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.

Presenta Sitios para socios Información LinkXpress hp
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
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  

40/80-Slice CT System
uCT 528
X-ray Diagnostic System
FDX Visionary-A
Portable X-ray Unit
AJEX140H
New
Mammo DR Retrofit Solution
DR Retrofit Mammography

Canales

Ultrasonido

ver canal
Imagen: la herramienta basada en ultrasonido NEOSONICS identifica de forma no invasiva los casos de meningitis infantil (foto cortesía de Newborn Solution)

Herramienta no invasiva basada en ultrasonido detecta con precisión la meningitis infantil

La meningitis, una inflamación de las membranas que rodean el cerebro y la médula espinal, puede ser mortal en bebés si no se diagnostica y trata a tiempo. Incluso con tratamiento, puede dejar daños permanentes,... Más

Medicina Nuclear

ver canal
Imagen: la herramienta de diagnóstico podría mejorar las decisiones de diagnóstico y tratamiento para pacientes con infecciones pulmonares crónicas (foto cortesía de SNMMI)

Nueva técnica de PET específica para bacterias detecta infecciones pulmonares difíciles de diagnosticar

Mycobacteroides abscessus es una micobacteria de rápido crecimiento que afecta principalmente a pacientes inmunodeprimidos y a personas con enfermedades pulmonares preexistentes, como fibrosis... Más

Imaginología General

ver canal
Imagen: un modelo de aprendizaje profundo basado en parches con un conjunto de datos de entrenamiento limitado para la segmentación de tumores hepáticos en TC con contraste (Yang et al. (2025), IEEE Access, 10.1109/Access.2025.3570728)

Modelo de IA segmenta con precisión tumores hepáticos a partir de tomografías computarizadas

El cáncer de hígado es el sexto tipo de cáncer más común en el mundo y una de las principales causas de muerte por cáncer. La segmentación precisa de los tumores hepáticos es crucial para el diagnóstico... 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 © 2000-2025 Globetech Media. All rights reserved.