La inteligencia artificial (IA) está demostrando un gran potencial para asistir a los radiólogos en su labor diaria. Un estudio reciente presentado en la reunión anual 2024 de la American Roentgen Ray Society (ARRS) indica una alta concordancia entre las evaluaciones de la IA y los informes finales de los radiólogos para la detección de posibles fracturas cervicales mediante tomografía computarizada (TC).
IA con alta tasa de detección y especificidad
La investigación, llevada a cabo de forma retrospectiva, analizó el uso del software de aprendizaje profundo (deep learning) Aidoc, aprobado por la FDA para la detección de fracturas cervicales. Se estudiaron 2.662 pacientes (entre 20 y 102 años) que se sometieron a una TC que cubría la columna cervical.
Posteriormente, las evaluaciones de la Inteligencia Artificial se compararon con los informes finales de los radiólogos tratantes.
De los 2.662 casos revisados, 119 presentaban fracturas, según el estudio. Aidoc diagnosticó correctamente 95 de las 119 fracturas y 2.525 de los 2.543 casos sin fractura.
En términos de precisión diagnóstica, el estudio estableció una sensibilidad del 84.1% y una especificidad del 99.1% para la detección de fracturas cervicales por parte de Aidoc.
Además, se determinó un valor predictivo positivo (VPP) del 79.8%, un valor predictivo negativo (VPN) del 99.3% y una concordancia del 98.3% con la evaluación del radiólogo.
Estos resultados sugieren que la IA puede ser una herramienta valiosa para aumentar la precisión y la eficiencia del diagnóstico
“La IA es una herramienta importante para que los radiólogos mejoren la precisión diagnóstica y la eficiencia”, escribieron el autor principal del estudio, el Dr. Nicholas Manasewitsch, de la Universidad de Washington, y sus colegas.
Si bien los resultados son alentadores, los investigadores también reconocieron una tasa de falsos positivos del 20.1% (24 de 119 casos). Estos casos incluyeron artefactos de rayo, fracturas crónicas de la columna vertebral, sitios de extracción previa de material de osteosíntesis e identificación errónea de calcificaciones ateroscleróticas.
Sobre las limitaciones del estudio
Las limitaciones del estudio incluyen la baja incidencia de características cervicales en la cohorte (4.1%), la cual incluía pacientes con y sin trauma. También se señaló que no todos los estudios incluían reconstrucciones óseas de cortes finos, lo que podría reducir la sensibilidad para detectar fracturas sutiles.
A pesar de las limitaciones, el estudio sugiere que las tecnologías de aprendizaje profundo, como Aidoc, son herramientas emergentes que podrían ayudar en el triaje de casos y la gestión de listas de trabajo al priorizar los casos marcados por la IA.
Se requieren análisis adicionales y validación externa para confirmar estos hallazgos, pero la IA parece ser un aliado prometedor para los radiólogos en la era de la creciente carga de trabajo por imágenes médicas.
Ref. Imagen de Artículo: En este caso, el uso del software de aprendizaje profundo Aidoc facilitó el diagnóstico de una fractura facetaria de C6 no desplazada (A) que un radiólogo originalmente pasó por alto (B). Imagen de ARRS.
0 comentarios