Los doctores Gilberto Szarf – Radiologista Imagem Torácica y Dr. Rodrigo Caruso Chate – Radiologista Imagem Torácica nos contaron la experiencia que han tenido con el Software de Lunit.
¿Cómo ayuda en la práctica diaria?
El algoritmo de análisis de las radiografías de tórax ayuda señalando al médico los lugares donde hay sospecha de alteración, que pueden ser difíciles de identificar en algunas situaciones, especialmente para los no especialistas en exámenes por imágenes (radiólogos). Esto acaba funcionando como una red de seguridad, especialmente en alteraciones sutiles, que pueden no llamar la atención a primera vista, pero que ciertamente no serán ignoradas si son señaladas por esta herramienta.
¿Quiénes lo usan, en qué servicio?
Creemos que la herramienta puede ser de gran utilidad en el entorno de los servicios de urgencias, donde el número de pacientes atendidos con síntomas respiratorios y sospecha de infección pulmonar es muy elevado. Debido a su buena precisión diagnóstica, el algoritmo de IA ya ha demostrado su valor para ayudar a los médicos de cabecera a identificar a pacientes con neumonías discretas, que podrían pasar desapercibidas sin el apoyo de la herramienta.
¿Para qué patologías lo usan? ¿falsos positivos? falsos negativos?
Además de las infecciones pulmonares, la herramienta es capaz de detectar otras patologías en el tórax, especialmente nódulos pulmonares (incluidos pequeños tumores),
derrame pleural (acumulación de líquido alrededor de los pulmones), neumotórax (cuando se acumula aire alrededor de los pulmones, por ejemplo, tras la rotura de una burbuja pulmonar), cicatrices pulmonares (secuelas infecciosas) y agrandamiento del corazón.
Dado que se diseñó para ser una herramienta de apoyo a los médicos en la interpretación de imágenes radiográficas, el algoritmo de IA es bastante sensible, es decir, se diseñó
para no dejar pasar desapercibidos cambios potencialmente importantes. Debido a ello, pueden producirse algunos resultados falsos positivos (por ejemplo, “nódulos pulmonares” artefactuales -no reales-), por lo que es fundamental una evaluación médica paralela a la herramienta.
Los resultados falsos negativos son más raros, precisamente por la alta sensibilidad del algoritmo, pero también pueden ocurrir, estando mucho más relacionados con las limitaciones del método que con la propia herramienta; sólo como ejemplo, las llamadas opacidades en vidrio deslustrado, que han ganado notoriedad en el escenario Covid-19 (cuando indican inflamación/infección pulmonar), pueden ser difíciles de detectar en la
radiografía de tórax, incluso con el apoyo del algoritmo de IA.
¿Dejaron de realizar estudios innecesarios?
Al transmitir más seguridad a los médicos en la interpretación de las radiografías de tórax, sin duda la herramienta de IA ha repercutido en la solicitud de pruebas complementarias en el entorno de urgencias, sobre todo en lo que respecta a la tomografía computarizada de tórax. A pesar de ser una prueba superior a la radiografía en la evaluación de varias enfermedades torácicas, la tomografía tiene un coste más elevado y expone al paciente a una dosis de radiación también mayor, por lo que debe reservarse para situaciones especiales. Así, al confirmar o excluir ciertos cambios en la radiografía, el algoritmo de IA ayuda a seleccionar mejor a los pacientes que, de hecho, más se beneficiarán de una
tomografía.
En el contexto en el que lo estamos utilizando, los pacientes rara vez se derivaban para punciones. Así pues, creemos que el mayor beneficio será evitar que los pacientes que tienen un nódulo, una neumonía o un neumotórax se queden sin un seguimiento adecuado.
