Gente de la Safor

Bienvenidos a Spain News Today.

Herramienta basada en IA ayuda a predecir el riesgo de cáncer en nódulos pulmonares: Tumor times

F1-1
AI; Cáncer de pulmón:

AI; Cáncer de pulmón

En un nuevo estudio, una herramienta de diagnóstico asistida por computadora basada en inteligencia artificial (IA) ayudó a los radiólogos y neumólogos a predecir mejor el riesgo de desarrollar cáncer de nódulo pulmonar que se encuentra en las tomografías computarizadas (TC) de tórax. Dado que hay datos limitados disponibles con respecto a la capacidad del diagnóstico asistido por computadora (CAD) para mejorar la evaluación del riesgo de malignidad en nódulos pulmonares no identificados (IPN), un equipo de investigadores buscó evaluar el impacto de una herramienta CAD basada en IA en la salud del médico. IPN. Rendimiento diagnóstico y concordancia para cada una de las categorías de riesgo de malignidad y recomendaciones de manejo.

Publicado en la revista rayosse realizó un estudio retrospectivo, de múltiples lectores y de múltiples casos en junio y julio de 2020 sobre estudios de tomografía computarizada de tórax de nódulos pulmonares no especificados (2022; https://doi.org/10.148/radiol.212182). Los lectores usaron solo datos de TC y proporcionaron una estimación del riesgo de malignidad y recomendaciones de manejo para cada caso con y sin CAD. El efecto de CAD en el rendimiento diagnóstico promedio del lector se evaluó utilizando los métodos de Obuchowski-Rockette y Dorfman-Berbaum-Metz para calcular estimaciones del área bajo la curva (AUC), sensibilidad y especificidad. Se utilizaron estadísticas de Multirater Fleiss para medir el acuerdo entre observadores del riesgo de malignidad y las recomendaciones de manejo.

En total, un grupo de seis radiólogos y seis neumólogos revisaron 300 TC de tórax de NPI con diámetros máximos de 5-30 mm (el 50 % eran malignos). La edad promedio de los pacientes fue de 65 años. El criterio promedio de uso apropiado para el lector mejoró de 0,82 a 0,89 usando CAD. Con umbrales de riesgo de malignidad del 5 % y el 65 %, el uso de CAD mejoró la sensibilidad media del 94,1 % al 97,9 %, y del 52,6 % y el 63,1 %, respectivamente. La privacidad promedio del lector mejoró del 37,4 % al 42,3 % y del 87,3 % al 89,9 %, respectivamente.

READ  Los investigadores identifican las mejores prácticas para comprender la vida en el fondo del vasto océano

El acuerdo del servidor interno del lector con CAD está optimizado para pacientes en las categorías de riesgo de malignidad tanto <5 por ciento como superior al 65 por ciento. El acuerdo del observador interno del lector general para las categorías de recomendación de manejo (ningún procedimiento, monitoreo por TC y procedimiento de diagnóstico) también mejoró con CAD, según los autores.

Los investigadores escribieron que el uso de CAD «mejoró la estimación del riesgo de tumores de nódulos pulmonares no identificados en la tomografía computarizada de tórax» y «mejoró el acuerdo del observador interno tanto para la clasificación del riesgo como para las recomendaciones de manejo».

Actualmente existe un «desequilibrio» entre la estratificación del riesgo de malignidad de nódulos pulmonares no especificados y las decisiones de manejo posteriores, como lo demuestra la alta tasa de diagnósticos benignos entre los pacientes que se someten a procedimientos de biopsia diagnóstica invasivos, señaló Roger Y Kim, MD, MSCE, Post-Research Ph. D. es becario y médico asistente en neumología y cuidados intensivos en la Universidad de Pensilvania, así como coautor del estudio.

Kim señaló que la herramienta CAD basada en LCP-CNN basada en IA «discrimina con mayor precisión entre nódulos malignos y benignos que los modelos de predicción de riesgo clínico», y agregó que el objetivo de su equipo era determinar cómo el uso de esta herramienta CAD ayuda a los neumólogos y radiólogos a estimar el riesgo de desarrollar tumores de nódulos pulmonares.

«Presumimos que el uso de un instrumento CAD se asociaría con una mejor precisión diagnóstica en los médicos», dijo.

READ  Sentinel-5P observa la concentración de dióxido de nitrógeno en Europa

La herramienta LCP-CNN utiliza datos CT sin procesar para analizar datos como la forma, la complejidad espacial, las texturas y la transformación de ondículas en redes neuronales. «Usando esta información, calcula una estimación del riesgo de desarrollar tumores de nódulos pulmonares», dijo Kim. «Entrenado y validado internamente usando datos del National Lung Screening Trial y validado externamente usando varios otros conjuntos de datos de imágenes».

Detalles del estudio

En este estudio, los neumólogos y las tomografías computarizadas, cada una con nódulos pulmonares no identificados, leyeron y proporcionaron una estimación del riesgo de malignidad antes y después de usar el instrumento CAD. «Descubrimos que el uso de la herramienta CAD mejoró el desempeño de los médicos en la estratificación del riesgo de nódulos pulmonares no especificados», dijo Kim.

Aunque estos hallazgos sugieren que una herramienta CAD basada en IA puede ayudar a los médicos a estimar el riesgo de desarrollar tumores de nódulos pulmonares, «se necesitan estudios futuros para determinar la utilidad clínica de esta herramienta en un entorno real y [to determine] Si el uso de esta herramienta tendrá un impacto en las decisiones de manejo de nódulos pulmonares (p. ej., biopsia versus monitoreo por TC) y otros resultados significativos centrados en el paciente».

El impacto de estos hallazgos podría ser significativo en última instancia, agregó el coautor del estudio Reginald Munden, MD, MD, MBA, MBA, presidente del Departamento de Radiología y Ciencias Radiológicas de la Universidad Médica de Carolina del Sur.

Señaló que cada año, casi dos millones de pacientes en los Estados Unidos tendrán un nódulo pulmonar no identificado descubierto incidentalmente en una tomografía computarizada del tórax. «La capacidad de prevenir el tratamiento innecesario en esta población podría afectar significativamente el impacto psicológico y económico de su atención. Esta herramienta también podría ser aplicable en la comunidad de detección de cáncer de pulmón. Si pudiéramos usar esta herramienta de IA para identificar nódulos que probablemente cánceres para comenzar el tratamiento temprano, mientras que al mismo tiempo identifica nódulos no cancerosos y evita mano de obra costosa, los beneficios podrían ser enormes”.

READ  Declaración de los presidentes Johnson y Bayer sobre el lanzamiento de la encuesta decadal sobre ciencia planetaria y astrobiología

Mark McGraw es un escritor colaborador.