Card

Servicio · Artículo científico · Oncología

Software que utiliza inteligencia artificial para la detección de nódulos y cáncer en el cribado de cáncer de pulmón mediante TC: Una revisión sistemática de los estudios sobre la precisión de las pruebas

 

Software using artificial intelligence for nodule and cancer detection in CT lung cancer screening: systematic review of test accuracy studies. Geppert J, Asgharzadeh A, Brown A, Stinton C, Helm EJ, Jayakody S, et al.

 

Thorax. 2024. 79(11)

Esta revisión sistemática examinó la precisión y el impacto del software asistido por inteligencia artificial (IA) con marcado CE para la detección y el análisis automatizado de nódulos en el cribado de cáncer de pulmón mediante TC. Los investigadores analizaron 11 estudios que evaluaban seis softwares diferentes basados en IA, involucrando a 19.770 pacientes de multiples bases de datos consultadas entre enero del 2012 y marzo de 2023. Todos los estudios presentaron un alto riesgo de sesgo y múltiples preocupaciones de aplicabilidad. En comparación con las lecturas no asistidas, las lecturas asistidas por IA fueron más rápidas y, en general, mejoraron la sensibilidad entre un 5% y un 20% para la detección o categorización de nódulos accionables y entre un 3% y un 15% para nódulos malignos. Sin embargo, la especificidad disminuyó entre un 3% y un 7% para identificar correctamente a personas sin nódulos accionables y entre un 6% y un 8% para aquellas sin nódulos malignos. La asistencia de IA tendió a aumentar la proporción de nódulos asignados a categorías de mayor riesgo. Asumiendo una prevalencia de cáncer del 0,5%, estos resultados sugieren que, aunque la IA podría detectar 150–750 cánceres adicionales por millón de personas examinadas, también podría llevar a que entre 59.700 a 79.600 personas sin cáncer se sometan a vigilancia con TC innecesaria. El estudio concluye que la asistencia de IA puede mejorar la sensibilidad en el cribado de cáncer de pulmón, pero aumenta los falsos positivos y la vigilancia innecesaria, subrayando la necesidad de futuras investigaciones para mejorar la especificidad y reducir el sesgo mediante un mejor diseño de estudios. Esto enfatiza la necesidad de perfeccionar la precisión y especificidad de las herramientas de IA antes de su implementación clínica generalizada para equilibrar beneficios y riesgos en el cribado.

Revisado por el Dr. Carlos Almonacid

Revisado por el Dr. Carlos Almonacid

Back to top button image