Herramientas de IA aumentan la especificidad de la TC de dosis baja para la identificación de los nódulos pulmonares

Investigadores de la Universidad de Saskatchewan (Saskatoon, Canadá), llevaron a cabo un estudio que realizó un análisis secundario de un conjunto de datos conocidos, utilizando un modelo de IA desarrollado por Google en 2019 y clasificaciones Lung-RADS de seis radiólogos. Luego los compararon para evaluar una cohorte representativa de 3.197 pacientes de referencia examinados mediante TC de dosis baja. Para garantizar que el algoritmo de IA coincidiera con el nivel de sensibilidad del 91% alcanzado por los proveedores, los investigadores determinaron un umbral de puntuación de riesgo de IA de 0,27, basado en una escala de 0 a 1.

Los resultados mostraron que la estrategia de manejo informada por IA logró una sensibilidad y especificidad de 91% y 96%, respectivamente, mientras que la sensibilidad y especificidad promedio de los seis radiólogos que usaron solo Lung-RADS fue de 91% y 61%, respectivamente. Según la estrategia de gestión de la IA, el 0,2% de las clasificaciones de Lung-RADS de categoría 1 o 2 se actualizaron a la categoría 3, y el 30% de las clasificaciones de categoría 3 o superiores se degradaron a la categoría 2. Los ahorros mínimos de costos netos, según el horario de costos médicos de Medicare de los EUA en 2019 fue de 72 dólares, por paciente examinado. El estudio fue publicado el 19 de enero de 2021 en la revista Journal of the American College of Radiology.

“El uso de una puntuación de riesgo de IA combinada con Lung-RADS en la detección inicial de cáncer de pulmón puede resultar en menos investigaciones de seguimiento y ahorros sustanciales de costos. La especificidad podría aumentar en más del cincuenta por ciento”, concluyeron el autor principal, Scott Adams, MD y sus colegas. “La investigación adicional para otros umbrales de IA también podría ser beneficiosa, especialmente para los nódulos de categoría 4 de Lung-RADS. En última instancia, investigaciones adicionales podrían llevar a que los algoritmos de IA se utilicen de manera similar a lo que se ha sugerido para las mamografías de detección”.

Lung-RADS es una herramienta de garantía de calidad diseñada para estandarizar las recomendaciones de manejo e informes de la TC en la detección de cáncer de pulmón, reducir la confusión en las interpretaciones de TC en la detección de cáncer de pulmón y facilitar el seguimiento de los resultados. Se basa en el éxito del Sistema de Datos e Informes de Imágenes de Mama (BI-RADS), con el objetivo principal de minimizar la variación en el tratamiento de los nódulos pulmonares detectados por TC para que la detección se pueda implementar de forma eficaz en las prácticas de radiología.

Enlace relacionado:
Universidad de Saskatchewan