jueves 22 febrero, 2024
suscribete al newsletter

IA ayuda a los radiólogos a detectar fracturas óseas

El diagnóstico perdido o retrasado de las fracturas tiene implicaciones potencialmente graves para los pacientes.

La IA es una herramienta eficaz para la detección de fracturas que tiene el potencial de ayudar a los médicos en los departamentos de emergencia ocupados.

La sensibilidad de IA para detectar fracturas fue del 91-92%

Figura 1
Figura 1. El diagrama de flujo de elementos de informe preferidos para revisiones sistemáticas y metanálisis muestra los estudios seleccionados para la revisión. ACM = Asociación de Maquinaria Informática, AI = inteligencia artificial, CENTRAL = Registro Central de Ensayos Controlados, CINAHL = Índice Acumulativo de Literatura de Enfermería y Afines a la Salud, IEEE = Instituto de Ingenieros Eléctricos y Electrónicos e Institución de Ingeniería y Tecnología.

La inteligencia artificial (IA) es una herramienta eficaz para la detección de fracturas que tiene potencial para ayudar a los médicos en departamentos de emergencia ocupados, según un estudio en Radiology .

Figura 2
Figura 2. Resumen de la adherencia del estudio a las directrices de informe transparente de un modelo de predicción multivariable para pronóstico o diagnóstico individual (TRIPOD).

El diagnóstico perdido o retrasado de fracturas en la radiografía es un error común con implicaciones potencialmente graves para el paciente. La falta de acceso oportuno a la opinión de expertos, ya que el crecimiento de los volúmenes de imágenes continúa superando el reclutamiento de radiólogos, solo empeora el problema.

Figura 3
Figura 3. Resumen del riesgo de sesgo de la herramienta de evaluación del riesgo de sesgo del estudio del modelo de predicción (PROBAST) y la preocupación por las puntuaciones de generalizabilidad.

La IA puede ayudar a abordar este problema al actuar como una ayuda para los radiólogos, ayudando a acelerar y mejorar el diagnóstico de fracturas.

Para obtener más información sobre el potencial de la tecnología en el ámbito de las fracturas, un equipo de investigadores de Inglaterra revisó 42 estudios existentes que comparaban el rendimiento diagnóstico en la detección de fracturas entre la IA y los médicos. De los 42 estudios, 37 usaron rayos X para identificar fracturas y cinco usaron TC.

Figura 4
Figura 4. Curvas jerárquicas de características operativas del receptor resumidas (HSROC) para (A) algoritmos de detección de fracturas y (B) médicos con conjuntos de pruebas de validación interna. La región de predicción del 95 % es una representación visual de la heterogeneidad entre estudios.

Los investigadores no encontraron diferencias estadísticamente significativas entre el desempeño del médico y el de la IA. La sensibilidad de IA para detectar fracturas fue del 91-92%.

“Encontramos que la IA funcionó con un alto grado de precisión, comparable al desempeño de los médicos”, dijo la autora principal del estudio Rachel Kuo, MBBCir., del Centro de Investigación Botnar, Departamento de Ortopedia, Reumatología y Ciencias Musculoesqueléticas de Nuffield en Oxford, Inglaterra. «Es importante destacar que descubrimos que este era el caso cuando la IA se validó utilizando conjuntos de datos externos independientes, lo que sugiere que los resultados pueden generalizarse a una población más amplia».

Figura 5
Figura 5. Curvas jerárquicas de características operativas del receptor resumidas (HSROC) para (A) algoritmos de detección de fracturas y (B) médicos con conjuntos de pruebas de validación externa. La región de predicción del 95 % es una representación visual de la heterogeneidad entre estudios.

Los resultados del estudio apuntan a varias aplicaciones educativas y clínicas prometedoras para la IA en la detección de fracturas, dijo el Dr. Kuo. Podría reducir la tasa de diagnóstico erróneo temprano en circunstancias desafiantes en el entorno de emergencia, incluidos los casos en que los pacientes pueden sufrir múltiples fracturas. Tiene potencial como herramienta educativa para los médicos jóvenes.

“También podría ser útil como un ‘segundo lector’, brindando a los médicos la seguridad de que han hecho el diagnóstico correcto o animándolos a volver a mirar las imágenes antes de tratar a los pacientes”, dijo la Dra. Kuo.

Figura 6
Figura 6. Resumen de la sensibilidad, la especificidad y el área bajo la curva (AUC) combinadas de los algoritmos y los médicos que compararon todos los estudios con los estudios de bajo sesgo con IC del 95 %

La Dra. Kuo advirtió que la investigación sobre la detección de fracturas por IA permanece en una etapa preclínica muy temprana. Solo una minoría de los estudios que ella y sus colegas analizaron evaluaron el desempeño de los médicos con asistencia de IA, y solo hubo un ejemplo en el que se evaluó una IA en un estudio prospectivo en un entorno clínico.

“Sigue siendo importante que los médicos continúen ejerciendo su propio juicio”, dijo la Dra. Kuo. “La IA no es infalible y está sujeta a sesgos y errores”.

suscribete al newsletter

Artículos relacionados

CASIS – IA para cardioimágenes

La Dra. Laura Dragonetti, especialista en imágenes cardíacas, compartió su experiencia en el último RSNA y durante su visita al stand del software CASIS...

MyBreast AI

Estamos con Marcelo Gubert, W&H and Radiology Clinical Marketing Specialist LATAM en GE HealthCare en el stand de la compañía, aquí mostrando las novedades...

Dedalus en RSNA 2023

En el marco del Congreso de la RSNA, tuvimos el privilegio de entrevistar a Alejandro Varettoni, director de desarrollo de negocio de la línea...

Jornada de Inteligência Artificial e Ferramentas Digitais em Radiologia

Como entregar alta produtividade com qualidade de maneira sustentável melhorando a experiência dentro do serviço de radiologia. Uso do Ecossistema GEHC: i-360 para operações,...

Seguinos

2,319FansMe gusta
0SeguidoresSeguir
1,324SeguidoresSeguir

MÁS LEIDOS