Rendimiento de la inteligencia artificial en la detección de metástasis tumorales a partir de imágenes de radiología médica

Introducción

Uno de los factores que tiene influencia en la mortalidad del cáncer, es la metástasis tumoral. Específicamente, la metástasis presentada en los ganglios linfáticos (MN) y a distancia (MD). La clasificación de estos últimos es importante para la estratificación del tratamiento, la estrategia quirúrgica, el proceso de quimiorradioterapia y la estimación del diagnóstico.

En esta investigación se analizó el funcionamiento de algoritmos de inteligencia artificial como diagnóstico de la metástasis tumoral, a través de imágenes de radiología médica. Esto, con el fin de proveer una guía en la praxis clínica.

Métodos

En páginas como PubMed y Web of Science, se hizo una búsqueda de estudios publicados en un rango de 23 años, de 1997 al 2020. No se descartaron por regiones, lengua o tipo de publicación. Sin embargo, se apartaron los que tenían imágenes histopatológicas y los que realizaron divisiones de interés. Aquellos estudios que proporcionaron los datos necesarios para el análisis y la construcción de tablas de contingencia (valorados con la puntuación QUADAS-2), se agregaron al metaanálisis y en total fueron 34.

Resultados

De los 34 estudios añadidos en el metaanálisis, se detectó una sensibilidad del 82%, una especificación del 84% y un AUC de 0,90. En general, de los 69 estudios incluidos en todo el análisis, se encontraron metástasis de hueso, cerebro, hígado, pulmón y otros tipos.

Considerando el uso de los dos algoritmos usados, ML y DL, se obtuvo un porcentaje de sensibilidad compartida de 87% para el ML y 86% para el DL. En cuanto a especificidad, el ML contó con una del 89% mientras que el DL tuvo una del 87%.

Discusión

Se determinó que el uso de los algoritmos de inteligencia artificial para brindar un diagnóstico de una metástasis tumoral es viable. Esto se puede comprobar por su rendimiento, el cual es similar y/o superior al de los agentes sanitarios, cuando se habla de sensibilidad y especificidad.

En la investigación se encontró una heterogeneidad que tuvo una significación a nivel estadístico. Para lograrlo, se hicieron diferentes subgrupos para ambos tipos de algoritmos, se realizaron validaciones a base de muestras externas, se tomaron en cuenta los tipos de metástasis, algunos tumores en fase primaria y la proyección de imagen médica.

Conclusiones

A pesar de que se encontraron algunos defectos a lo largo de la investigación, se puede decir que el estudio ayudó a determinar la eficacia de la implementación de este tipo de algoritmos de IA para diagnosticar la metástasis de tumores. Con esto, se pueden generar aplicaciones clínicas que disminuyan las limitaciones de recursos médicos, que incremente eficacia de detección, así como la especificidad.

Traducido y adaptado de: Zheng, Q., Yang, L., Zeng, B., Li, J., Guo, K., Liang, Y., & Liao, G. (2021). Artificial intelligence performance in detecting tumor metastasis from medical radiology imaging: A systematic review and meta-analysis. EClinicalMedicine, 31, 100669.