Algoritmo de IA en la detección de nódulos pulmonares muestra beneficios para los radiólogos cualquiera sea su experiencia
Debido a su accesibilidad, bajo coste, baja exposición a la dosis de radiación y razonable precisión diagnóstica, las radiografías de tórax (RX) se utilizan con frecuencia para la detección temprana de nódulos pulmonares. Los nódulos pulmonares son manifestaciones radiológicas iniciales comunes del cáncer de pulmón, pero pueden pasarse por alto fácilmente cuando son sutiles, pequeños o se encuentran en zonas difíciles de visualizar.
La detección de estos nódulos ha sido objeto de varias soluciones de software de detección asistida por ordenador e inteligencia artificial (IA, durante las últimas dos décadas. Un estudio realizado por Homayounieh y sus colegas evaluaron uno de estos novedosos algoritmos de IA que puede ayudar en la detección de nódulos pulmonares en radiografías con diferentes niveles de dificultad de detección.
¿Qué datos utilizaron?
En este estudio de diagnóstico se incluyeron 100 imágenes de radiografía de tórax tomadas entre 2000 y 2010 de pacientes adultos de un centro de atención médica ambulatoria en Alemania y una base de datos de imágenes pulmonares en los Estados Unidos. Las imágenes incluidas fueron seleccionadas para representar nódulos con diferentes niveles de dificultad de detección (de fácil a difícil).
¿Cómo lo lograron?
Todas las imágenes se procesaron con un nuevo algoritmo de IA, el AI Rad Companion Chest X-ray. Dos radiólogos torácicos (14 y 16 años de experiencia) establecieron el diagnóstico base y 9 radiólogos de prueba de Alemania y Estados Unidos revisaron de forma independiente todas las imágenes en 2 sesiones (modo sin ayuda y con ayuda de la IA).
Cada radiólogo de la prueba registró la presencia de 5 hallazgos (nódulos pulmonares, atelectasia, consolidación, neumotórax y derrame pleural) y su nivel de confianza para detectar el hallazgo individual en una escala de 1 a 10. Las métricas analizadas para los nódulos incluyeron la sensibilidad, la especificidad, la precisión y el área bajo la curva de características operativas del receptor (AUC).
Sus resultados
Se incluyeron imágenes de 100 pacientes, con una edad media de 55 años. La precisión de detección media de los 9 radiólogos junior mejoró en un 6,4% con la interpretación asistida por IA en comparación con la interpretación sin ayuda. La tasa de falsos positivos mejoró en un 5,6% con la interpretación asistida por IA.
Por otro lado, los radiólogos junior vieron una mejora del 12% en la sensibilidad para la detección de nódulos con la interpretación asistida por IA en comparación con sus homólogos senior, mientras que los radiólogos senior experimentaron una mejora similar en la especificidad en comparación con los radiólogos junior.
Conclusiones
Los doctores concluyen que, dada la alta tasa de fallos y la importancia de identificar los nódulos pulmonares en las radiografías de tórax, los algoritmos de IA como el evaluado en su estudio pueden desempeñar un papel importante en la mejora de la calidad y el valor diagnóstico de las radiografías en pacientes con nódulos pulmonares. Estos también pueden ser útiles para ayudar a conciliar las diferencias en los equipos radiográficos de los distintos proveedores
Homayounieh, F., Digumarthy, S., Ebrahimian, S., Rueckel, J., Hoppe, B. F., Sabel, B. O., Conjeti, S., Ridder, K., Sistermanns, M., Wang, L., Preuhs, A., Ghesu, F., Mansoor, A., Moghbel, M., Botwin, A., Singh, R., Cartmell, S., Patti, J., Huemmer, C., . . . Kalra, M. (2021). An Artificial Intelligence–Based Chest X-ray Model on Human Nodule Detection Accuracy from a Multicenter Study. JAMA Network Open, 4(12), e2141096. https://doi.org/10.1001/jamanetworkopen.2021.41096
