Supresión ósea y software CAD mejoran detección de nódulos pulmonares en rayos X de tórax

Tres estudios reportaron que usar supresión ósea y software de detección con ayuda de computador (CAD) puede mejorar de manera significativa la detección de los nódulos pulmonares en las imágenes de rayos- x de tórax.

CAD se desempeñó bien en imágenes captadas por máquinas de rayos-x portátiles y verticales en los estudios, y que la mayoría de las marcas falso-positivas—la marca de las porciones en los rayos-x que no son nódulos pulmonares—llaman la atención de los radiólogos hacia otras anormalidades significativas, incluyendo enfermedades pulmonares serias, y dispositivos médicos en o sobre el pecho que los radiólogos podrían pasar por alto rápidamente. Los hallazgos del estudio fueron presentados durante el congreso anual de la Sociedad Norteamericana de Radiología (RSNA), realizado en Noviembre de 2012, en Chicago (IL, EUA). El software ClearRead de Riverain Technologies fue usado en cada uno de los estudios.

El software ClearRead de Riverain suprime las costillas y las clavículas en las imágenes de rayos-x de tórax tradicionales, suministrándoles a los radiólogos una imagen clara, no obstruida de los pulmones y exponiendo las anormalidades que pueden ser un signo de enfermedad. El software es fácil de instalar y adoptar, no requiere equipo de imagenología adicional o personal, y sin exposición adicional a la radiación para los pacientes. Puede usarse para realzar inmediatamente las imágenes generadas por todas las máquinas de rayos-x, a través de un hospital o sistema de salud.

En un estudio en el Centro Médico Nijmegen de la Universidad Radbound (RUNMC; Holanda), cinco radiólogos asistentes y tres radiólogos residentes que no estaban entrenados con el software Riverain Technologies (Dayton, OH, EUA) detectaron más nódulos pulmonares confirmados utilizando el software 2.4 de supresión ósea, ClearRead, que cuando evaluaron las imágenes de rayos-x en su propio software.

Los radiólogos leyeron 300 imágenes de rayos–x de tórax con o sin supresión ósea (111 rayos-x con nódulos pulmonares solitarios y 189 casos control sin nódulos). Identificaron 79% de los nódulos pulmonares con supresión ósea, con aproximadamente 0,3 falsos-positivos, por imagen, en comparación con 71% de detección de nódulos pulmonares y 0,21 falsos-positivos, por imagen, cuando revisaron los rayos-x en su propio software.

“La detección de nódulos difíciles de encontrar clasificados como ‘moderadamente sutiles’ y ‘sutiles’ se mejoró especialmente”, dijo Steven Schalekamp, MD, un estudiante de PhD en el departamento de radiología de RUNMC. “Los radiólogos que usaron el software de supresión ósea encontraron 26% de los nódulos pulmonares que fueron pasados por alto completamente en las imágenes de rayos-x convencionales”

En un estudio RUNMC separado incluyendo 300 radiografías y ocho lectores, el desempeño de los radiólogos también mejoró cuando leyeron las imágenes usando el software CAD de Riverain, ClearRead +Detect 5.2, que rodea, con un círculo, los nódulos pulmonares sospechosos en las imágenes de rayos-x con supresión ósea. Los radiólogos detectaron, con exactitud, 79% de 111 nódulos pulmonares con CAD, versus 73% cuando revisaron la imagen con supresión ósea sin CAD.

La tasa de falsos-positivos de los radiólogos por imagen fue de 0,28 cuando usaron CAD y supresión ósea combinados, y 0,23 cuando usaron supresión ósea sin CAD. ClearRead +Detect encontró más dela mitad de los nódulos que fueron pasados por alto por los radiólogos.

En un estudio del Centro Médico de la Universidad de Chicago (IL, EUA) de 608 imágenes de rayos-x de tórax consecutivas, no seleccionadas, (479 rayos-x con anormalidades, como nódulos pulmonares, otras enfermedades pulmonares y cicatrices; y 129 rayos-x sin anormalidades significativas), ClearRead +Detect 5.2 CAD software, de Riverain, por sí solo, sin interpretación del radiólogo, detectó 72% de los nódulos presentes, u 82 de 114 nódulos. El software detectó una mayoría de nódulos sin tener en cuenta si la imagen había sido captada usando una máquina de rayos-x portátil o una vertical, y aun cuando otras anormalidades, incluyendo enfermedad pulmonar subyacente, estuvieran presentes.

“CAD encontró la mayoría de los nódulos pulmonares en este estudio grande, que simula un ambiente clínico del mundo real donde el uso de imágenes de rayos-x portátiles y la presencia de otras anormalidades en los tórax de los pacientes hace desafiante la detección del nódulo pulmonar”, dijo Steve Worrell, director de tecnología de Riverain.

El software CAD tuvo 1,3 falsos-positivos, por imagen (0,7 en los rayos-x sin anormalidades significativas y 1,5 en imágenes con anormalidades). El cuarenta y uno por ciento de los falso-positivos en todas las radiografías indicaron otros cambios patológicos notables, incluyendo líquido en los pulmones (edema), neumonía, un colapso parcial o total de un pulmón (atelectasa), otras enfermedades pulmonares, calcificaciones, y cicatrices.

Diecinueve por ciento de las marcas falso-positivas fue atribuido a los dispositivos médicos en o sobre el pecho, incluyendo derivaciones de electrocardiograma y puertos de catéter. Como el estudio del Dr. Schalekamp sugiere, el número de falsos-positivos reportados actualmente en un ambiente clínico serían menores debido a que los radiólogos usan su juicio para rechazar rápidamente marcas generadas automáticamente que son causadas por tejido muy anormal o dispositivos médicos.

“Esperamos que después de un periodo de aprendizaje, los radiólogos podrán descartar las marcas CAD falso-positivas muy rápidamente”, dijo el Dr. MacMahon. “Sabemos que los cánceres pequeños son, a menudo, visibles en retrospectiva pero no fueron detectados en los rayos-x anteriores”, añadió el Dr. MacMahon. “El uso de rutina de la supresión ósea y CAD en los rayos-x de tórax, reducirá las probabilidades de que un cáncer sea pasado por alto, mejorando así la probabilidad de diagnosticar la enfermedad en estadío temprano”.


Enlaces relacionados:

Radbound University Nijmegen Medical Center
Riverain Technologies
University of Chicago Medical Center