El análisis de radiografías de tórax impulsado por IA muestra resultados prometedores en la práctica clínica

Los avances recientes en inteligencia artificial (IA) han impulsado el interés en el diagnóstico asistido por computadora, motivado por la creciente carga de trabajo en radiología, la escasez global de radiólogos y el potencial riesgo de agotamiento. Los departamentos de radiología a menudo se enfrentan a un gran volumen de radiografías de tórax sin hallazgos significativos, y la IA tiene el potencial de mejorar la eficiencia al automatizar el proceso de informes. Un nuevo estudio ha demostrado que el uso fuera de indicación de una herramienta comercial de IA es eficaz para excluir patologías, con igual o menos errores críticos en comparación con los radiólogos.

Investigadores del Hospital Herlev Gentofte (Copenhague, Dinamarca) realizaron un estudio para determinar con qué frecuencia la IA podía identificar con precisión radiografías de tórax sin hallazgos significativos, sin aumentar los errores diagnósticos. Este estudio analizó informes y datos radiológicos de 1.961 pacientes (edad media, 72 años; 993 mujeres), cada uno con una radiografía de tórax única, recolectados de cuatro hospitales daneses. Investigaciones previas indicaban que las herramientas de IA podían excluir patología en radiografías de tórax con confianza y generar de forma autónoma un informe normal. Sin embargo, no había un umbral establecido para determinar cuándo las herramientas de IA debían considerarse fiables.

El estudio tuvo como objetivo comparar la gravedad de los errores cometidos por la IA con los de los radiólogos humanos para determinar si los errores de la IA eran objetivamente peores. La herramienta de IA calculó una probabilidad de "notable" para cada radiografía a fin de determinar su especificidad en varios niveles de sensibilidad. Dos radiólogos torácicos, ciegos a las evaluaciones de la IA, clasificaron las radiografías como "notables" o "no destacables" utilizando criterios establecidos. Las radiografías con hallazgos omitidos, ya sea por la IA o los informes humanos, fueron evaluadas por otro radiólogo de tórax, quien desconocía quién había cometido el error, y clasificó los errores como críticos, clínicamente significativos o insignificantes.

La referencia estándar encontró que 1.231 de las 1.961 radiografías (62,8%) eran notables y 730 (37,2%) no notables. Los resultados, publicados en la revista Radiology, indicaron que la herramienta de IA excluyó con éxito la patología en el 24,5% al 52,7% de las radiografías de tórax no notables, con sensibilidades del 98% o superiores, y con menos errores críticos en comparación con los informes radiológicos asociados. Sin embargo, los errores cometidos por la IA fueron, en general, más graves desde un punto de vista clínico que los cometidos por los radiólogos. El estudio sugirió que la IA podría generar informes autónomos en más de la mitad de todas las radiografías de tórax normales, pero subrayó la necesidad de realizar un estudio de implementación prospectivo del modelo en uno de los umbrales sugeridos antes de recomendar su uso generalizado.

Enlaces relacionados:
Herlev Gentofte Hospital

Visitar la expo >

New

Miembro Oro

X-Ray QA Meter

T3 AD Pro

Ultrasound Color LCD

U156W

Radiology Software

DxWorks

New

Mammography Analytics Platform

Unifi Analytics Software