Evaluación automatizada de angiotomografía coronaria con IA: ¿puede igualar el rendimiento de los radiólogos?
La angiotomografía computarizada coronaria (CCTA) se ha consolidado como una herramienta clave en la evaluación no invasiva de pacientes con dolor torácico. Sin embargo, el creciente volumen de estudios plantea desafíos en la interpretación oportuna y precisa.
Un nuevo estudio retrospectivo, publicado en Radiology, analizó el desempeño de un software de inteligencia artificial (IA) para el análisis automatizado de CCTA y estimó su capacidad diagnóstica frente a expertos humanos utilizando el sistema CAD-RADS 2.0.
Los resultados muestran una alta precisión para descartar enfermedad arterial coronaria obstructiva, aunque con ciertas limitaciones en la predicción positiva.
Un análisis automatizado con alto valor predictivo negativo
El estudio incluyó 1.032 pacientes (mediana de edad: 62 años) con un total de 1.041 estudios de CCTA realizados entre 2017 y 2021 en un centro académico terciario.
Se utilizó el software Automated Coronary Analysis (versión 4.2.0.0, Siemens Healthineers), instalado localmente, que generó de forma autónoma puntajes de calcio (CACS), categorías CAD-RADS y segment involvement scores (SIS) en menos de cinco minutos.
El software mostró un desempeño destacable en la exclusión de enfermedad coronaria significativa: alcanzó un valor predictivo negativo (VPN) del 98 % para CAD-RADS > 4A y del 94 % para CAD-RADS > 3.
Buen acuerdo con expertos, pero baja predicción positiva
La concordancia entre el sistema automatizado y los radiólogos fue sustancial para la clasificación por severidad de estenosis (κ ponderado = 0,73) y casi perfecta para el puntaje de calcio (κ = 0,97).
Para CAD-RADS > 3, la IA alcanzó una sensibilidad del 78 %, especificidad del 89 % y exactitud del 87 %.
En CAD-RADS > 4A, la sensibilidad fue del 85 % y la especificidad del 83 %. Sin embargo, los valores predictivos positivos fueron bajos: 65 % para CAD-RADS > 3 y solo 39 % para CAD-RADS > 4A, lo que refleja limitaciones en la capacidad del software para confirmar enfermedad obstructiva sin revisión humana.
Aplicaciones clínicas en urgencias y triaje
Los autores destacan el valor clínico del software como herramienta de triaje, especialmente en pacientes con dolor torácico de bajo o moderado riesgo en servicios de urgencias.
Gracias a su alto VPN, la IA puede ayudar a descartar enfermedad coronaria significativa de forma segura, acelerando decisiones de alta médica y reduciendo la carga asistencial.
No obstante, recalcan que su implementación no reemplaza la lectura experta. Los estudios marcados por la IA deben seguir siendo revisados por radiólogos, quienes se beneficiarían de la priorización automática de casos según riesgo estimado.
Limitaciones técnicas y futuras mejoras
El estudio reconoció limitaciones del software evaluado, como la incapacidad de detectar artefactos por movimiento, rotular segmentos no diagnósticos o identificar anomalías coronarias.
Además, la interpretación de referencia se basó en informes previos de CCTA, lo cual puede introducir sesgo. A pesar de esto, los resultados respaldan el uso de herramientas de IA para apoyar la interpretación inicial, sobre todo en entornos con alta demanda de imágenes cardiacas.
Los investigadores sugieren que mejoras futuras podrían incluir la integración de algoritmos de detección de artefactos y análisis prospectivo de anatomías variantes.
Hacia una integración clínica de la inteligencia artificial en cardiología
Este trabajo se suma a una creciente evidencia que respalda el uso de inteligencia artificial en entornos clínicos reales. Su capacidad para ofrecer resultados rápidos, estandarizados y reproducibles representa una oportunidad para optimizar la atención cardiovascular.
Aunque aún no iguala la capacidad diagnóstica completa de los especialistas humanos, especialmente en la confirmación de enfermedad obstructiva, su eficacia para descartar casos críticos y apoyar la toma de decisiones es innegable.
La IA no reemplaza al radiólogo, pero puede convertirse en un aliado fundamental en el manejo eficiente de la carga asistencial.
Para conocer más sobre este aporte puede visitar Radiology y acceder al artículo completo.
0 comentarios