Deep learning y resonancia biparamétrica ultrarrápida: una alternativa viable en el diagnóstico del cáncer de próstata
Reducción del tiempo de escaneo sin comprometer la precisión diagnóstica
Un nuevo estudio presentado en el Congreso Europeo de Radiología (ECR) 2025 ha demostrado que la resonancia magnética biparamétrica (bpMRI) ultrarrápida asistida por deep learning ofrece una sensibilidad comparable a la resonancia magnética multiparamétrica (mpMRI) en la detección de cáncer de próstata clínicamente significativo (csPCa), con una reducción del 80 % en el tiempo de escaneo.
Esta investigación prospectiva comparó la eficacia diagnóstica de la mpMRI y la bpMRI ultrarrápida en 123 pacientes sin biopsia previa.
Dos radiólogos con cuatro y tres años de experiencia, respectivamente, evaluaron las imágenes utilizando el sistema PI-RADS v2.1 y el puntaje PI-QUAL para valorar la calidad de imagen.
Los resultados indicaron que la bpMRI ultrarrápida asistida por inteligencia artificial logró una sensibilidad del 91 %, frente al 94 % de la mpMRI, y un valor predictivo negativo (NPV) del 95 %, en comparación con el 96 % obtenido con la mpMRI.
No se encontraron diferencias significativas en el desempeño diagnóstico de ambas técnicas para la identificación del csPCa.
Impacto de la experiencia del radiólogo en la precisión diagnóstica
Uno de los hallazgos más relevantes del estudio fue que los radiólogos con mayor experiencia lograron una mejora del 25 % en la especificidad, 17 % en el valor predictivo positivo (PPV) y 17 % en la precisión diagnóstica al interpretar imágenes de bpMRI ultrarrápida en comparación con aquellos con menos experiencia.
Además, la concordancia interobservador para la bpMRI ultrarrápida fue del 87 %, mientras que para la mpMRI fue del 83 %, lo que indica que la nueva técnica asistida por deep learning proporciona mayor uniformidad en la interpretación de las imágenes.
Los investigadores también resaltaron que la bpMRI ultrarrápida obtuvo calificaciones PI-QUAL más altas, lo que sugiere una mejora en la calidad de imagen respecto a la mpMRI convencional.
Inteligencia artificial en la optimización de la resonancia magnética prostática
Los resultados de este estudio refuerzan la utilidad del deep learning para mejorar la eficiencia de la resonancia magnética prostática sin comprometer la calidad diagnóstica.
Según la autora principal del estudio, Dra. Antonia-Maria Pausch, del Hospital Universitario de Zúrich, esta tecnología representa una alternativa prometedora a la mpMRI tradicional para pacientes sin biopsia previa, al tiempo que mantiene una alta precisión diagnóstica con tiempos de escaneo significativamente reducidos.
“Los protocolos de bpMRI ultrarrápida asistidos por inteligencia artificial ofrecen una alternativa prometedora a la mpMRI convencional para el diagnóstico del cáncer de próstata clínicamente significativo, con una concordancia interobservador comparable y un rendimiento diagnóstico superior en términos de calidad de imagen”, concluyeron Pausch y sus colegas.
Implicaciones clínicas y futuras aplicaciones
Los hallazgos de este estudio sugieren que la implementación de bpMRI ultrarrápida con inteligencia artificial podría optimizar el flujo de trabajo en la evaluación del cáncer de próstata, permitiendo una mayor accesibilidad a la resonancia magnética prostática, especialmente en entornos con recursos limitados o en unidades con alta demanda de estudios de imagen.
A medida que las herramientas de deep learning continúan evolucionando, su integración en los protocolos de resonancia magnética podría redefinir los estándares de detección del cáncer de próstata, facilitando diagnósticos más rápidos, precisos y accesibles para un mayor número de pacientes.
Referencia: Pausch AM, Fillebock V, Elsner C, Rupp N, Eberli D, Hotker AM. Ultra-fast biparametric MRI in prostate cancer assessment: diagnostic performance and image quality compared to conventional multiparametric MRI. Presentado en el Congreso Europeo de Radiología (ECR), 26 de febrero – 2 de marzo de 2025, Viena, Austria. Disponible en https://www.myesr.org/congress/. Accedido el 1 de marzo de 2025.
0 comentarios