Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Please note that the MedImaging website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
GLOBETECH PUBLISHING LLC

Deascargar La Aplicación Móvil




Radiólogos superan a IA en detección de enfermedades pulmonares comunes en radiografías de tórax

Por el equipo editorial de MedImaging en español
Actualizado el 05 Oct 2023
Print article
Imagen: Los radiólogos superaron a la IA en la identificación de enfermedades pulmonares en radiografías de tórax (Fotografía cortesía de RSNA)
Imagen: Los radiólogos superaron a la IA en la identificación de enfermedades pulmonares en radiografías de tórax (Fotografía cortesía de RSNA)

Las radiografías de tórax son utilizadas frecuentemente para el diagnóstico, pero se necesita mucha capacitación y experiencia para leer estas imágenes correctamente. Aunque la Administración de Alimentos y Medicamentos (FDA) ha aprobado algunas herramientas de inteligencia artificial (IA) para ayudar a los radiólogos, la eficacia en el mundo real de estas soluciones de IA en radiología aún está relativamente inexplorada. Investigaciones anteriores a menudo se han enfocado en la capacidad de la IA para detectar una sola enfermedad, lo cual es más simple que situaciones del mundo real en las que un paciente puede tener múltiples afecciones. Ahora, un nuevo estudio de más de 2.000 radiografías de tórax ha demostrado que los radiólogos humanos fueron generalmente más precisos que la IA a la hora de identificar la presencia y ausencia de tres enfermedades pulmonares comunes.

Un equipo de investigadores del Hospital Herlev y Gentofte (Copenhague, Dinamarca) comparó el desempeño de cuatro herramientas de IA disponibles comercialmente con el de 72 radiólogos. Evaluaron 2.040 radiografías de tórax de adultos de cuatro hospitales diferentes, recopiladas durante dos años en 2020. La edad promedio de los pacientes fue de 72 años y aproximadamente un tercio de las radiografías tenían al menos un hallazgo clave. Los investigadores se centraron en tres afecciones comunes: neumopatía alveolar (que podría deberse a neumonía o edema pulmonar), neumotórax (colapso pulmonar) y derrame pleural (líquido alrededor de los pulmones).

Las herramientas de IA mostraron tasas de sensibilidad que variaron: 72-91 % para detectar neumopatías alveolares, 63-90 % para neumotórax y 62-95 % para derrame pleural. En lo que respecta a las neuropatías alveolares, los valores predictivos positivos de la IA oscilaron entre el 40 y el 50 %. En este conjunto particular de pacientes mayores y complejos, la IA señaló incorrectamente la presencia de enfermedades alveolares en el 50-60 % de los casos. Si bien estas herramientas de IA tenían una sensibilidad de moderada a alta comparable a la de los radiólogos humanos para detectar estas afecciones, fue más probable la producción de resultados falsos positivos.

Además, su rendimiento disminuyó cuando las radiografías mostraron múltiples hallazgos o áreas objetivo más pequeñas. Por ejemplo, la probabilidad de un diagnóstico correcto de neumotórax utilizando IA osciló entre el 56 % y el 86 %, mientras que para los radiólogos fue del 96 %. Según el equipo de investigación, el objetivo final de los radiólogos es lograr un equilibrio entre identificar enfermedades y evitar falsos positivos. Estas herramientas de IA, aunque no son perfectas, podrían actuar como un control secundario para los radiólogos, aumentando potencialmente su confianza a la hora de realizar diagnósticos.

“Los sistemas de IA parecen muy buenos para encontrar enfermedades, pero no son tan buenos como los radiólogos para identificar la ausencia de enfermedades, especialmente cuando las radiografías de tórax son complejas. Demasiados diagnósticos falsos positivos darían como resultado imágenes innecesarias, exposición a la radiación y mayores costos”, dijo el investigador principal Louis L. Plesner. “Nuestro estudio demuestra que los radiólogos generalmente superan a la IA en escenarios de la vida real donde hay una amplia variedad de pacientes. Si bien un sistema de IA es eficaz para identificar radiografías de tórax normales, la IA no debería ser autónoma para realizar diagnósticos”.

Enlaces relacionados:
Hospital Herlev y Gentofte  

Miembro Oro
Solid State Kv/Dose Multi-Sensor
AGMS-DM+
New
Miembro Plata
Mobile X-Ray Barrier
Lead Acrylic Mobile X-Ray Barriers
Digital Radiography System
DuraDiagnost F30
New
Advanced Cardiac MRI Analysis Software
3Di Cardiac MR

Print article
Radcal

Canales

RM

ver canal
Imagen: La IA puede predecir si los pacientes con cáncer cerebral sobrevivirán más de 8 meses después de recibir tratamiento con radioterapia (Fotografía cortesía de KCL)

IA predice sobrevivientes de cáncer cerebral dentro de ocho meses de radioterapia mediante RM

El glioblastoma, un cáncer cerebral primario en adultos particularmente difícil de tratar, tiene una tasa de supervivencia baja: solo uno de cada cuatro pacientes vive más de un año... Más

Medicina Nuclear

ver canal
Imagen: Un agente de imágenes PET recientemente desarrollado es efectivo para identificar el cáncer medular de tiroides (Fotografía cortesía de 123RF)

Nuevo trazador PET mejora detección de lesiones en cáncer medular de tiroides

El cáncer medular de tiroides (CMT) representa aproximadamente el 3 % de todos los casos de cáncer de tiroides y es notablemente raro. Surge de células diferentes en comparación... Más

Imaginología General

ver canal
Imagen: El software LungQ v3.0.0 ha recibido la autorización 510 (k) de la FDA de EUA para el análisis con IA de las imágenes de TC de tórax (Fotografía cortesía de Thirona)

Software de IA para análisis de imágenes de TC de tórax permite tratamiento personalizado para pacientes pulmonares

Un novedoso software clínico aprovecha la inteligencia artificial (IA) para segmentar automáticamente varios segmentos y subsegmentos pulmonares en la anatomía interna del pulmón.... Más

TI en Imaginología

ver canal
Imagen: La nueva Medical Imaging Suite hace que los datos de imágenes de atención médica sean más accesibles, interoperables y útiles (Fotografía cortesía de Google Cloud)

Nueva suite de imágenes médicas de Google Cloud hace los datos de imágenes médicas más accesibles

Las imágenes médicas son una herramienta fundamental que se utiliza para diagnosticar a los pacientes, y cada año se escanean miles de millones de imágenes médicas en... Más
Copyright © 2000-2024 Globetech Media. All rights reserved.