quemaduras. 15 de noviembre de 2025;52(1):107782. doi: 10.1016/j.burns.2025.107782. En línea antes de imprimir.

ANTECEDENTES: La evaluación precisa y reproducible del área de superficie corporal total (TBSA) en quemaduras es vital para guiar la reanimación con líquidos, la clasificación, las decisiones de derivación y el manejo clínico general. Los métodos tradicionales se utilizan ampliamente, pero son propensos a una importante variabilidad entre evaluadores e imprecisiones diagnósticas.

OBJETIVO: Esta revisión sistemática evalúa las tecnologías emergentes desarrolladas para mejorar la estimación de TBSA, centrándose en la precisión del diagnóstico y la confiabilidad entre evaluadores.

MÉTODOS: Se realizó una búsqueda exhaustiva en las bases de datos EMBASE, MEDLINE (OVID), Web of Science, Scopus, PubMed y Cochrane Library. Se incluyeron estudios que evaluaron herramientas tecnológicas para la estimación de TBSA en quemaduras tanto humanas como artificiales. Los resultados primarios fueron precisión y confiabilidad, mientras que los resultados secundarios incluyeron velocidad y comentarios de los usuarios. La calidad del estudio se evaluó mediante la herramienta QUADAS-2.

RESULTADOS: Se incluyeron treinta y seis estudios: programas 3D (n = 7), aplicaciones móviles (n = 11), estereofotogrametría 3D (n = 8) y modelos de aprendizaje automático (n = 10). La estereofotogrametría 3D mostró la mayor precisión (ICC media = 0,988) y una excelente confiabilidad entre evaluadores (ICC = 0,989). Los programas 3D demostraron un buen rendimiento diagnóstico y una variabilidad reducida. Las aplicaciones móviles mejoraron la precisión y la coherencia, especialmente entre los no especialistas, y ofrecieron beneficios prácticos en entornos prehospitalarios. El aprendizaje automático, aunque en gran medida en fases experimentales, demostró una precisión prometedora, y algunos modelos superaron las estimaciones de los médicos.

CONCLUSIÓN: La estereofotogrametría 3D proporcionó estimaciones más consistentes y confiables de TBSA, mientras que las aplicaciones móviles ofrecieron soluciones prácticas y escalables. Los primeros enfoques de aprendizaje automático mostraron potencial, pero siguen siendo en gran medida experimentales. En general, la mayoría de los estudios fueron de baja calidad y metodológicamente heterogéneos; por lo tanto, aún no se pueden sacar conclusiones definitivas. Se necesitan más investigaciones de alta calidad en el mundo real para validar la precisión y establecer la utilidad clínica.

PubMed:41297237 | DOI:10.1016/j.burns.2025.107782