TI-RADS con algoritmo de aprendizaje profundo guía el diagnóstico de nódulos tiroideos pediátricos en ultrasonido

En un nuevo estudio, investigadores de la Universidad de Duke (Durham, NC, EUA) evaluaron a 139 pacientes (119 mujeres, 20 hombres) de ≤21 años de edad con un nódulo tiroideo en ultrasonido con resultados patológicos definitivos de aspiración con aguja fina y/o escisión quirúrgica. Luego se extrajeron imágenes únicas transversales y longitudinales de un nódulo por paciente. Tres radiólogos caracterizaron de forma independiente los nódulos en función de la impresión general (benignos frente a malignos) y ACR TI-RADS. Un algoritmo de aprendizaje profundo desarrollado previamente determinó la probabilidad de malignidad de cada nódulo, que se utilizó para derivar un nivel de riesgo. En última instancia, para evaluar los nódulos tiroideos mediante ecografía en niños y adultos jóvenes, las impresiones generales de los radiólogos, que representan el enfoque clínico estándar actual, tuvieron una sensibilidad media del 58,3 % y una especificidad media del 79,9 %; ACR TI-RADS tuvo una sensibilidad media del 85,1 % y una especificidad media del 50,6 %, y un algoritmo de aprendizaje profundo tuvo una sensibilidad del 87,5 % y una especificidad del 36,1 %.

"Tanto ACR TI-RADS como el algoritmo de aprendizaje profundo tenían una mayor sensibilidad, aunque una menor especificidad, en comparación con las impresiones generales de los radiólogos", escribió el coautor Jichen Yang, BSE, del departamento de ingeniería eléctrica e informática de la Universidad de Duke. Agregando que el algoritmo tenía una sensibilidad similar, pero una especificidad más baja que ACR TI-RADS, "la concordancia entre observadores fue mayor para ACR TI-RADS que para las impresiones generales", señaló Yang.

"Dada la mayor prioridad de la sensibilidad al evaluar los nódulos tiroideos en niños, en comparación con los adultos, los hallazgos respaldan la exploración continua en niños de ACR TI-RADS y del algoritmo de aprendizaje profundo", concluyó Yang.

Enlaces relacionados:
Universidad de Duke