Software de detección de lesiones basado en IA detecta nódulos pulmonares incidentales en radiografías de tórax

Por el equipo editorial de MedImaging en español
Actualizado el 06 Dec 2023

En el campo de la radiología, la inteligencia artificial (IA) ha logrado avances significativos, particularmente en el desarrollo de software de detección de lesiones basado en IA para radiografías de tórax. Estos avances han demostrado ser eficaces en entornos del mundo real, incluidos los departamentos de emergencia, exámenes de detección de cáncer de pulmón y clínicas respiratorias. Sin embargo, se ha explorado menos el impacto de la IA en la identificación de nódulos pulmonares inesperados en pacientes que inicialmente no presentan problemas relacionados con el pecho. Ahora, un nuevo estudio ha demostrado que un software de detección de lesiones basado en IA puede ser fundamental en la práctica médica diaria, especialmente para detectar nódulos pulmonares incidentales clínicamente significativos en las radiografías de tórax.

Un grupo de investigadores de la Facultad de Medicina de la Universidad de Yonsei (Gyeonggi-do, Corea del Sur) utilizó Insight CXR, v3 de Lunit (Seúl, Corea del Sur) para evaluar con qué frecuencia se detectaban inesperadamente nódulos pulmonares clínicamente significativos en las radiografías de tórax y si los hallazgos coexistentes pueden ayudar en el diagnóstico diferencial. Este software está destinado a ayudar en la interpretación de radiografías de tórax posteroanterior y anteroposterior. Es capaz de detectar diversas lesiones como nódulos, neumotórax, consolidación, atelectasias, fibrosis, cardiomegalia, derrame pleural y neumoperitoneo. Cuando a un paciente se le realiza una radiografía de tórax, el software procesa automáticamente la imagen y agrega un archivo secundario a la imagen original en el Sistema de comunicación y archivo de imágenes (PACS) del hospital. Luego, los médicos pueden consultar el análisis de IA, que se presenta con un mapa de contorno, abreviaciones y una puntuación de anomalía.


Imagen: INSIGHT CXR de Lunit detecta 10 hallazgos radiológicos anormales con una precisión del 97-99 % (Fotografía cortesía de Lunit)

En su estudio, el equipo revisó los resultados de imágenes de 14.563 pacientes a quienes se les realizaron radiografías iniciales de tórax en clínicas ambulatorias. Tres radiólogos clasificaron los nódulos en cuatro categorías: malignidad (grupo A), inflamación activa o infección que requiere tratamiento (grupo B), secuelas postinflamatorias (grupo C) y otras afecciones (grupo D). El software identificó lesiones cuando su puntuación de anormalidad era superior al 15 %. Los hallazgos revelaron que el software de IA detectó inesperadamente nódulos pulmonares en 152 pacientes (1 %). De estos, 72 pacientes fueron excluidos por falta de imágenes de seguimiento y siete fueron excluidos por no recibir un diagnóstico clínico concluyente.

En el análisis final de los 73 pacientes restantes, la tasa de falsos positivos fue del 30,1 %. El desglose mostró que el 11 % tenía malignidad, el 6,9 % tenía inflamación activa, el 49,3 % tenía secuelas postinflamatorias y el 2,7 % entraba en otras categorías. Esto sugirió que alrededor del 20,6 % de los nódulos pulmonares incidentales en los grupos A, B y D requirieron evaluación o tratamiento adicional. Los investigadores reconocieron que su estudio no proporcionó datos completos sobre la detección y el tratamiento de nódulos pulmonares cuando utiliza software basado en IA. Esto se debió en parte a que los médicos de su hospital tenían la discreción de consultar los resultados de la IA a su conveniencia, lo que dificultaba determinar la influencia exacta de la IA en la toma de decisiones clínicas. Sin embargo, el equipo planea investigar más a fondo estos aspectos en futuras investigaciones.

"Nuestros resultados mostraron que la IA detectó inesperadamente nódulos pulmonares en aproximadamente el 1 % de las [radiografías de tórax] iniciales, y aproximadamente el 70 % de estos casos fueron nódulos verdaderamente positivos, mientras que el 20,5 % requirió tratamiento clínico", señaló la autora principal Shin Hye Hwang, MD.

Enlaces relacionados:
Facultad de Medicina de la Universidad de Yonsei
Lunit


Últimas Radiografía noticias