Algoritmo basado en IA reduce significativamente las tasas de error en la detección de embolia pulmonar

La embolia pulmonar (EP) ocupa el tercer lugar entre los síndromes cardiovasculares agudos más comunes a nivel mundial, con una prevalencia del 20 %. Sin tratamiento, la EP puede tener una tasa de mortalidad de hasta el 35 %, pero esta puede reducirse a entre el 2 % y el 15 % con un tratamiento rápido y adecuado. La principal herramienta de diagnóstico para la EP es la angiografía pulmonar por TC (CTPA), una prueba no invasiva que es ampliamente disponible y rápida de realizar, capaz de detectar émbolos con alta sensibilidad y especificidad. Sin embargo, el diagnóstico de EP sigue siendo complejo debido a la presencia de otras afecciones que pueden parecer similares en las exploraciones, como tumores, ganglios linfáticos, artefactos y nódulos pulmonares. Los estudios han indicado que los retrasos o fallos en el diagnóstico de EP son una de las principales causas de muertes prevenibles debido a diagnósticos perdidos. Ahora, un nuevo estudio ha demostrado que un algoritmo basado en inteligencia artificial (IA) puede reducir sustancialmente las tasas de diagnósticos perdidos de EP en tomografías computarizadas.

Para el estudio, investigadores de la Universidad de California Irvine (Irvine, CA, EUA) recopilaron retrospectivamente 1204 CTPA de 230 ciudades de EUA, utilizando 57 modelos de escáner diferentes de seis fabricantes. El estándar de oro, o la verdad de referencia, fue establecido por consenso entre tres radiólogos expertos certificados por la junta estadounidense. Estos casos también fueron evaluados mediante un algoritmo de IA llamado CINA-PE, diseñado para detectar e identificar ubicaciones sospechosas de EP. La efectividad del algoritmo se midió tanto por caso como por hallazgo.

El análisis incluyó casos en los que las EP estaban presentes pero no se informaron clínicamente, y que fueron identificados por la IA. De los 196 casos confirmados, 29 (15,6 %) no se reportaron inicialmente. El algoritmo de IA identificó con éxito 22 de estos 29 casos, reduciendo así la tasa de errores del 15,6 % al 3,8 % (7 casos perdidos de 186). Estos hallazgos, publicados en la revista Clinical Imaging sugieren que la integración de la IA en entornos clínicos puede mejorar la precisión del diagnóstico de EP, lo que conduce a mejores resultados para los pacientes mediante tratamientos oportunos. La implementación de estas herramientas de IA podría reducir significativamente la incidencia de diagnósticos pasados por alto o retrasados, mejorando la prestación de atención médica en general y el cuidado de los pacientes.

Enlaces relacionados:
Universidad de California, Irvine

Visitar la expo >

Multi-Use Ultrasound Table

Clinton

Ultra-Flat DR Detector

meX+1717SCC

X-ray Diagnostic System

FDX Visionary-A

Portable Color Doppler Ultrasound Scanner

DCU10