Software de inteligencia artificial reduce tiempos de lectura de resonancias magnéticas de próstata en 56 %

Ahora, un estudio realizado por investigadores del Primer Hospital de la Universidad de Pekín (Beijing, China) encontró que el software de IA puede disminuir los informes de falsos positivos de csPCa al mismo tiempo que reduce los tiempos de lectura del radiólogo. Mediante el uso de un software patentado de inteligencia artificial basado en el aprendizaje profundo, los radiólogos pudieron reducir a la mitad sus tiempos de lectura al interpretar las exploraciones de mpMRI de pacientes con sospecha de cáncer de próstata, pasando de 423 a 185 segundos por examen. Además, el software de IA mejoró la sensibilidad y la especificidad. La importancia del estudio radica en el método de prueba, ya que involucró 11 sistemas de resonancia magnética diferentes de tres instituciones, lo que demuestra la reproducibilidad del software y la utilidad en el mundo real, que había faltado en estudios anteriores del sistema CAD.

En el estudio se utilizaron 480 imágenes de mpMRI con 349 lesiones de csPCa en 180 casos. Participaron dieciséis radiólogos con diferentes niveles de experiencia de cuatro hospitales, interpretando exploraciones con y sin el software antes de reinterpretar las mismas exploraciones cuatro semanas después en modo conmutado. El software aumentó la sensibilidad del 40,1 % al 59,0 % y la especificidad del 57,7 % al 71,7 %. También redujo los tiempos de lectura en un 56,3 % y mejoró las puntuaciones de confianza diagnóstica de 3,9 a 4,3. A pesar de las limitaciones del estudio, los investigadores creen que sus resultados indican cómo el software de IA podría beneficiar a pacientes y proveedores en situaciones clínicas del mundo real.

“La fortaleza de nuestro estudio es que los datos externos se recopilaron de tres instituciones médicas diferentes”, señaló el equipo. “Las imágenes de mpMRI se adquirieron utilizando un total de 11 dispositivos de RM diferentes con alguna variación en los parámetros de exploración. Por lo tanto, los datos son muy heterogéneos, lo cual es una tarea desafiante para los algoritmos de IA”.