El diagnóstico precoz de enfermedades pulmonares, a través de la identificación temprana de afecciones, es fundamental para incrementar la supervivencia de los pacientes. Este estudio propone un enfoque de investigación- acción que combina Redes Neuronales Convolucionales (CNNs), ResNet152 y Vision Transformers, optimizado mediante técnicas de Data Augmentation. Siguiendo la norma ISO 25059:2023, se analizan aspectos críticos como la interpretabilidad, robustez y seguridad de los datos. Los hallazgos iniciales indican un aumento en la exactitud del diagnóstico, superando el 93%, gracias a métodos avanzados y el uso de mapas de calor que facilitan la interpretación de resultados. Estos mapas permiten a los médicos identificar áreas relevantes en las imágenes analizadas. Además, se consideran elementos éticos esenciales para garantizar la privacidad y seguridad de la información del paciente. Este proyecto tiene como objetivo reducir los errores en los diagnósticos y fomentar la adopción segura de inteligencia artificial en entornos hospitalarios, con pasos futuros, enfocados en la validación clínica y retroalimentación continua.