La utilidad de la inteligencia artificial en la interpretación de la radiografía de tórax de urgencias.

Resumen

Objetivos: El objetivo de este estudio es evaluar la capacidad de un sistema de inteligencia artificial (IA) para la detección de las principales patologías en  radiografía de tórax. Marterial y Metodos: En este estudio observacional transversal, unicéntrico, se revisaron 858 series radiográficas de tórax de urgencias de un total de 783 pacientes adultos. El rendimiento diagnóstico de la IA se midió a través de cuatro elementos: “nódulo pulmonar”, “síndrome alveolar”, “derrame pleural”, “neumotórax” y “masa mediastínica”. Cada radiografía fue analizada por el programa de IA que generó un informe automático describiendo “positividad”, “duda” o “negativa” de cada una de esas categorías. Por otro lado, un radiólogo interpretó las mismas pruebas de imagen reflejando su diagnóstico en forma de informe radiológico. Posteriormente, se compararon sendos informes valorando la concordancia diagnóstica de dichas patologías mediante índices de validez (S y E), utilidad (VPP, VPN) e índice Kappa de concordancia.  Resultados: El valor predictivo negativo (VPN) de la IA para cada una de las cuatro categorías es >99%, IC95%:(99-100). Los valores predictivos positivos (VPP) son más heterogéneos entre los subgrupos, siendo valores desde 81% para derrame pleural IC95%:(74,2-86,9), hasta un 11% para masa mediastínica IC95% (5,6-21,3). La IA dio para todos los elementos una sensibilidad >90% y una especificidad >92%. Conclusiones: La IA ha demostrado una alta fiabilidad detectando la ausencia de patología, dado su alto VPN, pudiendo servir de ayuda como primera fase de cribado diferenciando las placas no patológicas de las posiblemente patológicas que requieran mayor revisión por parte del especialista.