Imagen médica e inteligencia artificial · asia
Ver las imágenes de ecografía mamaria en secuencia: la IA mejora la precisión diagnóstica de los médicos con menos experiencia
Un estudio realizado en cuatro hospitales utilizó vídeos de ecografía para identificar lesiones mamarias sospechosas. Con ayuda de la IA, la precisión de los médicos con menos experiencia aumentó del 66.7% al 89.2%. Los resultados aportan evidencia sobre su utilidad como apoyo a la interpretación, pero aún hace falta validación clínica para reducir las biopsias de forma segura.
En la ecografía mamaria, los nódulos benignos y las lesiones malignas a veces presentan contornos y patrones de eco similares, lo que pone a prueba la experiencia de quien interpreta las imágenes. Un estudio prospectivo multicéntrico publicado el 10 de octubre en *Holistic Integrative Oncology* muestra que permitir que la IA analice vídeos de exploración dinámica y proporcione sus resultados como referencia a los médicos puede mejorar la capacidad de los profesionales con menos experiencia para distinguir lesiones benignas y malignas.
El estudio se centró en lesiones de las categorías 4 a 5 del Sistema de Informes y Datos de Imagen Mamaria (BI-RADS), es decir, casos que ya habían sido evaluados mediante imagen como sospechosos o altamente sospechosos de malignidad. El equipo recopiló datos de cuatro hospitales entre noviembre de 2019 y enero de 2023 e incluyó un total de 532 lesiones, de las cuales 334 se utilizaron para entrenar y validar el modelo. Todos los diagnósticos de benignidad o malignidad se confirmaron mediante resultados anatomopatológicos obtenidos tras una biopsia o una intervención quirúrgica.
El modelo, denominado TGMIL, analiza de forma conjunta las imágenes de distintos momentos del vídeo de exploración y asigna un mayor peso a los fotogramas que aportan más información diagnóstica. Frente a la selección de una sola imagen representativa, este diseño busca conservar los cambios morfológicos que se observan cuando la sonda recorre la lesión y ayudar a interpretar características que resultan difíciles de apreciar en un único fotograma.
El artículo definitivo realizó las pruebas con 120 pacientes y 198 vídeos. El área bajo la curva (AUC) del modelo a nivel de paciente fue de 0.845; este indicador mide la capacidad para distinguir entre benignidad y malignidad y no equivale a una precisión del 84.5%. Con ayuda de la IA, la precisión diagnóstica del grupo de médicos con menos experiencia aumentó del 66.7% al 89.2%, mientras que la del grupo de médicos adjuntos pasó del 80.8% al 90.0%. El resumen del mismo estudio publicado por 生物通 el 12 de octubre también presentó estos resultados a nivel de paciente.
Es necesario prestar atención a la unidad utilizada para comparar las cifras. El preprint inicial, publicado el 21 de mayo en Research Square, utilizó el vídeo como unidad de análisis e informó de un aumento de la precisión de los médicos con menos experiencia del 69.2% al 85.9%. La versión definitiva, en cambio, realizó la evaluación tras agrupar varios vídeos por paciente. Por tanto, ambos conjuntos de resultados no pueden combinarse, ni puede interpretarse la diferencia como una nueva mejora del modelo en unos pocos meses.
La evidencia actual sigue procediendo de una población específica de pacientes evaluados en hospitales. El estudio se limitó a lesiones BI-RADS de categorías 4 a 5 mayores de 5 milímetros y excluyó, entre otras situaciones, las imágenes de baja calidad. No incluyó a la población general asintomática que participa en programas de cribado. El artículo también señala que la superposición de características de imagen entre lesiones benignas y malignas sigue provocando errores de interpretación; cuando la recomendación de la IA entra en conflicto con el criterio de un médico experimentado, también puede interferir en una decisión que originalmente era correcta.
Estos resultados respaldan la necesidad de seguir validando el valor de la IA como herramienta de apoyo a la interpretación, pero todavía no demuestran que permita reducir las biopsias de forma segura. Aunque el título del preprint inicial mencionaba la posibilidad de reducir las biopsias, una mayor precisión diagnóstica no equivale a haber confirmado que se puedan realizar menos pruebas sin aumentar los diagnósticos omitidos. El siguiente paso requiere evaluar, en una población de pacientes más amplia y en los procesos asistenciales reales, cómo influye en las decisiones sobre las pruebas y en los resultados de los pacientes; la confirmación anatomopatológica y la evaluación clínica completa siguen siendo fundamentales.