Ver traducción automática
Esta es una traducción automática. Para ver el texto original en inglés haga clic aquí
#Novedades de la industria
{{{sourceTextContent.title}}}
Desafíos de la IA en la radiografía de tórax
{{{sourceTextContent.subTitle}}}
Los médicos utilizan la tecnología impulsada por la inteligencia artificial (IA) para una detección más rápida y temprana de las enfermedades. En ECR Overture, el Dr. Steven Schalekamp, del Departamento de Imagen Médica del Centro Médico Universitario de Radboud (UMC), habló de la aplicación actual y emergente de la IA para la radiografía de tórax en pediatría.
{{{sourceTextContent.description}}}
Informe: Sascha Keutel
Schalekamp señaló que los productos actuales de IA en radiología plantean varios problemas, uno de los cuales es que se han desarrollado principalmente para la población adulta. El experto holandés forma parte de "AI for Radiology", un proyecto no comercial del Radboud UMC que hace un seguimiento de todos los productos de IA con certificación CE en radiología, así como de la literatura de apoyo y los estudios de investigación que evalúan estos algoritmos.
Hasta la fecha, en la base de datos figuran 191 soluciones de software de IA con la marca CE para radiología, la mayoría de ellas diseñadas para la neurorradiología (35%). El segundo grupo más numeroso es el de la radiología torácica, con 57 productos de 28 proveedores. Sin embargo, como señaló Schalekamp, ninguno de estos productos fue diseñado específicamente para niños.
Sólo un producto, CAD4TB, desarrollado para detectar automáticamente la tuberculosis en las radiografías de tórax, es aplicable a los pacientes pediátricos. CAD4TB se entrenó con imágenes de tórax de niños a partir de cuatro años. "Se está utilizando en múltiples países, a menudo de bajos recursos, donde no hay muchos radiólogos disponibles", dijo.
Schalekamp señaló que en la investigación también había grandes discrepancias entre los niños y los adultos. Por ejemplo, si se introduce la consulta de búsqueda "inteligencia artificial de tórax" en pubmed.gov, se obtienen 2.311 resultados; en cambio, "inteligencia artificial de tórax pediátrica" sólo conduce a 75 resultados.
Tórax pediátrico frente a tórax adulto
Otro reto importante para estos sistemas de IA es la diferencia entre el tórax adulto y el pediátrico. Los niños tienen un tórax en crecimiento que cambia constantemente. Por ejemplo, el tamaño y las proporciones del tórax de un bebé difieren de los de un adulto joven. También hay una mayor variabilidad en la monitorización del paciente y en los niveles de inspiración, dijo el radiólogo.
Además, en los pacientes pediátricos, los médicos suelen buscar anomalías diferentes a las de los adultos, como el secuestro pulmonar pediátrico y las malformaciones congénitas de las vías respiratorias. Schalekamp añadió que sólo existen unos pocos conjuntos de datos pediátricos de gran tamaño, en parte debido a que se realizan menos imágenes en los niños debido a los riesgos de la radiación.
El experto también advirtió que los proveedores a menudo no informan de si su producto se aplica a los pacientes pediátricos, lo que plantea la preocupación por el potencial de uso fuera de la etiqueta. "Esto puede dar lugar a un menor rendimiento cuando se utilizan estos productos en la población pediátrica", dijo.
Para superar algunos de estos problemas, los proveedores deberían "tratar de desarrollar sistemas específicos para la población pediátrica". Una primera opción podría ser volver a entrenar los sistemas de IA actuales con datos pediátricos para intentar mejorar su rendimiento y hacerlos disponibles también para los datos pediátricos"
IA comercial
El desarrollo de productos de IA en la radiografía de tórax está cambiando, señaló Schalekamp. "Hace un par de años, la mayoría de los productos sólo eran capaces de detectar una o dos anomalías, principalmente cáncer de pulmón o neumotórax. Ahora, los productos se centran en múltiples anomalías e intentan evaluar la imagen completa. Incluso hay productos que afirman detectar hasta 124 anomalías", afirma el experto.
Los proveedores tienen diferentes formas de presentar sus resultados, por ejemplo con mapas de calor, dibujando círculos alrededor de las zonas sospechosas o dando puntuaciones de anormalidad de una imagen. "En la literatura, vemos que los productos son cada vez mejores", dijo.
Posibles aplicaciones de la IA
Además de CAD4TB, se están desarrollando otros productos pediátricos. "En un futuro próximo, podemos esperar algunos productos sobre la detección de la neumonía en los niños, pero también la detección de las metástasis pulmonares", dijo Schalekamp. "Los investigadores sudafricanos desarrollaron CAD4Kids, un algoritmo destinado a detectar la neumonía, que sigue teniendo una alta tasa de mortalidad en los bebés de todo el mundo. El algoritmo se entrenó con un conjunto de datos de radiografías de tórax de niños menores de cinco años. El sistema alcanzó una sensibilidad (76%) y una especificidad (80%) razonables, pero el análisis reveló que el sistema seguía siendo inferior a un observador de referencia, informó el experto.
Un grupo internacional dirigido por científicos de Merck utilizó un conjunto de datos de la Organización Mundial de la Salud de radiografías de 431 niños para desarrollar un algoritmo de IA para detectar la neumonía grave en los niños. Schalekamp señaló que el algoritmo alcanzó una impresionante área bajo la curva (AUC) de 0,977 y estuvo dentro del rango de fiabilidad interobservador de los observadores de referencia en el estudio.
También hay muchas investigaciones sobre la detección y el seguimiento de la broncopatía (fibrosis quística). Investigadores de la Universidad de Burdeos y de la Universidad de Cincinnati, en Ohio, desarrollaron un algoritmo de IA para ayudar a evaluar la fibrosis quística en imágenes de TC en niños, basándose en un conjunto de datos de imágenes de pacientes de entre cuatro y 54 años. "Pudieron demostrar que los pacientes en tratamiento en los TAC de seguimiento tenían menores cantidades de biomarcadores específicos, lo que fue fácilmente captado por este sistema de IA", dijo Schalekamp.
Para él, otra aplicación interesante sería la evaluación de radiografías neonatales, la clasificación del síndrome de estrés respiratorio idiopático (IRDS) en bebés prematuros y la detección de líneas y tubos en las radiografías.
Schalekamp concluyó que la IA en radiología torácica está bien desarrollada, pero no existen aplicaciones específicas para la población pediátrica y que "se necesitan más investigaciones y datos"
Más información sobre la guía de aplicación de la IA en radiología aquí.
Perfil:
El doctor Steven Schalekamp, del Departamento de Imagen Médica del Centro Médico Universitario Radboud (UMC) de Nimega (Países Bajos).