sustentarse en estudios prospectivos,
multicéntricos y externamente validados. La transparencia metodológica, la evaluación
de sesgos, la interpretabilidad, la seguridad y la interacción humano-máquina deben
formar parte del proceso de validación. (17)
En consecuencia, la IA debe entenderse actualmente como una herramienta
complementaria al juicio clínico especializado. Su mayor contribución potencial no
reside en reemplazar al otorrinolaringólogo, sino en aumentar su capacidad para detectar
tempranamente lesiones sospechosas, priorizar pacientes y mejorar la precisión y
consistencia de la evaluación endoscópica. (17)
La IA endoscópica laríngea muestra capacidad para apoyar clasificación y delimitación
de lesiones, con variación importante entre tareas y conjuntos. Su contribución a
detección temprana clínicamente útil depende de validación independiente, interacción
segura con especialistas y seguimiento de decisiones y desenlaces. La matriz propuesta
establece estos requisitos sin atribuir al rendimiento retrospectivo beneficios
oncológicos todavía no demostrados.
Referencias bibliográficas
1. Johnson DE, Burtness B, Leemans CR, Lui VWY, Bauman JE, Grandis JR. Head and
neck squamous cell carcinoma. Nature reviews. Disease primers. 2020;6(1):92.
https://doi.org/10.1038/s41572-020-00224-3
2. Igissin N, Zatonskikh V, Telmanova Z, Tulebaev R, Moore M. Laryngeal Cancer:
Epidemiology, Etiology, and Prevention: A Narrative Review. Iranian journal of
public health. 2023;52(11):2248-2259. https://doi.org/10.18502/ijph.v52i11.14025
3. LeCun Y, Bengio Y, Hinton G. Deep learning. Nature. 2015;521(7553):436-444.
https://doi.org/10.1038/nature14539
4. Litjens G, Kooi T, Bejnordi BE, Setio AAA, Ciompi F, Ghafoorian M, et al. A survey
on deep learning in medical image analysis. Medical image analysis.
2017;42:60-88. https://doi.org/10.1016/j.media.2017.07.005
5. Wilmes CMLH, BSc AG, Marres HAM, Wellenstein DJ, van den Broek GB. A
Systematic Review of the Clinical Impact of Implementing Artificial Intelligence in
Upper Aerodigestive Tract Endoscopy. Head & neck. 2025;47(11):2998-3018.
https://doi.org/10.1002/hed.28213
6. Sampieri C, Azam MA, Ioppi A, Baldini C, Moccia S, Kim D, et al. Real-Time
Laryngeal Cancer Boundaries Delineation on White Light and Narrow-Band
Imaging Laryngoscopy with Deep Learning. The Laryngoscope.
2024;134(6):2826-2834. https://doi.org/10.1002/lary.31255
7. Xiong H, Lin P, Yu JG, Ye J, Xiao L, Tao Y, et al. Computer-aided diagnosis of
laryngeal cancer via deep learning based on laryngoscopic images. EBioMedicine.
2019;48:92-99. https://doi.org/10.1016/j.ebiom.2019.08.075
8. Yao P, Usman M, Chen YH, German A, Andreadis K, Mages K, et al. Applications of
Artificial Intelligence to Office Laryngoscopy: A Scoping Review. The
Laryngoscope. 2022;132(10):1993-2016. https://doi.org/10.1002/lary.29886
9. Wellenstein DJ, Woodburn J, Marres HAM, van den Broek GB. Detection of
laryngeal carcinoma during endoscopy using artificial intelligence. Head & neck.
2023;45(9):2217-2226. https://doi.org/10.1002/hed.27441
10. Bossuyt PM, Reitsma JB, Bruns DE, Gatsonis CA, Glasziou PP, Irwig L, et al.
STARD 2015: an updated list of essential items for reporting diagnostic accuracy
studies. BMJ (Clinical research ed.). 2015;351:h5527.
https://doi.org/10.1136/bmj.h5527
11. Sounderajah V, Guni A, Liu X, Collins GS, Karthikesalingam A, Markar SR, et al.
The STARD-AI reporting guideline for diagnostic accuracy studies using artificial
intelligence. Nature medicine. 2025;31(10):3283-3289.
https://doi.org/10.1038/s41591-025-03953-8
12. Collins GS, Moons KGM, Dhiman P, Riley RD, Beam AL, Van Calster B, et al.
TRIPOD+AI statement: updated guidance for reporting clinical prediction models
that use regression or machine learning methods. BMJ (Clinical research ed.).
2024;385:e078378. https://doi.org/10.1136/bmj-2023-078378
13. Tejani AS, Klontzas ME, Gatti AA, Mongan JT, Moy L, Park SH, et al. Checklist
for Artificial Intelligence in Medical Imaging (CLAIM): 2024 Update. Radiology.
Artificial intelligence. 2024;6(4):e240300. https://doi.org/10.1148/ryai.240300
14. Vasey B, Nagendran M, Campbell B, Clifton DA, Collins GS, Denaxas S, et al.
Reporting guideline for the early stage clinical evaluation of decision support
systems driven by artificial intelligence: DECIDE-AI. BMJ (Clinical research ed.).
2022;377:e070904. https://doi.org/10.1136/bmj-2022-070904
15. Ni XG, He S, Xu ZG, Gao L, Lu N, Yuan Z, et al. Endoscopic diagnosis of
laryngeal cancer and precancerous lesions by narrow band imaging. The Journal of
laryngology and otology. 2011;125(3):288-296.
https://doi.org/10.1017/s0022215110002033
16. Kang Y, Hu B, Xu K, Cai L, Li W, Sun S, et al. A Clinically Inspired Deep Learning
Framework for Laryngeal Cancer Detection and Malignancy Transformation Risk
Assessment. Otolaryngology--head and neck surgery : official journal of American
Academy of Otolaryngology-Head and Neck Surgery. 2026;174(1):173-184.
https://doi.org/10.1002/ohn.70075
17. Żurek M, Jasak K, Niemczyk K, Rzepakowska A. Artificial Intelligence in
Laryngeal Endoscopy: Systematic Review and Meta-Analysis. Journal of clinical
medicine. 2022;11(10):2752. https://doi.org/10.3390/jcm11102752
18. Lam SWS, Lee MH, Dorosan M, Altonji S, Tan HK, Lee WT. Use of a Preliminary
Artificial Intelligence-Based Laryngeal Cancer Screening Framework for
Low-Resource Settings: Development and Validation Study. JMIR formative
research. 2025;9:e66110. https://doi.org/10.2196/66110
19. Du S, Guo J, Huang D, Liu Y, Zhang X, Lu S. Diagnostic accuracy of deep
learning-based algorithms in laryngoscopy: a systematic review and meta-analysis.
European archives of oto-rhino-laryngology : official journal of the European
Federation of Oto-Rhino-Laryngological Societies (EUFOS) : affiliated with the
German Society for Oto-Rhino-Laryngology - Head and Neck Surgery.
2025;282(1):351-360. https://doi.org/10.1007/s00405-024-09049-2
20. Marrero-Gonzalez AR, Diemer TJ, Nguyen SA, Camilon TJM, Meenan K,
O'Rourke A. Application of artificial intelligence in laryngeal lesions: a systematic
review and meta-analysis. European archives of oto-rhino-laryngology : official
journal of the European Federation of Oto-Rhino-Laryngological Societies
(EUFOS) : affiliated with the German Society for Oto-Rhino-Laryngology - Head
and Neck Surgery. 2025;282(3):1543-1555.
https://doi.org/10.1007/s00405-024-09075-0
21. Alabdalhussein A, Al-Khafaji MH, Al-Busairi R, Al-Dabbagh S, Khan W, Anwar F,
et al. Artificial Intelligence in Laryngeal Cancer Detection: A Systematic Review
and Meta-Analysis. Current oncology (Toronto, Ont.). 2025;32(6):338.
https://doi.org/10.3390/curroncol32060338
22. Tie CW, Li DY, Zhu JQ, Wang ML, Wang JH, Chen BH, et al. Multi-Instance
Learning for Vocal Fold Leukoplakia Diagnosis Using White Light and
Narrow-Band Imaging: A Multicenter Study. The Laryngoscope.
2024;134(10):4321-4328. https://doi.org/10.1002/lary.31537
23. Ioppi A, Bellini E, Salvetta MS, Marchi F, di Maria D, Peretti G, et al. Videomics
and artificial intelligence in endoscopic diagnosis of laryngeal lesions: mapping
current evidence through a scoping review. Acta otorhinolaryngologica Italica :
organo ufficiale della Societa italiana di otorinolaringologia e chirurgia
cervico-facciale. 2026;46(Suppl. 1):S19-S33.
https://doi.org/10.14639/0392-100x-suppl.1-46-2026-a1967
24. Wolff RF, Moons KGM, Riley RD, Whiting PF, Westwood M, Collins GS, et al.
PROBAST: A Tool to Assess the Risk of Bias and Applicability of Prediction
Model Studies. Annals of internal medicine. 2019;170(1):51-58.
https://doi.org/10.7326/m18-1376
25. Moons KGM, Wolff RF, Riley RD, Whiting PF, Westwood M, Collins GS, et al.
PROBAST: A Tool to Assess Risk of Bias and Applicability of Prediction Model
Studies: Explanation and Elaboration. Annals of internal medicine.
2019;170(1):W1-W33. https://doi.org/10.7326/m18-1377
26. Wang ML, Tie CW, Wang JH, Zhu JQ, Chen BH, Li Y, et al. Multi-instance learning
based artificial intelligence model to assist vocal fold leukoplakia diagnosis: A
multicentre diagnostic study. American journal of otolaryngology.
2024;45(4):104342. https://doi.org/10.1016/j.amjoto.2024.104342
27. Xiong M, Luo JW, Ren J, Hu JJ, Lan L, Zhang Y, et al. Applying Deep Learning
with Convolutional Neural Networks to Laryngoscopic Imaging for Automated
Segmentation and Classification of Vocal Cord Leukoplakia. Ear, nose, & throat
journal. 2024:1455613241275341. https://doi.org/10.1177/01455613241275341
28. Liu X, Cruz Rivera S, Moher D, Calvert MJ, Denniston AK, SPIRIT-AI and
CONSORT-AI Working Group. Reporting guidelines for clinical trial reports for
interventions involving artificial intelligence: the CONSORT-AI extension. Nature
medicine. 2020;26(9):1364-1374. https://doi.org/10.1038/s41591-020-1034-x
29. Cruz Rivera S, Liu X, Chan AW, Denniston AK, Calvert MJ, SPIRIT-AI and
CONSORT-AI Working Group, et al. Guidelines for clinical trial protocols for
interventions involving artificial intelligence: the SPIRIT-AI extension. Nature
medicine. 2020;26(9):1351-1363. https://doi.org/10.1038/s41591-020-1037-7
30. Hu R, Liu X, Zhang Y, Arthur C, Qin D. Comparison of clinical nasal endoscopy,
optical biopsy, and artificial intelligence in early diagnosis and treatment planning
in laryngeal cancer: a prospective observational study. Frontiers in oncology.
2025;15:1582011. https://doi.org/10.3389/fonc.2025.1582011
