Utilidad de la inteligencia artificial en la detección de alteraciones pleuroparenquimatosas en radiografía de tórax

Resumen

Evaluar el rendimiento de la inteligencia artificial (IA) en la detección de cinco alteraciones pleuroparenquimatosas (neumotórax (NTX), derrame pleural (DP), nódulo pulmonar (NP), consolidación (CO) y atelectasia (AT)) en radiografías posteroanteriores de tórax. Se comparó la IA, un radiólogo torácico experto y su combinación (Radiólogo+IA), tomando como referencia el informe del radiólogo asistido por IA (Radiólogo-IA). Estudio observacional prospectivo. Un radiólogo torácico experto analizó las imágenes de forma independiente a la IA. Los hallazgos de la IA se registraron y revisaron posteriormente. El informe final (Radiólogo-IA) se consideró estándar de referencia. Se calcularon sensibilidad, especificidad, coeficiente kappa (κ) y área bajo la curva ROC (AUC). Las comparaciones se realizaron mediante las pruebas de DeLong y McNemar. La concordancia entre la IA y el radiólogo fue moderada, mayor para DP (κ=0,63) y NTX (κ=0,47). El radiólogo alcanzó sensibilidades cercanas al 100% y especificidades superiores al 98%. La IA mostró alta sensibilidad para NTX (100%) pero menor para AT (35,3%) y CO (53,1%). En NP, la sensibilidad de la IA (80,3%) superó a la del radiólogo (72,7%), aunque su especificidad fue inferior (85,5% vs 99,4%). El AUC del radiólogo fue superior para DP, CO y AT (p<0.001). La combinación Radiólogo+IA aumentó la sensibilidad para NP (97% vs 72,7%; p=0.178), aunque sin diferencias estadísticamente significativas. La IA ofrece buen rendimiento en la detección de alteraciones pleuroparenquimatosas, sobre todo NTX. Aunque la lectura del radiólogo sigue siendo más fiable, su integración aumenta la sensibilidad y refuerza su papel como herramienta diagnóstica complementaria.