Una IA supera al Bone-RADS y a los radiólogos en la clasificación de tumores óseos en la radiografía
La radiografía simple es el primer estudio que recibe un tumor óseo —y también el más difícil de interpretar cuando el hallazgo es ambiguo. La distinción entre benigno y potencialmente maligno determina si un paciente va a biopsia o a seguimiento, y tiene una variabilidad interobservador considerable incluso entre radiólogos musculoesqueléticos especializados.
Un modelo de aprendizaje profundo desarrollado en diez instituciones y publicado en Radiology demuestra que puede hacer esa clasificación con un nivel de precisión que supera tanto al sistema estandarizado Bone-RADS como a nueve radiólogos expertos.
Un modelo que lee la placa y el contexto clínico a la vez
El sistema, denominado DL-Clinic-RADS, combina dos elementos que los modelos convencionales suelen tratar por separado: las características visuales de la radiografía y los datos clínicos y semánticos del paciente.
Para lograrlo utiliza un transformer de visión con mecanismo de atención cruzada entre dos proyecciones radiográficas, integrado con variables clínicas —como la edad— y con los descriptores del propio sistema Bone-RADS.
El resultado es un modelo que no analiza píxeles en aislamiento sino que pondera simultáneamente la imagen y el contexto, de una manera más cercana al razonamiento clínico real.
El entrenamiento y la validación incluyeron 1.777 pacientes de diez instituciones con tumores óseos confirmados histopatológicamente entre 2010 y 2024, más una cohorte prospectiva de 152 participantes reclutados en 2025 para el conjunto de prueba final.
Los números frente a Bone-RADS y a los radiólogos
El área bajo la curva ROC del DL-Clinic-RADS fue de 0,96 en el conjunto externo y de 0,99 en la cohorte prospectiva. Los nueve radiólogos musculoesqueléticos que evaluaron el mismo conjunto externo obtuvieron AUC de entre 0,68 y 0,82.
El sistema Bone-RADS, que es la referencia estandarizada para la estratificación de riesgo en tumores óseos —análogo al BI-RADS en mama—, alcanzó AUC de 0,75 a 0,81. En todos los casos, la diferencia con el modelo fue estadísticamente significativa (P < 0,001).
“El sistema Bone-RADS es la referencia estandarizada para la estratificación de riesgo en tumores óseos. El modelo lo superó con diferencia estadísticamente significativa. Para un campo donde la variabilidad interobservador es el problema central, ese margen no es menor.”
Fuente: Song C et al. Radiology, 2026. DOI: 10.1148/radiol.252921. © RSNA 2026. Reproducida con fines de divulgación científica no comercial.
Comparación a nivel de paciente entre el modelo DL-Clinic-RADS, la interpretación subjetiva de los radiólogos y el sistema Bone-RADS. (A) Paciente A: el modelo clasifica incorrectamente; la mayoría de los radiólogos acierta; la mayoría de las asignaciones Bone-RADS son incorrectas. Paciente B: el modelo clasifica incorrectamente; la mayoría de los radiólogos también; todas las asignaciones Bone-RADS son incorrectas. Paciente C: el modelo, todos los radiólogos y la mayoría de las asignaciones Bone-RADS clasifican incorrectamente. (B) Pacientes D–F: el modelo clasifica correctamente; radiólogos y Bone-RADS aciertan o no según se indica. Los círculos azules indican tumor benigno; los rojos, tumor potencialmente maligno. El porcentaje entre paréntesis es la probabilidad de malignidad predicha por el modelo. El asterisco indica potencial malignidad (intermedio o maligno). ABC = quiste óseo aneurismático; EHE = hemangioendotelioma epitelioide; FD = displasia fibrosa; GCT = tumor de células gigantes; HB = hemangioma intraóseo; OS = osteosarcoma.
Cuando la IA asiste, el radiólogo mejora
El hallazgo con mayor implicación práctica no es la performance del modelo en solitario, sino lo que ocurrió cuando los radiólogos lo usaron como asistencia.
Con el apoyo del DL-Clinic-RADS, el AUC medio de los lectores aumentó 0,07 puntos —un incremento que en clasificación diagnóstica representa una diferencia clínica relevante—, la concordancia interobservador mejoró (κ de Fleiss entre +0,06 y +0,23 según el lector) y el tiempo de lectura se redujo una mediana de tres segundos por caso.
Ese patrón —mayor precisión, mayor acuerdo y menor tiempo— describe el efecto ideal de una herramienta de apoyo a la decisión: no reemplaza el juicio del radiólogo sino que lo calibra y lo hace más eficiente.
Mayor precisión, mayor acuerdo entre lectores y menor tiempo de lectura. Es el triángulo que cualquier herramienta de apoyo a la decisión debería demostrar antes de llegar a la práctica clínica.
Lo que cambia en la triage radiográfica de lesiones óseas
La estratificación de riesgo en tumores óseos sobre radiografía simple es uno de los escenarios donde la variabilidad diagnóstica tiene consecuencias directas: una lesión clasificada erróneamente como benigna puede retrasar el diagnóstico de un sarcoma; una clasificación excesivamente conservadora lleva a biopsias innecesarias en lesiones benignas.
Un modelo con AUC de 0,96 integrado como asistente en el flujo de lectura podría reducir ambos tipos de error sin modificar el rol del radiólogo como responsable de la decisión final.
El estudio incluye validación prospectiva —un estándar más exigente que la validación retrospectiva— y la participación de nueve lectores expertos como comparadores, lo que da solidez al diseño.
La disponibilidad clínica del sistema y su integración en los flujos de trabajo reales serán los próximos pasos para evaluar si la performance del laboratorio se sostiene en la práctica.
Este artículo se basa en un estudio publicado en Radiology. DOI: 10.1148/radiol.252921. Disponible en: https://pubs.rsna.org/doi/10.1148/radiol.252921
0 comentarios