Radiólogos superan a IA en detección de enfermedades pulmonares comunes en radiografías de tórax

Aunque la Administración de Alimentos y Medicamentos (FDA) ha aprobado algunas herramientas de inteligencia artificial (IA) para ayudar a los radiólogos, la eficacia en el mundo real de estas soluciones de IA en radiología aún está relativamente inexplorada. Investigaciones anteriores a menudo se han enfocado en la capacidad de la IA para detectar una sola enfermedad, lo cual es más simple que situaciones del mundo real en las que un paciente puede tener múltiples afecciones. Ahora, un nuevo estudio de más de 2.000 radiografías de tórax ha demostrado que los radiólogos humanos fueron generalmente más precisos que la IA a la hora de identificar la presencia y ausencia de tres enfermedades pulmonares comunes.

Un equipo de investigadores del Hospital Herlev y Gentofte (Copenhague, Dinamarca) comparó el desempeño de cuatro herramientas de IA disponibles comercialmente con el de 72 radiólogos. Evaluaron 2.040 radiografías de tórax de adultos de cuatro hospitales diferentes, recopiladas durante dos años en 2020. La edad promedio de los pacientes fue de 72 años y aproximadamente un tercio de las radiografías tenían al menos un hallazgo clave. Los investigadores se centraron en tres afecciones comunes: neumopatía alveolar (que podría deberse a neumonía o edema pulmonar), neumotórax (colapso pulmonar) y derrame pleural (líquido alrededor de los pulmones).

Las herramientas de IA mostraron tasas de sensibilidad que variaron: 72-91 % para detectar neumopatías alveolares, 63-90 % para neumotórax y 62-95 % para derrame pleural. En lo que respecta a las neuropatías alveolares, los valores predictivos positivos de la IA oscilaron entre el 40 y el 50 %. En este conjunto particular de pacientes mayores y complejos, la IA señaló incorrectamente la presencia de enfermedades alveolares en el 50-60 % de los casos. Si bien estas herramientas de IA tenían una sensibilidad de moderada a alta comparable a la de los radiólogos humanos para detectar estas afecciones, fue más probable la producción de resultados falsos positivos.

Además, su rendimiento disminuyó cuando las radiografías mostraron múltiples hallazgos o áreas objetivo más pequeñas. Por ejemplo, la probabilidad de un diagnóstico correcto de neumotórax utilizando IA osciló entre el 56 % y el 86 %, mientras que para los radiólogos fue del 96 %. Según el equipo de investigación, el objetivo final de los radiólogos es lograr un equilibrio entre identificar enfermedades y evitar falsos positivos. Estas herramientas de IA, aunque no son perfectas, podrían actuar como un control secundario para los radiólogos, aumentando potencialmente su confianza a la hora de realizar diagnósticos.

“Los sistemas de IA parecen muy buenos para encontrar enfermedades, pero no son tan buenos como los radiólogos para identificar la ausencia de enfermedades, especialmente cuando las radiografías de tórax son complejas. Demasiados diagnósticos falsos positivos darían como resultado imágenes innecesarias, exposición a la radiación y mayores costos”, dijo el investigador principal Louis L. Plesner. “Nuestro estudio demuestra que los radiólogos generalmente superan a la IA en escenarios de la vida real donde hay una amplia variedad de pacientes. Si bien un sistema de IA es eficaz para identificar radiografías de tórax normales, la IA no debería ser autónoma para realizar diagnósticos”.

Enlaces relacionados:
Hospital Herlev y Gentofte