La tecnología está revolucionando la forma en que se realiza el diagnóstico médico. Ahora, con el avance de la inteligencia artificial (IA), los médicos pueden contar con un apoyo valioso que les ayuda a mejorar la precisión en su diagnóstico. En este sentido, un reciente estudio publicado en JAMA Network Open ha demostrado la eficacia de un algoritmo de aprendizaje profundo en la diferenciación de dos enfermedades en el intestino grueso a partir de imágenes de tomografía computarizada (TC). Descubre en este artículo cómo la IA está mejorando la detección de enfermedades en el intestino. También cómo esto puede impactar positivamente en la atención al paciente.
La IA revoluciona la detección de enfermedades del colon
El uso de la inteligencia artificial (IA) puede mejorar la precisión en el diagnóstico de enfermedades del colon. Un reciente estudio evaluó el impacto de un sistema de apoyo de IA en la tarea de diferenciar entre etiología maligna y benigna en el engrosamiento de la pared del intestino grueso en imágenes de tomografía computarizada (TC).
En el estudio, los investigadores desarrollaron y evaluaron un algoritmo de aprendizaje profundo capaz de diferenciar el carcinoma de colon (CC) y la diverticulitis aguda (AD) en imágenes de TC. Se incluyeron un total de 585 pacientes que se sometieron a cirugía por CC o AD entre julio de 2015 y octubre de 2020. Se crearon cuadros tridimensionales que incluyeron el segmento intestinal enfermo y el mesenterio circundante y se usaron para entrenar una red neuronal convolucional (CNN) tridimensional.
Posteriormente, se realizó un estudio de lectores con 10 radiólogos de diferentes niveles de experiencia. A estos se les pidió que clasificaran la cohorte de prueba sin y luego con apoyo de IA. Los investigadores encontraron que para el conjunto de prueba, la CNN tridimensional alcanzó una sensibilidad y especificidad de 83,3 y 86,6 por ciento. Esto en comparación con la sensibilidad y especificidad media de 77,6 y 81,6 por ciento de los lectores sin apoyo de IA. Además, la cantidad de resultados falsos negativos y falsos positivos disminuyó significativamente con el apoyo de la IA.
«El apoyo de la inteligencia artificial condujo a un aumento significativo en el rendimiento de diagnóstico de los radiólogos certificados por la junta y los residentes de radiología», expresaron los autores.
Conclusión
En conclusión, el uso de una CNN tridimensional como un sistema de apoyo de IA puede mejorar significativamente la precisión en la diferenciación entre CC y AD en imágenes de TC. Este tipo de soluciones pueden ser útiles en la atención al paciente, especialmente en la reducción de resultados falsos negativos. Es importante seguir investigando y evaluando la efectividad de estos sistemas de apoyo en el diagnóstico médico y la atención al paciente.
Referencias:
Development and Validation of a Deep Learning Algorithm to Differentiate Colon Carcinoma From Acute Diverticulitis in Computed Tomography Images: doi:10.1001/jamanetworkopen.2022.53370
