La asistencia de un algoritmo de inteligencia artificial (IA) con alta precisión diagnóstica mejoró el desempeño del radiólogo en la detección de cánceres de pulmón en radiografías de tórax y aumentó la aceptación humana de las sugerencias de IA, según un estudio publicado en ´Radiology´, una revista de la Sociedad Radiológica de Norteamérica (RSNA).

Aunque el diagnóstico por imagen basado en IA ha avanzado rápidamente en el campo de la medicina, los factores que afectan a las determinaciones diagnósticas de los radiólogos en la lectura de imágenes asistida por IA siguen sin explorarse lo suficiente.

Investigadores de la Universidad Nacional de Seúl (Corea del Sur) estudiaron cómo podrían influir estos factores en la detección de nódulos pulmonares malignos durante la lectura de radiografías de tórax asistida por IA.

En este estudio retrospectivo, 30 lectores, incluidos 20 radiólogos torácicos con entre cinco y 18 años de experiencia y 10 residentes de radiología con sólo dos o tres años de experiencia, evaluaron 120 radiografías de tórax sin IA.

De las 120 radiografías de tórax evaluadas, 60 eran de pacientes con cáncer de pulmón (32 varones) y 60 eran controles (36 varones). La edad media de los pacientes era de 67 años. En una segunda sesión, cada grupo reinterpretó las radiografías, asistido por un IA de alta o baja precisión. Los lectores no sabían que se habían utilizado dos IA diferentes.

El uso de la IA de alta precisión mejoró el rendimiento de detección de los lectores en mayor medida que la IA de baja precisión. El uso de la IA de alta precisión también provocó cambios más frecuentes en las determinaciones de los lectores, un concepto conocido como susceptibilidad.

"Es posible que el tamaño relativamente grande de la muestra de este estudio reforzara la confianza de los lectores en las sugerencias de la IA", afirma el autor principal del estudio, el doctor Chang Min Park, del Departamento de Radiología y del Instituto de Medicina de la Radiación de la Facultad de Medicina de la Universidad Nacional de Seúl.

"Creemos que esta cuestión de la confianza humana en la IA es lo que observamos en la susceptibilidad en este estudio: los humanos son más susceptibles a la IA cuando se utiliza IA de alto rendimiento diagnóstico", añade.

En comparación con la primera sesión de lectura, los lectores asistidos por la IA de alta precisión diagnóstica en la segunda sesión de lectura mostraron una mayor sensibilidad por lesión (0,63 frente a 0,53), y especificidad (0,94 frente a 0,88). Por el contrario, los lectores asistidos por el IA de baja precisión diagnóstica en la segunda sesión de lectura no mostraron mejoras entre las dos sesiones de lectura para ninguna de estas mediciones.

"Nuestro estudio sugiere que la IA puede ayudar a los radiólogos, pero sólo cuando el rendimiento diagnóstico de la IA alcanza o supera el del lector humano", destaca Park.

Los resultados subrayan la importancia de utilizar IA de alto rendimiento diagnóstico. Sin embargo, el doctor Park señala que la definición de "IA de alto rendimiento diagnóstico" puede variar en función de la tarea y del contexto clínico en el que se vaya a utilizar.

Por ejemplo, un modelo de IA capaz de detectar todas las anomalías en las radiografías de tórax puede parecer ideal. Pero en la práctica, ese modelo tendría un valor limitado a la hora de reducir la carga de trabajo en un contexto de cribado masivo de la tuberculosis pulmonar.

"Por lo tanto, nuestro estudio sugiere que el uso clínicamente apropiado de la IA requiere tanto el desarrollo de modelos de IA de alto rendimiento para tareas determinadas como consideraciones sobre el entorno clínico pertinente al que se aplicará esa IA", subraya Park.

En el futuro, los investigadores quieren ampliar su trabajo sobre la colaboración entre humanos e IA a otras anomalías en radiografías de tórax e imágenes de TC.