Detección del cáncer de pulmón: el modelo de inteligencia artificial supera a los radiólogos
- Ardila D & al.
- Nat Med
- Univadis
- Clinical Summary
Punto clave
- Un modelo de inteligencia artificial de aprendizaje profundo detectó cáncer de pulmón maligno en exploraciones mediante tomografía computarizada (TAC) torácica en dosis bajas con un rendimiento que coincidía o excedía al de los radiólogos.
Por qué es importante
- Si se valida clínicamente, este modelo puede mejorar la precisión y optimizar el cribado.
Puntos destacados
- El algoritmo de aprendizaje profundo tenía 3 componentes principales:
- modelo que analizaba volúmenes de TAC enteros con cáncer,
- modelo de detección para la región de interés sospechosa y
- modelo de predicción del riesgo independiente en el que también se incluyeron las exploraciones anteriores si se disponía de ellas.
- Para el desarrollo se utilizó el conjunto de datos del ensayo nacional de cribado del cáncer de pulmón (National Lung Cancer Screening Trial, NLST, n = 14 851); 578 pacientes con cáncer de pulmón confirmado por biopsia).
- En el conjunto de datos de la prueba (n = 6716 casos; 86 casos de cáncer), el modelo alcanzó un área bajo la curva (ABC) del 94,4 %.
- Revisaron el conjunto de datos de la prueba de subconjuntos del NLST (n = 507; 83 casos de cáncer) 6 radiólogos.
- Cuando se utilizaron volúmenes de TAC solo del año actual, el modelo alcanzó un ABC del 95,9 % con sensibilidad y especificidad superiores a las obtenidas por el radiólogo medio.
- Cuando se utilizaron volúmenes de TAC tanto de los años actuales como de los anteriores, el ABC del modelo fue del 92,6 % y coincidió con la sensibilidad y la especificidad del evaluador medio.
- En una cohorte independiente (n = 1739; 27 casos de cáncer), el ABC del modelo fue del 95,5 % con sensibilidad y especificidad del 81,5 % y del 89,3 %, respectivamente, para los nódulos de categoría ≥ 3 en el sistema de datos y notificación de las imágenes de pulmón.
Desafortunadamente este artículo no esta disponible para usuarios no logados
Has alcanzdo el límite de artículos por usuario
Acceso gratuito Un servicio exclusivo para profesionales sanitarios
