¿Puede la IA Facilitar la Mejora del Cribado de Osteoporosis con Rayos X de Energía Dual para Pacientes en Alto Riesgo?
Un modelo de aprendizaje profundo basado en la evaluación de radiografías de tórax puede mejorar significativamente la detección de osteoporosis en pacientes de alto riesgo.
Utilizando esta tecnología, el cribado posterior con absorciometría dual de rayos X (DXA) en un ensayo controlado aleatorizado identificó osteoporosis de nueva aparición en 237 de 315 pacientes.
El Papel de la IA en la Detección de Osteoporosis
La investigación, publicada en Radiology, sugiere que un modelo de aprendizaje profundo puede identificar personas con alto riesgo de osteoporosis a partir de radiografías de tórax.
En el estudio, se entrenó el modelo con 25,574 radiografías de tórax, obteniendo una área bajo la curva de características operativas del receptor (AUROC) del 89% en pruebas de validación externa.
Resultados del Ensayo Controlado Aleatorizado
El ensayo controlado aleatorizado, que incluyó a 40,658 participantes y analizó 91,911 radiografías de tórax, identificó a 4,912 personas (12.1%) como de alto riesgo de osteoporosis.
De estos, 2,456 participantes fueron seleccionados aleatoriamente para recibir DXA financiado completamente, mientras que los otros 2,456 recibieron la atención habitual.
De los participantes a los que se les ofreció la DXA, 315 aceptaron y, sorprendentemente, 237 (75.2%) presentaron osteoporosis de nueva aparición, definida como un puntaje T < -2.5.
Imagen: (Radiology, enlace directo abajo). Aquí se puede ver la radiografía de tórax posterior-anterior original (izquierda) y los mapas de activación de clase a partir de superposiciones generadas por IA (derecha) para una mujer de 79 años con una puntuación T de -3,4.
Resultados del Ensayo Controlado Aleatorizado
El ensayo controlado aleatorizado, que incluyó a 40,658 participantes y analizó 91,911 radiografías de tórax, identificó a 4,912 personas (12.1%) como de alto riesgo de osteoporosis.
De estos, 2,456 participantes fueron seleccionados aleatoriamente para recibir DXA financiado completamente, mientras que los otros 2,456 recibieron la atención habitual.
De los participantes a los que se les ofreció la DXA, 315 aceptaron y, sorprendentemente, 237 (75.2%) presentaron osteoporosis de nueva aparición, definida como un puntaje T < -2.5.
Implicaciones de la Investigación
El uso del modelo de aprendizaje profundo para analizar radiografías de tórax permitió una detección de osteoporosis un 10% mayor en el grupo de cribado comparado con el grupo de control (11.1% frente a 1.1%).
Este hallazgo subraya el potencial de la IA para mejorar los resultados del cribado de osteoporosis y asegurar intervenciones diagnósticas y de tratamiento más adecuadas.
Aunque los resultados son prometedores, los autores del estudio reconocen algunas limitaciones. La investigación se realizó en un único centro y los datos se obtuvieron de registros médicos electrónicos que podrían estar incompletos.
Además, solo el 14.6% de los pacientes aceptaron someterse a la prueba DXA, lo que podría influir en la generalización de los resultados.
Este enfoque innovador tiene el potencial de identificar individuos con alto riesgo de osteoporosis que de otro modo podrían ser pasados por alto con los criterios de cribado tradicionales.
La implementación de análisis de radiografías torácicas habilitados por IA podría transformar significativamente la forma en que se detecta y se trata la osteoporosis, especialmente en poblaciones de alto riesgo.
Para conocer más puede visitar Radiology.
0 comentarios