,Un modelo de inteligencia artificial desarrollado por Google muestra potencial como prueba de triaje escalable para la tuberculosis pulmonar activa en entornos con recursos limitados, según una investigación presentada recientemente en la RSNA en Chicago.
Alta sensibilidad y especificidad
En un estudio en Zambia respaldado por la Fundación Bill y Melinda Gates, el modelo demostró una alta sensibilidad y especificidad para detectar la tuberculosis.
El dato fue evidenciado en una población enriquecida con VIH y tuvo un rendimiento tan bueno como el de los radiólogos.
“La inteligencia artificial puede hacer triaje para la tuberculosis pulmonar activa con un rendimiento no inferior al de los radiólogos y detectar diagnósticos diferenciales, lo que indica el potencial para ayudar a la detección rentable de la tuberculosis”, dijo la presentadora Nsala Sanjase, becaria de investigación en el Centro de Investigación de Enfermedades Infecciosas en Lusaka.
De acuerdo con la OMS
A nivel mundial, el número estimado de muertes por tuberculosis aumentó entre 2019 y 2021, revirtiendo años de declive entre 2005 y 2019.
En 2021, 1.6 millones de personas murieron por tuberculosis, incluidas 187,000 personas con VIH, según la Organización Mundial de la Salud (OMS).
En 2021, la OMS actualizó sus recomendaciones de detección de rayos X de tórax para la tuberculosis para incluir la detección asistida por computadora (CAD) y estableció una barra de rendimiento del 90% de sensibilidad y del 70% de especificidad para la implementación clínica de algoritmos.
Existen 5 modelos de IA para la detección de TB
Actualmente, hay cinco modelos de inteligencia artificial aprobados comercialmente para detectar tuberculosis, así como otras anormalidades en las radiografías de tórax: qXR, CAD4TB, Lunit Insight CXR, InterRead DR Chest y JF CXR-1, agregó.
Estos algoritmos han tenido un buen desempeño en otros estudios en diferentes poblaciones, pero pocos estudios han evaluado su rendimiento en poblaciones sensibles como pacientes con VIH, dijo Sanjase.
En este estudio, los investigadores evaluaron Google AI TB en adultos con síntomas sugestivos de tuberculosis, que eran contactos cercanos de pacientes con tuberculosis o que fueron diagnosticados recientemente con VIH.
Incluyeron a 1,932 pacientes en tres sitios clínicos. De los 1,807 pacientes con un estado de tuberculosis definitivo, 641 (35%) eran VIH positivos y 190 (11%) eran TB positivos.
El rendimiento en clave
Las puntuaciones de la inteligencia artificial para la tuberculosis se calcularon utilizando dos puntos de operación preespecificados (OP):
a- Un OP de alta sensibilidad basado en el perfil de producto objetivo de la OMS (90% de sensibilidad / 70% de especificidad) y,
b- un OP más equilibrado diseñado para parecerse al rendimiento promedio de un radiólogo (90% de sensibilidad / 50% de especificidad), dijo Sanjase.
Además, se probó la no inferioridad del algoritmo en comparación con nueve radiólogos.
“Según los hallazgos, la sensibilidad y la especificidad de la inteligencia artificial para la tuberculosis fueron del 87% y del 70% en el OP de alta sensibilidad y del 78% y del 82% en el OP equilibrado”, dijo Sanjase.
Además, en el OP de alta sensibilidad, la inteligencia artificial para la tuberculosis no fue inferior a los radiólogos en sensibilidad (p < 0.001), pero no en especificidad (p = 0.99) y cumplió con los objetivos de la OMS para la especificidad (p < 0.001), pero no para la sensibilidad (p = 0.17).
En el OP equilibrado, la inteligencia artificial fue no inferior a los radiólogos tanto en sensibilidad como en especificidad (p < 0.02 para ambos).
En palabras de los expertos
“Según nuestro estudio, hemos concluido que Google AI TB no fue inferior a los radiólogos para el triaje de tuberculosis pulmonar activa en una población con una alta carga de tuberculosis y VIH”, dijo Sanjase.
“Basándose en un análisis comparativo, el algoritmo tuvo un rendimiento similar a otros sistemas CAD que ya están en el mercado”, agregó.
“Zambia tiene una de las mayores cargas de tuberculosis y VIH en África y, en entornos rurales, muchas clínicas no cuentan con tecnología de radiografía digital ni acceso a internet”, señaló Sanjase.
“Sin embargo, el país ha aumentado significativamente la financiación interna asignada para la tuberculosis, con la digitalización como prioridad”, agregó.
“Este sistema de inteligencia artificial podría ayudar a escalar la detección rentable de la tuberculosis y la detección de diagnósticos diferenciales en entornos donde no hay radiólogos disponibles”, concluyó Sanjase.
0 comentarios