En España, se realizan más de 40 millones de pruebas de imagen al año, de las cuales cerca del 45% son radiografías. Esto implica que se realizan cerca de 18 millones anualmente. Una gran parte de estas son radiografías de tórax, utilizadas para diagnosticar y monitorear afecciones pulmonares y cardíacas.
Análisis de Detección Automática de Hallazgos en Radiografías de Tórax Basados en Inteligencia Artificial
Por Tamara Ruiz Madejón
Alumna de la 4ª edición del Máster en Big Data Sanitario y Técnico en Radiodiagnóstico
Aproximadamente el 39% de las radiografías de tórax no muestran “hallazgos significativos” y se consideran normales, es decir, sin evidencia de patología detectable. Sin embargo, entre el 5% y el 10% de los nódulos pulmonares detectados en radiografías de tórax o tomografías computarizadas son malignos. Una parte importante de los cánceres de pulmón en etapas tempranas se manifiesta como estos nódulos. Generalmente, los nódulos pulmonares se descubren durante estudios de imagen realizados por otras razones. Aunque la mayoría de estos nódulos son benignos, es esencial realizar un seguimiento adecuado para identificar aquellos que podrían ser cancerosos.
En España, el cáncer de pulmón es el tercer tipo de cáncer más común y sin embargo, sigue siendo el más letal, al igual que en Estados Unidos, debido a su diagnóstico tardío.
La implementación de IA puede reducir los tiempos de interpretación de radiografías, priorizar casos urgentes, apoyar a los radiólogos en la toma de decisiones y mejorar la eficiencia del diagnóstico, lo que permite una intervención más rápida y eficaz, especialmente en situaciones de alta carga de trabajo como en un entorno de urgencias donde el tiempo es esencial, disminuyendo costes y tiempos de estancia hospitalaria. Un estudio de Bain & Company indica que la IA puede reducir el tiempo de diagnóstico en un 30% y los costes operativos en un 10%-15%.
La validación rigurosa de algoritmos puede mejorar la precisión en la detección de nódulos malignos hasta un 94.4% y reducir la tasa de errores diagnósticos en un 50%, según estudios publicados en Nature Medicine y The Lancet Digital Health en comparación con algoritmos sin supervisión continua.
La implementación de IA puede reducir los tiempos de interpretación de radiografías, priorizar casos urgentes, apoyar a los radiólogos en la toma de decisiones y mejorar la eficiencia del diagnóstico
Estas cifras demuestran cómo la validación y supervisión constante no solo mejoran la precisión, sino que también reducen los errores, lo que es crucial en entornos clínicos donde la exactitud es vital.
Objetivo del proyecto
- Analizar qué patologías detectan los diferentes softwares, cuáles no, compararlos, identificar patrones y errores de detección, y mejorar la precisión.
- Resaltar que la implementación de un algoritmo basado en IA para evaluar radiografías de tórax representa una gran oportunidad, con numerosos beneficios para la rutina clínica en servicios de radiología y urgencias, proporcionando un valioso apoyo diagnóstico a los radiólogos.
- Demostrar la importancia de la validación constante del algoritmo para aumentar su nivel de confianza y mejorar su capacidad para detectar de manera más efectiva un mayor número de patologías en los pacientes.
