Inteligencia Artificil ofrece apoyo automatizado de segundo lector, detectando hallazgos no reportados por el radiólogo en los informes de TC de tórax

Abreviaciones: 

IA (Inteligencia artificial)), RADS (Reporting and Data Systems), TC (Tomografía computarizada).

RADS- proporcionan una terminología estandarizada de los hallazgos de las imágenes, la organización de los informes, la estructura de la evaluación y la clasificación para la presentación de informes y la recopilación de datos en las imágenes de los pacientes [2].

Varios estudios han detallado las tasas de error de RADS en la interpretación de las imágenes de TC de tórax, por razones como el gran número de imágenes revisadas y los tiempos de lectura más cortos debido a la gran carga de trabajo.  La falta de registro de los hallazgos en los exámenes de TC es relativamente común, señalaron expertos de varias instituciones lideradas por la Universidad Médica de Carolina del Sur.

Queriendo abordar este desafío, se llevó a cabo un experimento para ver si un algoritmo de aprendizaje profundo podía leer los informes de RADS y detectar cualquier hallazgo pasado por alto.  Al procesar 100 informes de TC de tórax utilizando la IA, Basel Yacoub y sus colegas encontraron el éxito con el algoritmo, mostrando un «rendimiento de diagnóstico superior» al detectar dos hallazgos en particular.

«Los resultados de este estudio confirman el importante valor añadido de la IA a los informes de radiología clínica», escribieron Yacoub y sus coautores. «En el futuro, las plataformas de IA pueden proporcionar un apoyo adicional a los radiólogos, en particular frente a una creciente carga de trabajo debido a un número cada vez mayor de exámenes de imagen realizados cada año».

Para llegar a sus conclusiones, Yacoub et al. identificaron las imágenes de 100 pacientes consecutivos a los que se les había realizado previamente una TC torácica sin contraste en 2019. Los informes de radiología se examinaron manualmente para buscar cinco condiciones: lesiones pulmonares, enfisema, dilatación aórtica, calcificaciones de la arteria coronaria y fracturas por compresión vertebral. 

A continuación, las exploraciones se procesaron con el prototipo de plataforma de IA, y dos radiólogos certificados compararon posteriormente los informes de los médicos con los resultados del algoritmo.

La IA acabó mostrando un mayor rendimiento de diagnóstico en la detección de la dilatación aórtica y las calcificaciones, mientras que los médicos destacaron en la detección de las lesiones pulmonares y las fracturas.

Los autores señalaron que los médicos y el algoritmo obtuvieron el mismo resultado en la localización del enfisema pulmonar. Basándose en sus hallazgos, los investigadores creen que la IA puede ayudar a aliviar a los ocupados médicos, pero no a sustituirlos. Prevén un «papel cada vez más importante» para estas plataformas en los flujos de trabajo de radiología clínica a medida que se entrenan en un número creciente de conjuntos de datos.

«Este papel se centrará en apoyar a los radiólogos en su práctica proporcionando resultados automatizados de segundo lector al reportar los hallazgos de las imágenes médicas», escribieron Yacoub y sus colegas. «Esperamos que la adición de la IA a los informes de radiología se traduzca en una mejor interpretación y en un aumento de la confianza con un tiempo de lectura más corto, reduciendo en última instancia el agotamiento entre los radiólogos».

Puede leer mucho más de sus resultados en Academic Radiology aquí. Otras instituciones que contribuyeron al análisis fueron Siemens Healthineers, el Centro Alemán de Investigación Cardiovascular y las universidades de Basilea (Suiza) y Frankfurt (Alemania), entre otras.

M, S. (2021, 10 marzo). AI provides automated second-reader support, catching radiologist misses in chest CT reports. Radiology Business. https://www.radiologybusiness.com/topics/artificial-intelligence/ai-second-reader-support-radiologist-chest-ct

Con NUBIX obtén el mejor servicio en administración de PACS en la nube