APLICACIÓN DE REDES NEURONALES CONVOLUCIONALES EN LA PREDICCIÓN Y FUNDAMENTACIÓN LEGAL DE LA PRISIÓN PREVENTIVA

Introducción: La prisión preventiva constituyó una medida cautelar excepcional cuya aplicación generó debates debido a la falta de uniformidad en la fundamentación legal. Diversos estudios señalaron inconsistencias en la motivación judicial, lo que puso en cuestión la proporcionalidad y el respeto al debido proceso. Frente a ello, la inteligencia artificial, y en particular las redes neuronales convolucionales (CNN), se presentaron como herramientas con potencial para apoyar la predicción y fundamentación en decisiones judiciales. Objetivo: El presente trabajo revisó la literatura científica y jurídica disponible con el fin de analizar la aplicación de las redes neuronales convolucionales en la predicción del riesgo procesal y su utilidad como apoyo en la fundamentación de la prisión preventiva. Metodología: Se llevó a cabo una revisión bibliográfica sistemática en bases de datos especializadas como Scopus, IEEE Xplore, ScienceDirect y Google Scholar. Resultados: La revisión mostró que las CNN fueron efectivas en la identificación de patrones complejos en datos judiciales, logrando predicciones con altos niveles de precisión. Además, los estudios consultados evidenciaron que estas herramientas pueden complementar los criterios jurídicos, reduciendo la discrecionalidad y favoreciendo la transparencia en las resoluciones de prisión preventiva. Conclusiones: El análisis bibliográfico permitió concluir que el uso de CNN en el ámbito jurídico representó un avance hacia decisiones judiciales más objetivas y fundamentadas, contribuyendo a la modernización de la justicia y al fortalecimiento del debido proceso.