«No dependa todavía del aprendiaje automático como apoyo al diagnósitico por imagen», dicen los expertos
Radiologos y especialistas no deberían depender aún del aprendizaje automático para el apoyo de diagnóstico porque todavía no hay pruebas sólidas, escriben los expertos en JAMA Network Open.
Los avances en la modelación matemática y potencia informática han provocado una explosión de algorítmos de IA publicados, donde algunos afirman que podrían superar a radiólogos humanos. Sin embargo, un grupo de investigadores del Reino Unido advierte que hay pocos ensayos aleatorios o estudios prospectivos que respalden dichas afirmaciones.
«Esta revisión sistemática no encontró pruebas sólidas de que el uso de algoritmos basados en el aprendizaje automático se asociara a un mejor rendimiento diagnóstico de los médicos»
Stephan Ursprung, coautor del estudio y miembro del Departamento de Radiología de la Universidad de Cambridge.
¿Cómo lo hicieron?
Para llegar a sus conclusiones, Ursprung et al. consultaron las bases de datos de la literatúra médica para la investigación registrada entre 2010 y 2019. Buscaron estudios revisados por pares, comparando el desempeño de los clínicos con y sin el uso de sistemas de apoyo a la decisión clínica de diagnóstico basados en el aprendizaje automático.
De los 8,112 estudios recuperados inicialmente, los investigadores examinaron 5,154 resúmenes antes de llegar a los 37 que cumplían los criterios de inclusión, la mayoría de ellos relacionados a patologías pulmonares o diagnóstico de cancer.
Los ensayos de aprendizaje automático publicados incluían una media de sólo cuatro clínicos. De los 107 resultados que informaron de la significación estadística, el 50% vio un aumento de las métricas derivadas del uso del apoyo a la decisión clínica.
Por otro lado, otro 4% disminuyó, mientras que el 46% restante mostró un cambio poco claro o nulo. Donde los pocos estudios seleccionados realizados en entornos clínicos, no se observó ninguna relación entre la mejora del rendimiento de los médicos y el uso del apoyo diagnóstico del aprendizaje automático.
Finalmente, alrededor del 76% de los estudios fueron calificados como de alto riesgo de sesgo según la herramienta de Evaluación de la Calidad de los Estudios de Exactitud Diagnóstica. Otro 16% resultó tener un «riesgo de sesgo grave o crítico» cuando se calificó mediante la escala Risk of Bias in Non-Randomized Studies-Intervention.
¿Cuál fue el resultado?
Ursprung et al. observaron además que los operadores humanos «casi siempre» decidían anular algunas de las recomendaciones del sistema de apoyo a la decisión clínica. Instan a una evaluación más exhaustiva de estos sistemas y a que se tenga más en cuenta el «componente humano del diagnóstico asistido».
«Un mayor escrutinio normativo también tiene un papel importante para
Ursprung et al.
garantizar una traslación segura y eficiente a la cabecera del paciente»,
concluyen los autores. «Los resultados de esta revisión no deben interpretarse
como que empañan las perspectivas de los CDSS de diagnóstico basados en ML»,
añadieron. «Más bien, alentamos las mejoras cualitativa s en futuras
investigaciones».
M, S. (2021, 12 marzo). Don’t depend on machine learning for diagnostic imaging support just yet, experts say. Radiology Business. https://www.radiologybusiness.com/topics/imaging-informatics/machine-learning-diagnostic-imaging-support
Con NUBIX obtén los mejores servicios de almacenamiento en la nube de PACS
